미국-이란 간 무력 충돌 사례에서는 드론·미사일이 여러 방향에서 동시에 들어오면서 레이더, 광학(EO/IR), 음향 센서가 같은 비행체를 각자 경보해 상황판에 중복 항적이 쏟아지고, 이 때문에 위협 수를 잘못 세거나 대응이 늦어지는 문제가 주목받았다. 본 프로젝트에서는 가상 방어 지역에 배치한 가상 센서 4기와 가상 비행체 궤적으로 교육용 경보 데이터를 코드로 만들어, 연동 규격과 통합 스키마 설계, 시각 동기화와 ENU 좌표 변환 전처리, 최단거리 매칭 Baseline, 확장 칼만 필터(EKF) 항적 추적·통합, 융합 신뢰도 지수, 전술 상황판(COP), 조작관 HITL 검토, 통신 단절·재밍 스트레스 시험, AAR 재보정, 최종 통합까지 다중 센서 중복 항적 통합 시뮬레이터를 단계별로 구현한다. 최종 목표는 비행체 하나를 하나의 항적으로 정확히 보여 주어 지휘관의 인지 부하를 줄이고, 항적 통합·분리 같은 판단은 조작관이 근거와 함께 확정하도록 설계하는 것이다.
", "deliverables": [ "data/schema/ops02_input_schema.json (필수)", "docs/ops02_data_spec.md (필수)", "src/preprocess/ops02_preprocessor.py (필수)", "전처리 전후 데이터셋 (필수)", "src/models/ops02_baseline_model.py (필수)", "기본 추론 결과 보고서 (필수)" ], "constraints": "실제 부대 편성, 위치, 작전 일정, 군번·성명 등 민감 군사보안 및 개인식별정보는 절대 외부 AI에 입력하지 않는다.
모든 실습에는 제공된 교육용 가상 데이터셋 및 시뮬레이션 표본만을 활용한다.
AI 모델이 제안한 분석값이나 탐지 결과는 참고 지표이며, 최종 승인·보류·교전·배치 명령은 사람이 확정한다.
모든 센서 위치·성능, 비행체 궤적, 좌표는 원점 기준 km 단위의 교육용 가상 자료이며 실제 부대명, 위치, 장비 제원, 배치, 작전 정보는 사용하지 않는다. 부대 내 촬영이나 부대 자료의 외부 AI 서비스 입력은 금지한다. 상황판의 방어 지역 접근 강조와 항적 등급은 판단 보조를 위한 학습용 모의이며, 항적 통합·분리는 조작관이 확정하고 실제 교전 여부는 교전수칙과 지휘계통에 따른다. 미션별 정답 코드는 각각 한 파일로 독립 실행된다.
수행 증거: 요구된 데이터 전처리, 모델 구현, 검증 지표 산출, HITL 워크플로우 증거가 명확한가?
판단 근거: 오경보/미탐 방지, 신뢰도 등급화, 파라미터 튜닝의 군사적·논리적 근거가 타당한가?
앞뒤 연결성: 앞 미션의 스키마·전처리가 뒤 미션의 예측·대시보드·AAR 재보정에 정상 연계되는가?
안전성: 보안 규정 준수, 극단 과부하 상황에서의 Fail-safe 복원력이 확보되었는가?
10개 미션 전체에서 요구되는 필수([필수]) 평가 기준을 모두 PASS해야 프로젝트 최종 PASS로 판정한다.
", "prerequisites": "기본 프로그래밍 지식 및 작전·전투 수행 데이터 분석 기초", "refFiles": [], "refText": "", "projectSkills": [ { "skillId": "competency_군특화문제해결_작전·전투 수행_문제분석", "level": 3, "category": "군특화문제해결", "subCategory": "작전·전투 수행 문제분석" }, { "skillId": "competency_군특화문제해결_작전·전투 수행_대안도출", "level": 2, "category": "군특화문제해결", "subCategory": "작전·전투 수행 대안도출" }, { "skillId": "competency_데이터분석검증_결과검증", "level": 3, "category": "데이터분석검증", "subCategory": "AI 결과 검증" }, { "skillId": "competency_AI활용역량_도구활용", "level": 2, "category": "AI활용역량", "subCategory": "AI 도구 및 모델 활용" }, { "skillId": "competency_전술의사결정_인간검토", "level": 3, "category": "전술의사결정", "subCategory": "HITL 인간 검토 및 책임분계" } ], "prerequisiteVods": [], "missions": [ { "id": "OPS02_M01", "sequence": 1, "title": "다종 센서(레이더·EO/IR·음향) 연동 규격 분석 및 중복 항적 데이터셋 스키마 설계", "durationHours": 1.5, "overview": "레이더·EO/IR·음향 센서의 경보 연동 규격을 분석하고, 원시 경보와 통합 항적을 함께 담는 데이터셋 스키마와 검증기를 만든다.
", "objectives": "가상 센서 4기의 유형, 위치, 최대 탐지거리, 거리·방위 오차, 탐지확률을 등록부로 정리한다. 원시 경보(메시지 ID, 센서, 시각, 거리, 방위, 오차), 전술 파라미터(기상, 위치오차, 통신지연), 통합 항적(항적 ID, 상태 벡터, 기여 센서, 신뢰도, 상태) 필드를 정의한다. 가상 샘플을 검증하고 형식·허용값·범위·누락 오류를 일부러 넣어 모두 검출되는지 확인하며, 비행체 1개당 동시 경보 수로 통합 스키마의 필요성을 보인다.
", "scenario": "미국-이란 분쟁 등 전술 방공 환경을 분석하여 레이더, EO/IR 광학센서, 음향 탐지기 등 이기종 센서의 데이터 연동 규격과 중복 항적(Track) 통합 스키마를 설계한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 레이더·EO/IR·음향 센서의 경보 연동 규격을 분석하고, 원시 경보와 통합 항적을 함께 담는 데이터셋 스키마와 검증기를 만든다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 가상 센서 4기의 유형, 위치, 최대 탐지거리, 거리·방위 오차, 탐지확률을 등록부로 정리하고 규격화하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: data/schema/ops02_input_schema.json 및 docs/ops02_data_spec.md 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "data/schema/ops02_input_schema.json (필수)", "docs/ops02_data_spec.md (필수)" ], "evaluationKeys": [ "[다종 센서(레이더·EO/IR·음향) 연동 규격 분석 및 중복 항적 데이터셋 스키마 설계] 요구된 핵심 성능 기준(스키마 필드 정의 완성도 100%, 샘플 데이터 검증 오류 0건)을 완벽히 달성하였는가?
스키마 필드 정의 완성도 100%, 샘플 데이터 검증 오류 0건 기준을 충족하고 입력 데이터 유효성 검증 스크립트 통과 및 명세서 문서화 완료을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
누락된 전술 파라미터(기상, 위치오차, 통신지연 등) 보완을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 작전·전투 수행 실무 및 미국-이란 전쟁 전장 환경과의 군사적 부합성 관점의 타당성이 확보되었는가?
작전·전투 수행 실무 및 미국-이란 전쟁 전장 환경과의 군사적 부합성이 논리적으로 검증되었으며 JSON Schema 검증 도구 및 샘플 데이터 파싱 단위 테스트를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 작전·전투 수행 실무 및 미국-이란 전쟁 전장 환경과의 군사적 부합성
정량 기준: 스키마 필드 정의 완성도 100%, 샘플 데이터 검증 오류 0건
진행 기준: 입력 데이터 유효성 검증 스크립트 통과 및 명세서 문서화 완료
검증 방법: JSON Schema 검증 도구 및 샘플 데이터 파싱 단위 테스트
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M1 코드를 실행해 경보·전술 파라미터·통합 항적 샘플 검증 결과를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M1 코드를 실행해 경보·전술 파라미터·통합 항적 샘플 검증 결과를 확인한다.
M1 코드를 실행해 경보·전술 파라미터·통합 항적 샘플 검증 결과를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
샘플 검증 오류 0건, 주입 오류 6종 모두 검출, 필드 17개 정의 비행체 1개당 같은 초에 평균 2.9개 센서 경보
M1 코드를 실행해 경보·전술 파라미터·통합 항적 샘플 검증 결과를 확인한다. 실행 결과 및 검증 로그
M1 코드를 실행해 경보·전술 파라미터·통합 항적 샘플 검증 결과를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(샘플 검증 오류 0건, 주입 오류 6종 모두 검출, 필드 17개 정의 비행체 1개당 같은 초에 평균 2.9개 센서 경보)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
오류 주입 6건이 어떤 규칙에 걸렸는지 표로 정리한다.
오류 주입 6건이 어떤 규칙에 걸렸는지 표로 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
샘플 검증 오류 0건, 주입 오류 6종 모두 검출, 필드 17개 정의 비행체 1개당 같은 초에 평균 2.9개 센서 경보
오류 주입 6건이 어떤 규칙에 걸렸는지 표로 정리한다. 실행 결과 및 검증 로그
오류 주입 6건이 어떤 규칙에 걸렸는지 표로 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(샘플 검증 오류 0건, 주입 오류 6종 모두 검출, 필드 17개 정의 비행체 1개당 같은 초에 평균 2.9개 센서 경보)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
가상 센서 등록부와 '비행체 1개당 동시 경보 수'를 보고 통합 스키마가 필요한 이유를 적는다.
가상 센서 등록부와 '비행체 1개당 동시 경보 수'를 보고 통합 스키마가 필요한 이유를 적는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
샘플 검증 오류 0건, 주입 오류 6종 모두 검출, 필드 17개 정의 비행체 1개당 같은 초에 평균 2.9개 센서 경보
가상 센서 등록부와 '비행체 1개당 동시 경보 수'를 보고 통합 스키마가 필요한 이유를 적는다. 실행 결과 및 검증 로그
가상 센서 등록부와 '비행체 1개당 동시 경보 수'를 보고 통합 스키마가 필요한 이유를 적는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(샘플 검증 오류 0건, 주입 오류 6종 모두 검출, 필드 17개 정의 비행체 1개당 같은 초에 평균 2.9개 센서 경보)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
통합 항적 스키마에 위협 등급(threat_level, enum: LOW/MID/HIGH) 필드를 추가하고 허용되지 않은 값을 넣어 검출되는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
센서마다 다른 시계 오차를 보정하고 센서 국소 극좌표(거리·방위)를 공통 전술 좌표(ENU)로 바꾸는 시공간 전처리 모듈을 구현한다.
", "objectives": "기준 신호(heartbeat)와 센서 시각 차이의 중앙값으로 센서별 시계 오차를 추정한다. 중복 메시지, 결측, 최대 탐지거리를 넘는 반사파 경보를 걸러내고 센서 위치 기준 거리·방위를 동·북 km 좌표로 변환한다. 처리 속도, 시계 오차 추정 정확도, 동기화 전후 고속 표적 위치 편향을 측정하고 단위 시험 6종으로 검증한다.
", "scenario": "이기종 센서 간의 시각 동기화(Time-sync) 오차를 보정하고 각 센서의 국소 좌표계를 공통 전술 좌표계(ENU/ECEF)로 변환하는 시공간 전처리 모듈을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 센서마다 다른 시계 오차를 보정하고 센서 국소 극좌표(거리·방위)를 공통 전술 좌표(ENU)로 바꾸는 시공간 전처리 모듈을 구현한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 기준 신호(heartbeat)와 센서 시각 차이의 중앙값으로 센서별 시계 오차를 추정 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/preprocess/ops02_preprocessor.py 및 전처리 전후 데이터셋 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/preprocess/ops02_preprocessor.py (필수)", "전처리 전후 데이터셋 (필수)" ], "evaluationKeys": [ "[이종 센서 시각 동기화(Time-sync) 및 공간 좌표계(ENU/ECEF) 변환 전처리 구현] 요구된 핵심 성능 기준(데이터 정제 처리 속도 1,000건/초 이상, 전처리 오류율 0%)을 완벽히 달성하였는가?
데이터 정제 처리 속도 1,000건/초 이상, 전처리 오류율 0% 기준을 충족하고 정제 파이프라인 자동화 및 단위 테스트 케이스 5종 통과을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
전술 상황별(주간/야간/악천후) 맞춤형 노이즈 제거 임계값 동적 조정을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 전술 환경 특유의 노이즈(스푸핑, 반사파, 센서 단절 등) 제거 타당성 관점의 타당성이 확보되었는가?
전술 환경 특유의 노이즈(스푸핑, 반사파, 센서 단절 등) 제거 타당성이 논리적으로 검증되었으며 pytest 기반 전처리 정합성 테스트 및 결측치 보정율 확인를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 전술 환경 특유의 노이즈(스푸핑, 반사파, 센서 단절 등) 제거 타당성
정량 기준: 데이터 정제 처리 속도 1,000건/초 이상, 전처리 오류율 0%
진행 기준: 정제 파이프라인 자동화 및 단위 테스트 케이스 5종 통과
검증 방법: pytest 기반 전처리 정합성 테스트 및 결측치 보정율 확인
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M2 코드를 실행해 처리 속도와 센서별 시계 오차 추정값을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M2 코드를 실행해 처리 속도와 센서별 시계 오차 추정값을 확인한다.
M2 코드를 실행해 처리 속도와 센서별 시계 오차 추정값을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
처리 속도 수만 건/초(목표 1,000건/초 달성), 단위 시험 6/6 통과 시계 오차 추정 오차 0.01초 이하, ACU-D 편향 -179m -> -33m
M2 코드를 실행해 처리 속도와 센서별 시계 오차 추정값을 확인한다. 실행 결과 및 검증 로그
M2 코드를 실행해 처리 속도와 센서별 시계 오차 추정값을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(처리 속도 수만 건/초(목표 1,000건/초 달성), 단위 시험 6/6 통과 시계 오차 추정 오차 0.01초 이하, ACU-D 편향 -179m -> -33m)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
고속 표적의 동기화 전후 위치 편향 표를 보고 시계 오차가 위치 오차로 바뀌는 이유를 설명한다.
고속 표적의 동기화 전후 위치 편향 표를 보고 시계 오차가 위치 오차로 바뀌는 이유를 설명한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
처리 속도 수만 건/초(목표 1,000건/초 달성), 단위 시험 6/6 통과 시계 오차 추정 오차 0.01초 이하, ACU-D 편향 -179m -> -33m
고속 표적의 동기화 전후 위치 편향 표를 보고 시계 오차가 위치 오차로 바뀌는 이유를 설명한다. 실행 결과 및 검증 로그
고속 표적의 동기화 전후 위치 편향 표를 보고 시계 오차가 위치 오차로 바뀌는 이유를 설명한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(처리 속도 수만 건/초(목표 1,000건/초 달성), 단위 시험 6/6 통과 시계 오차 추정 오차 0.01초 이하, ACU-D 편향 -179m -> -33m)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
단위 시험 6종의 PASS 여부를 기록한다.
단위 시험 6종의 PASS 여부를 기록한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
처리 속도 수만 건/초(목표 1,000건/초 달성), 단위 시험 6/6 통과 시계 오차 추정 오차 0.01초 이하, ACU-D 편향 -179m -> -33m
단위 시험 6종의 PASS 여부를 기록한다. 실행 결과 및 검증 로그
단위 시험 6종의 PASS 여부를 기록한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(처리 속도 수만 건/초(목표 1,000건/초 달성), 단위 시험 6/6 통과 시계 오차 추정 오차 0.01초 이하, ACU-D 편향 -179m -> -33m)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
heartbeat 주기를 10초에서 30초로 늘리면(코드의 t % 10) 시계 오차 추정 정확도가 어떻게 바뀌는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
매 스캔마다 여러 센서 경보를 최단거리(유클리드·마할라노비스) 매칭으로 묶어 비행체 1개당 1개의 융합 경보를 만드는 Baseline을 구현한다.
", "objectives": "정밀도가 높은 센서 경보를 기준으로 다른 센서 경보를 거리 게이트 안에서 묶는다. 유클리드 거리와 센서 오차를 반영한 마할라노비스 거리를 비교하고 게이트 크기에 따른 분할·혼합 경향을 확인한다. 시각 동기화 생략 시와 적용 시의 통합 정확도를 비교하고, 스캔 단위 매칭의 한계를 정리한다.
", "scenario": "최단 거리(Euclidean/Mahalanobis) 매칭 기반으로 동일 비행체에서 발생한 다중 센서 경보를 1차 클러스터링하는 항적 융합(Fusion) Baseline 로직을 개발한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 매 스캔마다 여러 센서 경보를 최단거리(유클리드·마할라노비스) 매칭으로 묶어 비행체 1개당 1개의 융합 경보를 만드는 Baseline을 구현한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 정밀도가 높은 센서 경보를 기준으로 다른 센서 경보를 거리 게이트 안에서 묶는다 과정을 진행하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/models/ops02_baseline_model.py 및 기본 추론 결과 보고서 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/models/ops02_baseline_model.py (필수)", "기본 추론 결과 보고서 (필수)" ], "evaluationKeys": [ "[최단거리 매칭 기반 단일 항적-센서 경보 1차 융합(Fusion) 알고리즘 구현] 요구된 핵심 성능 기준(기본 데이터셋 대상 탐지/처리 정확도 75% 이상 달성)을 완벽히 달성하였는가?
기본 데이터셋 대상 탐지/처리 정확도 75% 이상 달성 기준을 충족하고 단위 기능 동작 확인 및 기본 시나리오 실행 로그 생성을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
판단 지연시간 최적화 및 휴리스틱 가중치 1차 튜닝을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 알고리즘의 논리적 흐름 및 군사적 판단 기준의 투명성 관점의 타당성이 확보되었는가?
알고리즘의 논리적 흐름 및 군사적 판단 기준의 투명성이 논리적으로 검증되었으며 기준 벤치마크 데이터셋 대상 추론 결과 오차율 비교를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 알고리즘의 논리적 흐름 및 군사적 판단 기준의 투명성
정량 기준: 기본 데이터셋 대상 탐지/처리 정확도 75% 이상 달성
진행 기준: 단위 기능 동작 확인 및 기본 시나리오 실행 로그 생성
검증 방법: 기준 벤치마크 데이터셋 대상 추론 결과 오차율 비교
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M3 코드를 실행해 유클리드·마할라노비스 방식의 통합 정확도를 비교한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M3 코드를 실행해 유클리드·마할라노비스 방식의 통합 정확도를 비교한다.
M3 코드를 실행해 유클리드·마할라노비스 방식의 통합 정확도를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
마할라노비스 3.0 통합 정확도 94.1%(목표 75% 달성), 유클리드 1.0km 89.3% 동기화 생략 0.881 -> 적용 0.947
M3 코드를 실행해 유클리드·마할라노비스 방식의 통합 정확도를 비교한다. 실행 결과 및 검증 로그
M3 코드를 실행해 유클리드·마할라노비스 방식의 통합 정확도를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(마할라노비스 3.0 통합 정확도 94.1%(목표 75% 달성), 유클리드 1.0km 89.3% 동기화 생략 0.881 -> 적용 0.947)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
게이트 민감도 결과로 게이트가 작을 때와 클 때의 문제를 정리한다.
게이트 민감도 결과로 게이트가 작을 때와 클 때의 문제를 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
마할라노비스 3.0 통합 정확도 94.1%(목표 75% 달성), 유클리드 1.0km 89.3% 동기화 생략 0.881 -> 적용 0.947
게이트 민감도 결과로 게이트가 작을 때와 클 때의 문제를 정리한다. 실행 결과 및 검증 로그
게이트 민감도 결과로 게이트가 작을 때와 클 때의 문제를 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(마할라노비스 3.0 통합 정확도 94.1%(목표 75% 달성), 유클리드 1.0km 89.3% 동기화 생략 0.881 -> 적용 0.947)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
스캔 25초 융합 결과 예시에서 묶음 근거(결합 거리)를 확인한다.
스캔 25초 융합 결과 예시에서 묶음 근거(결합 거리)를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
마할라노비스 3.0 통합 정확도 94.1%(목표 75% 달성), 유클리드 1.0km 89.3% 동기화 생략 0.881 -> 적용 0.947
스캔 25초 융합 결과 예시에서 묶음 근거(결합 거리)를 확인한다. 실행 결과 및 검증 로그
스캔 25초 융합 결과 예시에서 묶음 근거(결합 거리)를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(마할라노비스 3.0 통합 정확도 94.1%(목표 75% 달성), 유클리드 1.0km 89.3% 동기화 생략 0.881 -> 적용 0.947)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
유클리드 게이트를 0.6km와 2.5km로 바꿔 분할·혼합이 어떻게 달라지는지 결과 예시로 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
확장 칼만 필터(EKF)와 전역 최근접 할당(GNN)으로 다중 센서 경보를 하나의 항적으로 추적·통합하고 복합 위협 시나리오에서 검증한다.
", "objectives": "상태(위치·속도)를 예측하고 정밀 센서부터 순차 갱신하며, 마할라노비스 게이트와 할당으로 경보를 항적에 연결한다. 선회, 교차, 근접 편대, 고속, 기만 항적, 레이더 재밍, 통신 단절, 우천 오경보 등 복합 위협 시나리오 10종에서 재현율, 분할, 거짓 항적, 위치 오차, 스캔당 지연을 측정한다. 거짓 항적의 수명·보고 수·센서 수를 실제 항적과 비교해 오경보 유발 패턴을 찾는다.
", "scenario": "확장 칼만 필터(EKF)를 적용하여 센서별 측정 오차를 보정하고 급격한 기동을 수행하는 비행체의 중복 항적을 단일 궤적으로 정밀 추적·통합하는 알고리즘을 고도화한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 확장 칼만 필터(EKF)와 전역 최근접 할당(GNN)으로 다중 센서 경보를 하나의 항적으로 추적·통합하고 복합 위협 시나리오에서 검증한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 상태(위치·속도)를 예측하고 정밀 센서부터 순차 갱신하며, 마할라노비스 게이트와 할당으로 경보를 항적에 연결 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/models/ops02_advanced_detector.py 및 예외 탐지 테스트 결과 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/models/ops02_advanced_detector.py (필수)", "예외 탐지 테스트 결과 (필수)" ], "evaluationKeys": [ "[칼만 필터(Kalman Filter) 기반 다중 센서 경보 중복 항적 추적 및 궤적 통합 고도화] 요구된 핵심 성능 기준(복합 위협 탐지 재현율(Recall) 85% 이상, 처리 지연 200ms 이하)을 완벽히 달성하였는가?
복합 위협 탐지 재현율(Recall) 85% 이상, 처리 지연 200ms 이하 기준을 충족하고 복합 위협 시나리오 10종에 대한 탐지 테스트 통과을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
오경보(False Alarm) 유발 패턴 식별 및 특징 공간(Feature Space) 재설계을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 기만/교란 공격에 대한 방어 로직의 현실성 및 신뢰성 관점의 타당성이 확보되었는가?
기만/교란 공격에 대한 방어 로직의 현실성 및 신뢰성이 논리적으로 검증되었으며 합성 위협 데이터셋 주입 시 이상치 탐지 정확도 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 기만/교란 공격에 대한 방어 로직의 현실성 및 신뢰성
정량 기준: 복합 위협 탐지 재현율(Recall) 85% 이상, 처리 지연 200ms 이하
진행 기준: 복합 위협 시나리오 10종에 대한 탐지 테스트 통과
검증 방법: 합성 위협 데이터셋 주입 시 이상치 탐지 정확도 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M4 코드를 실행해 복합 위협 시나리오 10종 결과표를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M4 코드를 실행해 복합 위협 시나리오 10종 결과표를 확인한다.
M4 코드를 실행해 복합 위협 시나리오 10종 결과표를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평균 재현율 100%, 시나리오 10/10 통과, 스캔당 지연 최대 약 13ms(목표 200ms 이하) 거짓 항적 12개: 평균 수명 10s·스캔당 보고 1.0건(실제 60s·3.1건)
M4 코드를 실행해 복합 위협 시나리오 10종 결과표를 확인한다. 실행 결과 및 검증 로그
M4 코드를 실행해 복합 위협 시나리오 10종 결과표를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평균 재현율 100%, 시나리오 10/10 통과, 스캔당 지연 최대 약 13ms(목표 200ms 이하) 거짓 항적 12개: 평균 수명 10s·스캔당 보고 1.0건(실제 60s·3.1건))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
재현율·분할·거짓 항적·위치 오차·지연을 시나리오별로 기록한다.
재현율·분할·거짓 항적·위치 오차·지연을 시나리오별로 기록한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평균 재현율 100%, 시나리오 10/10 통과, 스캔당 지연 최대 약 13ms(목표 200ms 이하) 거짓 항적 12개: 평균 수명 10s·스캔당 보고 1.0건(실제 60s·3.1건)
재현율·분할·거짓 항적·위치 오차·지연을 시나리오별로 기록한다. 실행 결과 및 검증 로그
재현율·분할·거짓 항적·위치 오차·지연을 시나리오별로 기록한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평균 재현율 100%, 시나리오 10/10 통과, 스캔당 지연 최대 약 13ms(목표 200ms 이하) 거짓 항적 12개: 평균 수명 10s·스캔당 보고 1.0건(실제 60s·3.1건))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
거짓 항적과 실제 항적의 수명·스캔당 보고·센서 수를 비교해 오경보 유발 패턴을 정리한다.
거짓 항적과 실제 항적의 수명·스캔당 보고·센서 수를 비교해 오경보 유발 패턴을 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평균 재현율 100%, 시나리오 10/10 통과, 스캔당 지연 최대 약 13ms(목표 200ms 이하) 거짓 항적 12개: 평균 수명 10s·스캔당 보고 1.0건(실제 60s·3.1건)
거짓 항적과 실제 항적의 수명·스캔당 보고·센서 수를 비교해 오경보 유발 패턴을 정리한다. 실행 결과 및 검증 로그
거짓 항적과 실제 항적의 수명·스캔당 보고·센서 수를 비교해 오경보 유발 패턴을 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평균 재현율 100%, 시나리오 10/10 통과, 스캔당 지연 최대 약 13ms(목표 200ms 이하) 거짓 항적 12개: 평균 수명 10s·스캔당 보고 1.0건(실제 60s·3.1건))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
run_tracker에 confirm=(4, 6)을 넘겨 실행하고 거짓 항적 수와 재현율 변화를 기록한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
센서별 신뢰도 가중치와 기상 요인을 반영해 통합 항적의 진위를 나타내는 융합 신뢰도 지수와 High/Med/Low 등급을 산출한다.
", "objectives": "기상별 센서 신뢰도 가중치 매트릭스를 만들고 항적 수명, 스캔당 보고 수, 센서 종류 수, 가중 센서 지지도, 측정 정합도(NIS), EO/IR 단독 여부를 특징으로 계산한다. 실시간 판단 시점(8·15·30초)별 항적으로 로지스틱 모델을 학습하고, 학습보다 가혹한 조건(오경보 4배, 레이더 재밍)에서 평가한다. 모든 확정 항적을 경보하는 방식 대비 오경보율 감축, 임계값 민감도, 등급 일관성을 확인한다.
", "scenario": "센서별 신뢰도 가중치와 기상 환경 요인을 반영하여 통합된 항적의 진위 여부 및 융합 신뢰도 지수를 계산하는 엔진을 개발한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 센서별 신뢰도 가중치와 기상 요인을 반영해 통합 항적의 진위를 나타내는 융합 신뢰도 지수와 High/Med/Low 등급을 산출한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 기상별 센서 신뢰도 가중치 매트릭스를 만들고 항적 수명, 스캔당 보고 수, 센서 종류 수, 가중 센서 지지도, 측정 정합도(NIS), EO/IR 단독 여부를 특징으로 산출하고 모델에 적용하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/verification/ops02_confidence_engine.py 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/verification/ops02_confidence_engine.py (필수)" ], "evaluationKeys": [ "[센서별 오탐 가중치 반영 및 항적 통합 신뢰도 지수 산출 엔진 개발] 요구된 핵심 성능 기준(오경보율(FAR) 40% 이상 감축, 신뢰도 스코어 산출 일관성 90% 이상)을 완벽히 달성하였는가?
오경보율(FAR) 40% 이상 감축, 신뢰도 스코어 산출 일관성 90% 이상 기준을 충족하고 오경보 필터링 전후 비교 지표 산출 및 통합 테스트 완료을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
신뢰도 가중치 매트릭스 재조정 및 불확실성 지표 시각화 지원을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 신뢰도 등급(High/Med/Low) 부여 기준의 군사적 타당성 관점의 타당성이 확보되었는가?
신뢰도 등급(High/Med/Low) 부여 기준의 군사적 타당성이 논리적으로 검증되었으며 ROC-AUC 곡선 분석 및 임계값 민감도 테스트를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 신뢰도 등급(High/Med/Low) 부여 기준의 군사적 타당성
정량 기준: 오경보율(FAR) 40% 이상 감축, 신뢰도 스코어 산출 일관성 90% 이상
진행 기준: 오경보 필터링 전후 비교 지표 산출 및 통합 테스트 완료
검증 방법: ROC-AUC 곡선 분석 및 임계값 민감도 테스트
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M5 코드를 실행해 기상별 센서 신뢰도 가중치 매트릭스를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M5 코드를 실행해 기상별 센서 신뢰도 가중치 매트릭스를 확인한다.
M5 코드를 실행해 기상별 센서 신뢰도 가중치 매트릭스를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
경보 중 거짓 항적 56.7% -> 2.6%(감축 95%, 목표 40% 달성) 실제 항적 High 97.4%, ROC-AUC 0.998, 등급 일관성 99.8%
M5 코드를 실행해 기상별 센서 신뢰도 가중치 매트릭스를 확인한다. 실행 결과 및 검증 로그
M5 코드를 실행해 기상별 센서 신뢰도 가중치 매트릭스를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(경보 중 거짓 항적 56.7% -> 2.6%(감축 95%, 목표 40% 달성) 실제 항적 High 97.4%, ROC-AUC 0.998, 등급 일관성 99.8%)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
모든 확정 항적 경보 방식과 High 경보 방식의 오경보율을 비교한다.
모든 확정 항적 경보 방식과 High 경보 방식의 오경보율을 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
경보 중 거짓 항적 56.7% -> 2.6%(감축 95%, 목표 40% 달성) 실제 항적 High 97.4%, ROC-AUC 0.998, 등급 일관성 99.8%
모든 확정 항적 경보 방식과 High 경보 방식의 오경보율을 비교한다. 실행 결과 및 검증 로그
모든 확정 항적 경보 방식과 High 경보 방식의 오경보율을 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(경보 중 거짓 항적 56.7% -> 2.6%(감축 95%, 목표 40% 달성) 실제 항적 High 97.4%, ROC-AUC 0.998, 등급 일관성 99.8%)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
등급별 항적 수, 특징 가중치, 임계값 민감도, 등급 일관성을 기록한다.
등급별 항적 수, 특징 가중치, 임계값 민감도, 등급 일관성을 기록한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
경보 중 거짓 항적 56.7% -> 2.6%(감축 95%, 목표 40% 달성) 실제 항적 High 97.4%, ROC-AUC 0.998, 등급 일관성 99.8%
등급별 항적 수, 특징 가중치, 임계값 민감도, 등급 일관성을 기록한다. 실행 결과 및 검증 로그
등급별 항적 수, 특징 가중치, 임계값 민감도, 등급 일관성을 기록한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(경보 중 거짓 항적 56.7% -> 2.6%(감축 95%, 목표 40% 달성) 실제 항적 High 97.4%, ROC-AUC 0.998, 등급 일관성 99.8%)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
BASE_W의 EO/IR 가중치를 0.8에서 0.4로 낮춰 기만 항적 등급과 오경보율이 어떻게 바뀌는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
센서별 원시 경보와 융합 항적을 나란히 보여 주는 야간 모드 전술 상황판(COP)을 구현해 지휘관의 중복 인지 부하를 줄인다.
", "objectives": "스캔마다 원시 경보 지도, 융합 항적 지도, 표시 항목 수 추이, 항적 목록 4개 패널을 갱신한다. 가상 방어 지역에 접근하는 High 항적은 빨간색으로 강조하고, 항적을 고르면 기여 센서·속도·위치를 보여 준다. 화면 갱신 시간, 선택 응답 시간, 원시 경보 대비 표시 항목 감소율을 측정한다.
", "scenario": "다중 센서의 원시 경보와 융합된 통합 항적을 실시간으로 비교 시각화하여 지휘관의 센서 중복 인지 부하를 줄이는 전술 상황판 대시보드를 구축한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 센서별 원시 경보와 융합 항적을 나란히 보여 주는 야간 모드 전술 상황판(COP)을 구현해 지휘관의 중복 인지 부하를 줄인다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 스캔마다 원시 경보 지도, 융합 항적 지도, 표시 항목 수 추이, 항적 목록 4개 패널을 갱신 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/ui/ops02_dashboard.py (또는 웹 UI 컴포넌트) 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/ui/ops02_dashboard.py (또는 웹 UI 컴포넌트) (필수)" ], "evaluationKeys": [ "[다중 센서 융합 항적 및 센서별 원시 경보 비교 전술 상황판(COP) 대시보드 구현] 요구된 핵심 성능 기준(화면 갱신 주기 1초 이내, UI 응답성 100ms 이내)을 완벽히 달성하였는가?
화면 갱신 주기 1초 이내, UI 응답성 100ms 이내 기준을 충족하고 주요 지표 시각화 컴포넌트 4종 이상 렌더링 및 실시간 데이터 연동을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
야간 작전 모드(Dark mode) 및 긴급 경보 하이라이트 UI 개선을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 전술 작전 상황판으로서의 직관성 및 인지 부하 감소도 관점의 타당성이 확보되었는가?
전술 작전 상황판으로서의 직관성 및 인지 부하 감소도이 논리적으로 검증되었으며 사용자 인터랙션 테스트 및 모의 데이터 스트림 렌더링 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 전술 작전 상황판으로서의 직관성 및 인지 부하 감소도
정량 기준: 화면 갱신 주기 1초 이내, UI 응답성 100ms 이내
진행 기준: 주요 지표 시각화 컴포넌트 4종 이상 렌더링 및 실시간 데이터 연동
검증 방법: 사용자 인터랙션 테스트 및 모의 데이터 스트림 렌더링 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M6 코드를 실행해 상황판 4개 패널을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M6 코드를 실행해 상황판 4개 패널을 확인한다.
M6 코드를 실행해 상황판 4개 패널을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
패널 4종 40회 갱신, 갱신 최대 1초 이내, 선택 응답 1ms 미만 표시 항목 23.9개 -> 7.2개(인지 부하 70% 감소), 긴급 강조 첫 발생 t=27s
M6 코드를 실행해 상황판 4개 패널을 확인한다. 실행 결과 및 검증 로그
M6 코드를 실행해 상황판 4개 패널을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(패널 4종 40회 갱신, 갱신 최대 1초 이내, 선택 응답 1ms 미만 표시 항목 23.9개 -> 7.2개(인지 부하 70% 감소), 긴급 강조 첫 발생 t=27s)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
화면 갱신 시간, 항적 선택 응답 시간, 표시 항목 감소율을 기록한다.
화면 갱신 시간, 항적 선택 응답 시간, 표시 항목 감소율을 기록한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
패널 4종 40회 갱신, 갱신 최대 1초 이내, 선택 응답 1ms 미만 표시 항목 23.9개 -> 7.2개(인지 부하 70% 감소), 긴급 강조 첫 발생 t=27s
화면 갱신 시간, 항적 선택 응답 시간, 표시 항목 감소율을 기록한다. 실행 결과 및 검증 로그
화면 갱신 시간, 항적 선택 응답 시간, 표시 항목 감소율을 기록한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(패널 4종 40회 갱신, 갱신 최대 1초 이내, 선택 응답 1ms 미만 표시 항목 23.9개 -> 7.2개(인지 부하 70% 감소), 긴급 강조 첫 발생 t=27s)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
방어 지역 접근 긴급 강조가 처음 발생한 시각과 Med로 표시된 거짓 항적을 확인한다.
방어 지역 접근 긴급 강조가 처음 발생한 시각과 Med로 표시된 거짓 항적을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
패널 4종 40회 갱신, 갱신 최대 1초 이내, 선택 응답 1ms 미만 표시 항목 23.9개 -> 7.2개(인지 부하 70% 감소), 긴급 강조 첫 발생 t=27s
방어 지역 접근 긴급 강조가 처음 발생한 시각과 Med로 표시된 거짓 항적을 확인한다. 실행 결과 및 검증 로그
방어 지역 접근 긴급 강조가 처음 발생한 시각과 Med로 표시된 거짓 항적을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(패널 4종 40회 갱신, 갱신 최대 1초 이내, 선택 응답 1ms 미만 표시 항목 23.9개 -> 7.2개(인지 부하 70% 감소), 긴급 강조 첫 발생 t=27s)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
ALERT_R을 4km에서 6km로 늘려 긴급 강조 스캔 수가 어떻게 바뀌는지 보고, 적정 강조 반경을 토의한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
센서 간 상충 정보로 생긴 항적 충돌을 조작관이 직접 통합·분리·보류·유지로 결정하는 HITL 검토/승인 체계를 구현한다.
", "objectives": "융합 엔진은 중복 의심, 병합 의심, 단일 센서 항적을 충돌로 제안만 하고 항적 상태는 바꾸지 않는다. 충돌 유형과 방어 지역 거리로 검토 순서를 정하고, 조작관 ID·근거 기록을 강제하며 간격이 먼 항적 통합에는 더 자세한 근거를 요구한다. 보류 기한을 넘기면 상황장교에게 상신하고, 모든 결정과 지휘관 피드백을 해시 체인 감사 로그에 남겨 위·변조를 검출한다.
", "scenario": "센서 간 상충 정보 발생 시 조작관이 직접 항적 분리, 강제 통합, 추적 보류를 결정할 수 있는 HITL 검토/승인 체계를 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 센서 간 상충 정보로 생긴 항적 충돌을 조작관이 직접 통합·분리·보류·유지로 결정하는 HITL 검토/승인 체계를 구현한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 융합 엔진은 중복 의심, 병합 의심, 단일 센서 항적을 충돌로 제안만 하고 항적 상태는 바꾸지 않는다 과정을 진행하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/hitl/ops02_approval_workflow.py 및 docs/ops02_hitl_guide.md 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/hitl/ops02_approval_workflow.py (필수)", "docs/ops02_hitl_guide.md (필수)" ], "evaluationKeys": [ "[중복 항적 강제 분리 및 통합 확정을 위한 조작관 HITL 검토/승인 체계 구축] 요구된 핵심 성능 기준(인간 검토 큐(Queue) 대기시간 및 승인/반려 처리 로깅 성공률 100%)을 완벽히 달성하였는가?
인간 검토 큐(Queue) 대기시간 및 승인/반려 처리 로깅 성공률 100% 기준을 충족하고 승인/반려 인터페이스 동작 및 감사 로그(Audit Log) 생성 검증을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
검토 우선순위 큐잉 알고리즘 개선 및 지휘관 피드백 입력 폼 추가을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 지휘 책임 분계선 명확화 및 성급한 자동 단정 방지 체계 부합성 관점의 타당성이 확보되었는가?
지휘 책임 분계선 명확화 및 성급한 자동 단정 방지 체계 부합성이 논리적으로 검증되었으며 모의 조작자 승인/반려 시뮬레이션 및 데이터 무결성 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 지휘 책임 분계선 명확화 및 성급한 자동 단정 방지 체계 부합성
정량 기준: 인간 검토 큐(Queue) 대기시간 및 승인/반려 처리 로깅 성공률 100%
진행 기준: 승인/반려 인터페이스 동작 및 감사 로그(Audit Log) 생성 검증
검증 방법: 모의 조작자 승인/반려 시뮬레이션 및 데이터 무결성 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M7 코드를 실행해 검토 순서와 자동 적용 0건을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M7 코드를 실행해 검토 순서와 자동 적용 0건을 확인한다.
M7 코드를 실행해 검토 순서와 자동 적용 0건을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
자동 적용 0건, 규칙 위반 차단 5건, 로깅 성공률 100% 보류 기한 초과 C03 상신, 7번째 기록 변조 검출(False, 7)
M7 코드를 실행해 검토 순서와 자동 적용 0건을 확인한다. 실행 결과 및 검증 로그
M7 코드를 실행해 검토 순서와 자동 적용 0건을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(자동 적용 0건, 규칙 위반 차단 5건, 로깅 성공률 100% 보류 기한 초과 C03 상신, 7번째 기록 변조 검출(False, 7))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
차단된 규칙 위반 5건(ID 누락, 허용되지 않은 조치, 단일 센서 분리, 근거 부족 통합, 근거 부족)을 표로 정리한다.
차단된 규칙 위반 5건(ID 누락, 허용되지 않은 조치, 단일 센서 분리, 근거 부족 통합, 근거 부족)을 표로 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
자동 적용 0건, 규칙 위반 차단 5건, 로깅 성공률 100% 보류 기한 초과 C03 상신, 7번째 기록 변조 검출(False, 7)
차단된 규칙 위반 5건(ID 누락, 허용되지 않은 조치, 단일 센서 분리, 근거 부족 통합, 근거 부족)을 표로 정리한다. 실행 결과 및 검증 로그
차단된 규칙 위반 5건(ID 누락, 허용되지 않은 조치, 단일 센서 분리, 근거 부족 통합, 근거 부족)을 표로 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(자동 적용 0건, 규칙 위반 차단 5건, 로깅 성공률 100% 보류 기한 초과 C03 상신, 7번째 기록 변조 검출(False, 7))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
처리 결과표, 항적 상태 변화, 감사 로그 검증·변조 검출 결과를 기록한다.
처리 결과표, 항적 상태 변화, 감사 로그 검증·변조 검출 결과를 기록한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
자동 적용 0건, 규칙 위반 차단 5건, 로깅 성공률 100% 보류 기한 초과 C03 상신, 7번째 기록 변조 검출(False, 7)
처리 결과표, 항적 상태 변화, 감사 로그 검증·변조 검출 결과를 기록한다. 실행 결과 및 검증 로그
처리 결과표, 항적 상태 변화, 감사 로그 검증·변조 검출 결과를 기록한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(자동 적용 0건, 규칙 위반 차단 5건, 로깅 성공률 100% 보류 기한 초과 C03 상신, 7번째 기록 변조 검출(False, 7))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
방어 지역 3km 이내 충돌은 2인 확인을 요구하도록 decide 규칙을 추가하고 차단 결과를 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
레이더 통신 단절과 전자전 재밍 환경에서 항적 융합의 결함 허용 한계를 찾고, 트래픽 급증 부하에서도 안전하게 동작하는지 시험한다.
", "objectives": "레이더 단절, 단일·복수 레이더 재밍 세기를 단계적으로 높여 재현율, 분할, 거짓 항적, 위치 오차, 항적 정확도를 비교한다. 비행체와 오경보를 평시의 5배로 늘리고 손상 메시지를 섞어 처리·격리·유실·다운 건수, 스캔 최대 처리 시간, 메모리 증가를 측정한다. 처리 지연 시 기능 축소 모드로 전환되는지 확인하고 프로파일링으로 병목 함수를 찾는다.
", "scenario": "일부 레이더 센서 피격 통신 단절 및 전자전 재밍 환경을 가상 시뮬레이션하여 항적 융합 엔진의 결함 허용(Fault-tolerant) 복원력을 테스트한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 레이더 통신 단절과 전자전 재밍 환경에서 항적 융합의 결함 허용 한계를 찾고, 트래픽 급증 부하에서도 안전하게 동작하는지 시험한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 레이더 단절, 단일·복수 레이더 재밍 세기를 단계적으로 높여 재현율, 분할, 거짓 항적, 위치 오차, 항적 정확도를 비교 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: tests/ops02_stress_test.py 및 스트레스 테스트 분석 보고서 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "tests/ops02_stress_test.py (필수)", "스트레스 테스트 분석 보고서 (필수)" ], "evaluationKeys": [ "[다수 센서 통신 단절 및 전자전 재밍 환경 모의 항적 융합 한계치 스트레스 테스트] 요구된 핵심 성능 기준(동시 트래픽 500% 증가 시 시스템 다운 0건, 데이터 유실률 0%)을 완벽히 달성하였는가?
동시 트래픽 500% 증가 시 시스템 다운 0건, 데이터 유실률 0% 기준을 충족하고 대량 시뮬레이션 부하 주입 테스트 통과 및 병목 구간 프로파일링 완료을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
병목 함수 최적화, 비동기 큐 처리 적용 및 자원 할당 개선을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 극단 상황에서의 안전 실패(Fail-safe) 및 기능 축소 작동 적절성 관점의 타당성이 확보되었는가?
극단 상황에서의 안전 실패(Fail-safe) 및 기능 축소 작동 적절성이 논리적으로 검증되었으며 부하 테스트 도구를 통한 처리량(Throughput) 및 메모리 누수 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 극단 상황에서의 안전 실패(Fail-safe) 및 기능 축소 작동 적절성
정량 기준: 동시 트래픽 500% 증가 시 시스템 다운 0건, 데이터 유실률 0%
진행 기준: 대량 시뮬레이션 부하 주입 테스트 통과 및 병목 구간 프로파일링 완료
검증 방법: 부하 테스트 도구를 통한 처리량(Throughput) 및 메모리 누수 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M8 코드를 실행해 단절·재밍 조건별 융합 성능 표를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M8 코드를 실행해 단절·재밍 조건별 융합 성능 표를 확인한다.
M8 코드를 실행해 단절·재밍 조건별 융합 성능 표를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
융합 한계: 레이더 2대 재밍 x6(0.675), RDR-A 단절+RDR-B 재밍 x6(0.634) 트래픽 4.9배: 다운 0건·유실 0%, 병목은 _merge
M8 코드를 실행해 단절·재밍 조건별 융합 성능 표를 확인한다. 실행 결과 및 검증 로그
M8 코드를 실행해 단절·재밍 조건별 융합 성능 표를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(융합 한계: 레이더 2대 재밍 x6(0.675), RDR-A 단절+RDR-B 재밍 x6(0.634) 트래픽 4.9배: 다운 0건·유실 0%, 병목은 _merge)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
항적 정확도 80% 미만 조건을 융합 한계로 정한다.
항적 정확도 80% 미만 조건을 융합 한계로 정한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
융합 한계: 레이더 2대 재밍 x6(0.675), RDR-A 단절+RDR-B 재밍 x6(0.634) 트래픽 4.9배: 다운 0건·유실 0%, 병목은 _merge
항적 정확도 80% 미만 조건을 융합 한계로 정한다. 실행 결과 및 검증 로그
항적 정확도 80% 미만 조건을 융합 한계로 정한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(융합 한계: 레이더 2대 재밍 x6(0.675), RDR-A 단절+RDR-B 재밍 x6(0.634) 트래픽 4.9배: 다운 0건·유실 0%, 병목은 _merge)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
부하 시험 표의 유실·다운·기능 축소 스캔과 병목 프로파일을 기록한다.
부하 시험 표의 유실·다운·기능 축소 스캔과 병목 프로파일을 기록한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
융합 한계: 레이더 2대 재밍 x6(0.675), RDR-A 단절+RDR-B 재밍 x6(0.634) 트래픽 4.9배: 다운 0건·유실 0%, 병목은 _merge
부하 시험 표의 유실·다운·기능 축소 스캔과 병목 프로파일을 기록한다. 실행 결과 및 검증 로그
부하 시험 표의 유실·다운·기능 축소 스캔과 병목 프로파일을 기록한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(융합 한계: 레이더 2대 재밍 x6(0.675), RDR-A 단절+RDR-B 재밍 x6(0.634) 트래픽 4.9배: 다운 0건·유실 0%, 병목은 _merge)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
run_load의 degrade_ms를 50으로 낮춰 기능 축소 스캔 수와 재현율 변화를 보고 기능 축소의 득실을 토의한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
초기 배치 파라미터의 모의 AAR 일지에서 항적 분할·거짓 항적 사례를 분석하고 융합 임계값을 재보정한다.
", "objectives": "AAR 일지의 오류를 분할, 거짓 항적, 병합 오류로 분류해 조건별로 집계한다. 게이트, 프로세스 잡음, 확정 규칙, 삭제 기준, 중복 통합 게이트를 하나씩 바꿔 보는 방식으로 원인 가설을 검증하고, 별도 튜닝 시나리오에서 조합 탐색으로 최종 파라미터를 정해 설정 파일로 정리한다. 학습에 쓰지 않은 새 시나리오로 회귀 시험을 해 정확도 향상과 같은 표적 오류 재발 여부를 확인한다.
", "scenario": "AAR 일지를 분석하여 항적이 둘로 쪼개지는 트랙 분할(Track Split) 및 거짓 항적 오류 사례를 식별하고 융합 임계 파라미터를 재보정한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 초기 배치 파라미터의 모의 AAR 일지에서 항적 분할·거짓 항적 사례를 분석하고 융합 임계값을 재보정한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 AAR 일지의 오류를 분할, 거짓 항적, 병합 오류로 분류해 조건별로 집계 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: docs/ops02_aar_report.md 및 configs/ops02_tuned_params.yaml 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "docs/ops02_aar_report.md (필수)", "configs/ops02_tuned_params.yaml (필수)" ], "evaluationKeys": [ "[AAR 일지 기반 항적 왜곡/분할(Track Split) 오류 분석 및 융합 임계값 최적화] 요구된 핵심 성능 기준(AAR 피드백 적용 후 종합 정확도 10%p 이상 향상, 재발 오류 0건)을 완벽히 달성하였는가?
AAR 피드백 적용 후 종합 정확도 10%p 이상 향상, 재발 오류 0건 기준을 충족하고 AAR 보고서 작성 및 파라미터 튜닝 전후 회귀 테스트 통과을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
지속적 학습(Continual Learning) 파이프라인 연계 방안 수립을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 오류 원인 규명의 객관성 및 개선 조치의 논리적 타당성 관점의 타당성이 확보되었는가?
오류 원인 규명의 객관성 및 개선 조치의 논리적 타당성이 논리적으로 검증되었으며 회귀 테스트(Regression Test) 스위트 전체 자동 실행 및 비교를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 오류 원인 규명의 객관성 및 개선 조치의 논리적 타당성
정량 기준: AAR 피드백 적용 후 종합 정확도 10%p 이상 향상, 재발 오류 0건
진행 기준: AAR 보고서 작성 및 파라미터 튜닝 전후 회귀 테스트 통과
검증 방법: 회귀 테스트(Regression Test) 스위트 전체 자동 실행 및 비교
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M9 코드를 실행해 AAR 일지 4건의 오류(분할·거짓 항적·병합 오류) 집계를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M9 코드를 실행해 AAR 일지 4건의 오류(분할·거짓 항적·병합 오류) 집계를 확인한다.
M9 코드를 실행해 AAR 일지 4건의 오류(분할·거짓 항적·병합 오류) 집계를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
초기 평균 항적 정확도 33.8%, 오류 47건, 주원인은 확정 규칙(+52.8%p) 새 시나리오 29.7% -> 92.1%(+62.4%p), 재발 0건, 거짓 항적 23 -> 1건
M9 코드를 실행해 AAR 일지 4건의 오류(분할·거짓 항적·병합 오류) 집계를 확인한다. 실행 결과 및 검증 로그
M9 코드를 실행해 AAR 일지 4건의 오류(분할·거짓 항적·병합 오류) 집계를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(초기 평균 항적 정확도 33.8%, 오류 47건, 주원인은 확정 규칙(+52.8%p) 새 시나리오 29.7% -> 92.1%(+62.4%p), 재발 0건, 거짓 항적 23 -> 1건)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
파라미터 하나씩 바꾼 원인 검증 결과에서 주원인과 기각된 가설을 구분한다.
파라미터 하나씩 바꾼 원인 검증 결과에서 주원인과 기각된 가설을 구분한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
초기 평균 항적 정확도 33.8%, 오류 47건, 주원인은 확정 규칙(+52.8%p) 새 시나리오 29.7% -> 92.1%(+62.4%p), 재발 0건, 거짓 항적 23 -> 1건
파라미터 하나씩 바꾼 원인 검증 결과에서 주원인과 기각된 가설을 구분한다. 실행 결과 및 검증 로그
파라미터 하나씩 바꾼 원인 검증 결과에서 주원인과 기각된 가설을 구분한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(초기 평균 항적 정확도 33.8%, 오류 47건, 주원인은 확정 규칙(+52.8%p) 새 시나리오 29.7% -> 92.1%(+62.4%p), 재발 0건, 거짓 항적 23 -> 1건)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
재보정 파라미터(yaml)와 회귀 시험 결과를 AAR 보고서 표로 정리한다.
재보정 파라미터(yaml)와 회귀 시험 결과를 AAR 보고서 표로 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
초기 평균 항적 정확도 33.8%, 오류 47건, 주원인은 확정 규칙(+52.8%p) 새 시나리오 29.7% -> 92.1%(+62.4%p), 재발 0건, 거짓 항적 23 -> 1건
재보정 파라미터(yaml)와 회귀 시험 결과를 AAR 보고서 표로 정리한다. 실행 결과 및 검증 로그
재보정 파라미터(yaml)와 회귀 시험 결과를 AAR 보고서 표로 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(초기 평균 항적 정확도 33.8%, 오류 47건, 주원인은 확정 규칙(+52.8%p) 새 시나리오 29.7% -> 92.1%(+62.4%p), 재발 0건, 거짓 항적 23 -> 1건)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
격자에 gate 5.99를 다시 넣어 탐색하고 최종 파라미터와 회귀 결과가 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
메시지 검증부터 시공간 전처리, 항적 융합, 신뢰도 등급, 조작관 검토 대기열, 감사 로그까지 한 번에 실행되는 통합 시뮬레이터와 방공망 브리핑을 완성한다.
", "objectives": "손상 메시지를 차단하고 재보정 파라미터로 융합한 뒤, Med 항적을 전량 조작관 검토 대기열에 올린다. 자체 점검 10항목과 함수 커버리지로 통합 상태를 확인한다. 처리량, 원시 경보 대비 통합 항적 수, 검토 대기, 운용 원칙, 한계와 인접 체계 연동 방향을 5줄 브리핑으로 정리한다.
", "scenario": "다중 센서 중복 항적 통합 시뮬레이터 전체 모듈을 통합 검증하고 합동 방공 작전 운용을 위한 브리핑 패키지와 배포 가이드를 완성한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 메시지 검증부터 시공간 전처리, 항적 융합, 신뢰도 등급, 조작관 검토 대기열, 감사 로그까지 한 번에 실행되는 통합 시뮬레이터와 방공망 브리핑을 완성한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 손상 메시지를 차단하고 재보정 파라미터로 융합한 뒤, Med 항적을 전량 조작관 검토 대기열에 올린다 과정을 진행하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/main_ops02.py, README.md, docs/ops02_final_report.pdf(md) 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "작전·전투 수행", "코딩형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/main_ops02.py, README.md, docs/ops02_final_report.pdf(md) (필수)" ], "evaluationKeys": [ "[다중 센서 중복 항적 통합 시뮬레이터 최종 빌드 및 통합 방공망 브리핑 패키지 완성] 요구된 핵심 성능 기준(End-to-End 통합 파이프라인 실행 성공률 100%, 테스트 커버리지 85% 이상)을 완벽히 달성하였는가?
End-to-End 통합 파이프라인 실행 성공률 100%, 테스트 커버리지 85% 이상 기준을 충족하고 원클릭 실행 스크립트 동작 확인 및 최종 발표 산출물 작성 완료을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
타 부대/인접 체계와의 연동 인터페이스(API) 확장 로드맵 제시을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군 실무 즉시 도입 가능성, 운용 신뢰도 및 전략적 기대효과 관점의 타당성이 확보되었는가?
군 실무 즉시 도입 가능성, 운용 신뢰도 및 전략적 기대효과이 논리적으로 검증되었으며 최종 검증 위원회(평가관) 모의 시연 및 전체 기능 통합 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군 실무 즉시 도입 가능성, 운용 신뢰도 및 전략적 기대효과
정량 기준: End-to-End 통합 파이프라인 실행 성공률 100%, 테스트 커버리지 85% 이상
진행 기준: 원클릭 실행 스크립트 동작 확인 및 최종 발표 산출물 작성 완료
검증 방법: 최종 검증 위원회(평가관) 모의 시연 및 전체 기능 통합 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M10 코드를 실행해 자체 점검 10항목과 함수 커버리지를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M10 코드를 실행해 자체 점검 10항목과 함수 커버리지를 확인한다.
M10 코드를 실행해 자체 점검 10항목과 함수 커버리지를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
M10 코드를 실행해 자체 점검 10항목과 함수 커버리지를 확인한다. 실행 결과 및 검증 로그
M10 코드를 실행해 자체 점검 10항목과 함수 커버리지를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
차단 메시지 4건의 사유와 통합 항적 표를 확인한다.
차단 메시지 4건의 사유와 통합 항적 표를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
차단 메시지 4건의 사유와 통합 항적 표를 확인한다. 실행 결과 및 검증 로그
차단 메시지 4건의 사유와 통합 항적 표를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
브리핑 요약 5줄의 수치가 위 결과와 일치하는지 대조한다.
브리핑 요약 5줄의 수치가 위 결과와 일치하는지 대조한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
브리핑 요약 5줄의 수치가 위 결과와 일치하는지 대조한다. 실행 결과 및 검증 로그
브리핑 요약 5줄의 수치가 위 결과와 일치하는지 대조한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
CONFIG의 high min_rps를 1.5에서 2.5로 올려 실행하고 Med 검토 대기 건수 변화를 브리핑에 반영한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.