miliai/pbl02
1
0 Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
main
pbl02/scenario_json/QLT03.json
T
KIM SU BO 350bb92bf9 시나리오 내용 반영
2026-10-08 16:43:48 +09:00

878 lines
130 KiB
JSON
Raw Permalink Blame History

{
"version": "1.0.0",
"exportedAt": "2026-10-08T00:00:00.000Z",
"id": "QLT03",
"title": "군수품 제원정보 이상치 자동검증 Tool",
"category": "품질·규격·검사",
"level": 3,
"durationDays": 5,
"requiredHours": 28.5,
"status": "COMPLETED",
"isRecommended": false,
"summary": "",
"objectives": "<p>군수장비의 외관 검사는 검사관의 눈과 경험에 크게 의존해 판정 편차가 생기고 검사 병목이 되기 쉽다. 본 프로젝트는 규격·제원 정합성과 검사 병목, 이상 신호, 설명 근거, 품질 개선 효과를 함께 익히도록, 교육용 가상 외관 사진(균열·부식·파손·누유)을 코드로 만들어 결함 판정과 손상도·정비 등급 산정을 자동화한다. 학습자는 사진 데이터셋과 제원 기록 정의, 조명 보정·해상도 표준화·박스 정제, 1차 판별 Baseline, 분할 기반 면적·깊이·손상도 모델, 정비 등급 분류와 신뢰도 지수, 사진 업로드 판정 화면과 근거 설명, 검사관 수동 보정과 결재(HITL), 진흙 혼입 스트레스 시험, AAR 재보정과 ROI, 재학습 파이프라인 통합을 차례로 수행한다. 최종 목표는 사진으로 결함과 손상도를 판정하고 사진 판정과 관리 기록의 불일치를 이상 신호로 환류하되, 최종 정비 등급은 검사관이 확정하는 AI 외관 검사 도구를 완성하는 것이다.</p>",
"deliverables": [
"docs/qlt03_logistics_domain_spec.md (필수)",
"데이터 딕셔너리 (필수)",
"src/etl/qlt03_data_cleansing.py (필수)",
"정제 품질 보고서 (필수)",
"notebooks/qlt03_eda_analysis.ipynb (필수)",
"EDA 요약 리포트 (필수)"
],
"constraints": "<h4>부대 보안 및 개인정보 보호</h4><ul><li><p>실제 부대 편성, 위치, 작전 일정, 군번·성명 등 민감 군사보안 및 개인식별정보는 절대 외부 AI에 입력하지 않는다.</p></li><li><p>모든 실습에는 제공된 교육용 가상 데이터셋 및 시뮬레이션 표본만을 활용한다.</p></li></ul><h4>AI 결과와 인간 최종 판단의 구분 (HITL 원칙)</h4><ul><li><p>AI 모델이 제안한 분석값이나 탐지 결과는 참고 지표이며, 최종 승인·보류·교전·배치 명령은 사람이 확정한다.</p></li><li><p>모든 사진은 코드가 난수로 그린 64x64 합성 이미지이며 실제 장비·부대·위치 사진이 아니다. 장비 관리 기록과 장비 코드, 단가도 교육용 가상 자료이다. 부대 내 촬영이나 부대 자료의 외부 AI 서비스 입력은 금지한다. 결함 판정과 정비 등급은 검사 보조 수단이며 최종 정비 등급과 정비 가부는 검사관과 정비감독관의 결재에 따른다. 결함 있는 장비의 분해·조작 절차는 다루지 않는다. 미션별 정답 코드는 각각 한 파일로 독립 실행된다.</p></li></ul>",
"evalSummary": "<h4>공통 PASS/FAIL 판정 원칙</h4><ul><li><p><strong>수행 증거:</strong> 요구된 데이터 전처리, 모델 구현, 검증 지표 산출, HITL 워크플로우 증거가 명확한가?</p></li><li><p><strong>판단 근거:</strong> 오경보/미탐 방지, 신뢰도 등급화, 파라미터 튜닝의 군사적·논리적 근거가 타당한가?</p></li><li><p><strong>앞뒤 연결성:</strong> 앞 미션의 스키마·전처리가 뒤 미션의 예측·대시보드·AAR 재보정에 정상 연계되는가?</p></li><li><p><strong>안전성:</strong> 보안 규정 준수, 극단 과부하 상황에서의 Fail-safe 복원력이 확보되었는가?</p></li></ul><h4>프로젝트 완료 조건</h4><p>10개 미션 전체에서 요구되는 필수([필수]) 평가 기준을 모두 PASS해야 프로젝트 최종 PASS로 판정한다.</p>",
"prerequisites": "기본 프로그래밍 지식 및 품질·규격·검사 데이터 분석 기초",
"refFiles": [],
"refText": "",
"projectSkills": [
{
"skillId": "competency_군특화문제해결_품질·규격·검사_문제분석",
"level": 3,
"category": "군특화문제해결",
"subCategory": "품질·규격·검사 문제분석"
},
{
"skillId": "competency_군특화문제해결_품질·규격·검사_대안도출",
"level": 2,
"category": "군특화문제해결",
"subCategory": "품질·규격·검사 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": "QLT03_M01",
"sequence": 1,
"title": "장비 외관 결함(균열, 부식, 파손, 누유) 고해상도 사진 데이터셋 및 라벨링 정의",
"durationHours": 1.5,
"overview": "<p>장비 외관 결함(균열·부식·파손·누유) 사진 데이터셋과 라벨링 기준을 정의하고, 검사 업무 프로세스 맵과 피처 데이터 사전을 만든다.</p>",
"objectives": "<p>사진, 장비 제원(관리 기록), 결함 라벨, 판정 결과의 스키마와 허용값을 정하고 결함 유형별 라벨링 기준을 문장으로 정리한다. 원천 컬럼과 파생 피처를 구분한 데이터 사전을 작성해 실제 생성 데이터와 대조하며, 가상 샘플로 제원 정합성을 검증한다. 사진 접수부터 판정 환류까지 업무 프로세스를 단계별 담당·입력·산출·소요시간으로 정리한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>장비 외관 결함(균열, 부식, 파손) 사진 데이터셋 및 라벨링을 정의한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>장비 외관 결함(균열·부식·파손·누유) 사진 데이터셋과 라벨링 기준을 정의하고, 검사 업무 프로세스 맵과 피처 데이터 사전을 만든다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>사진, 장비 제원(관리 기록), 결함 라벨, 판정 결과의 스키마와 허용값을 정하고 결함 유형별 라벨링 기준을 문장으로 정리하고 규격화하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>docs/qlt03_logistics_domain_spec.md 및 데이터 딕셔너리</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m01_dataset.json",
"/uploads/QLT03/qlt03_m01_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m01_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m01_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"docs/qlt03_logistics_domain_spec.md (필수)",
"데이터 딕셔너리 (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[장비 외관 결함(균열, 부식, 파손, 누유) 고해상도 사진 데이터셋 및 라벨링 정의] 요구된 핵심 성능 기준(업무 프로세스 맵 작성 완료, 필요 피처(Feature) 목록 20개 이상 정의)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>업무 프로세스 맵 작성 완료, 필요 피처(Feature) 목록 20개 이상 정의 기준을 충족하고 도메인 분석서 및 데이터 요구명세서 승인을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>국방 표준 군수 코드(NIIN, FSC 등) 체계 반영을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 군수 실무 업무 프로세스와의 일치성 및 분석 목표의 명확성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>군수 실무 업무 프로세스와의 일치성 및 분석 목표의 명확성이 논리적으로 검증되었으며 군수 담당 실무자 인터뷰 및 기존 전산체계 데이터 구조 대조를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 군수 실무 업무 프로세스와의 일치성 및 분석 목표의 명확성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 업무 프로세스 맵 작성 완료, 필요 피처(Feature) 목록 20개 이상 정의</p></li><li><p>진행 기준: 도메인 분석서 및 데이터 요구명세서 승인</p></li><li><p>검증 방법: 군수 담당 실무자 인터뷰 및 기존 전산체계 데이터 구조 대조</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 결함 유형별 라벨링 기준과 데이터 사전의 피처 수를 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>M1 코드를 실행해 결함 유형별 라벨링 기준과 데이터 사전의 피처 수를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M1 코드를 실행해 결함 유형별 라벨링 기준과 데이터 사전의 피처 수를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>데이터 사전 피처 24개(목표 20개 이상), 정상 샘플 20건 검증 오류 0건 예측 대상 4종(결함 면적, 깊이, 손상도, 정비 등급)</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M1 코드를 실행해 결함 유형별 라벨링 기준과 데이터 사전의 피처 수를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M1 코드를 실행해 결함 유형별 라벨링 기준과 데이터 사전의 피처 수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(데이터 사전 피처 24개(목표 20개 이상), 정상 샘플 20건 검증 오류 0건 예측 대상 4종(결함 면적, 깊이, 손상도, 정비 등급))를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "정상 샘플 검증 결과와 데이터 사전의 그룹(사진·제원·라벨·결과)별 필드를 읽는다.",
"activity": "<h4>이 단계의 역할</h4><p>정상 샘플 검증 결과와 데이터 사전의 그룹(사진·제원·라벨·결과)별 필드를 읽는다.</p><h4>해야 할 일</h4><ol><li><p>정상 샘플 검증 결과와 데이터 사전의 그룹(사진·제원·라벨·결과)별 필드를 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>데이터 사전 피처 24개(목표 20개 이상), 정상 샘플 20건 검증 오류 0건 예측 대상 4종(결함 면적, 깊이, 손상도, 정비 등급)</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>정상 샘플 검증 결과와 데이터 사전의 그룹(사진·제원·라벨·결과)별 필드를 읽는다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>정상 샘플 검증 결과와 데이터 사전의 그룹(사진·제원·라벨·결과)별 필드를 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(데이터 사전 피처 24개(목표 20개 이상), 정상 샘플 20건 검증 오류 0건 예측 대상 4종(결함 면적, 깊이, 손상도, 정비 등급))를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "업무 프로세스 맵에서 검사관 확인 단계를 표시한다.",
"activity": "<h4>이 단계의 역할</h4><p>업무 프로세스 맵에서 검사관 확인 단계를 표시한다.</p><h4>해야 할 일</h4><ol><li><p>업무 프로세스 맵에서 검사관 확인 단계를 표시한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>데이터 사전 피처 24개(목표 20개 이상), 정상 샘플 20건 검증 오류 0건 예측 대상 4종(결함 면적, 깊이, 손상도, 정비 등급)</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>업무 프로세스 맵에서 검사관 확인 단계를 표시한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>업무 프로세스 맵에서 검사관 확인 단계를 표시한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(데이터 사전 피처 24개(목표 20개 이상), 정상 샘플 20건 검증 오류 0건 예측 대상 4종(결함 면적, 깊이, 손상도, 정비 등급))를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>데이터 사전에 '촬영 거리' 같은 필드를 하나 추가하고 실제 데이터와 대조해 누락으로 표시되는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
},
{
"id": "QLT03_M02",
"sequence": 2,
"title": "이미지 조도 보정, 해상도 표준화 및 결함 영역(Bounding Box) 전처리 모듈 구현",
"durationHours": 2.0,
"overview": "<p>조명 보정, 해상도 표준화, 결함 영역(Bounding Box) 정제를 포함한 사진·제원 전처리 모듈을 구현한다.</p>",
"objectives": "<p>해상도, 밝기, 표기가 제각각인 가상 원천 사진과 제원·박스 라벨에 정제 규칙 10종 이상을 순서대로 적용한다. 중복 사진 제거, ID·날짜·단위 통일, 해상도 표준화, 조명 보정, 박스 형식 통일과 클리핑, 제원 결측 보정을 수행하고 긴급 점검 사진은 화질이 나빠도 삭제하지 않고 보존한다. 정합성 검증과 정제 전후 통계를 비교한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>조도 보정, 해상도 표준화 및 결함 영역 바운딩 박스 전처리 모듈을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>조명 보정, 해상도 표준화, 결함 영역(Bounding Box) 정제를 포함한 사진·제원 전처리 모듈을 구현한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>해상도, 밝기, 표기가 제각각인 가상 원천 사진과 제원·박스 라벨에 정제 규칙 10종 이상을 순서대로 적용 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/etl/qlt03_data_cleansing.py 및 정제 품질 보고서</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m02_dataset.json",
"/uploads/QLT03/qlt03_m02_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m02_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m02_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"src/etl/qlt03_data_cleansing.py (필수)",
"정제 품질 보고서 (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[이미지 조도 보정, 해상도 표준화 및 결함 영역(Bounding Box) 전처리 모듈 구현] 요구된 핵심 성능 기준(데이터 정제 규칙 10종 적용, 데이터 정합성 검증 통과율 100%)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>데이터 정제 규칙 10종 적용, 데이터 정합성 검증 통과율 100% 기준을 충족하고 ETL 파이프라인 구현 및 정제된 마스터 데이터셋 구축을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>자동 결측치 보정 알고리즘(KNN, 계절성 보간 등) 적용을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 군수 특수 예외(비계획 정비, 긴급 불출 등) 데이터 보존의 타당성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>군수 특수 예외(비계획 정비, 긴급 불출 등) 데이터 보존의 타당성이 논리적으로 검증되었으며 전후 데이터 통계량(기술통계) 비교 및 무결성 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 군수 특수 예외(비계획 정비, 긴급 불출 등) 데이터 보존의 타당성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 데이터 정제 규칙 10종 적용, 데이터 정합성 검증 통과율 100%</p></li><li><p>진행 기준: ETL 파이프라인 구현 및 정제된 마스터 데이터셋 구축</p></li><li><p>검증 방법: 전후 데이터 통계량(기술통계) 비교 및 무결성 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 원천 사진 158장과 주입된 오류, 정제 규칙 11종의 처리 건수를 확...",
"activity": "<h4>이 단계의 역할</h4><p>M2 코드를 실행해 원천 사진 158장과 주입된 오류, 정제 규칙 11종의 처리 건수를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M2 코드를 실행해 원천 사진 158장과 주입된 오류, 정제 규칙 11종의 처리 건수를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>정제 규칙 11종(목표 10종 이상), 정합성 검증 12/12 통과(100%) 정제 후 사진 150장, 긴급 점검 6장 유지, 정제 박스 평균 IoU 0.99</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M2 코드를 실행해 원천 사진 158장과 주입된 오류, 정제 규칙 11종의 처리 건수를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M2 코드를 실행해 원천 사진 158장과 주입된 오류, 정제 규칙 11종의 처리 건수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(정제 규칙 11종(목표 10종 이상), 정합성 검증 12/12 통과(100%) 정제 후 사진 150장, 긴급 점검 6장 유지, 정제 박스 평균 IoU 0.99)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "정합성 검증 12항목이 모두 통과하는지 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>정합성 검증 12항목이 모두 통과하는지 확인한다.</p><h4>해야 할 일</h4><ol><li><p>정합성 검증 12항목이 모두 통과하는지 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>정제 규칙 11종(목표 10종 이상), 정합성 검증 12/12 통과(100%) 정제 후 사진 150장, 긴급 점검 6장 유지, 정제 박스 평균 IoU 0.99</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>정합성 검증 12항목이 모두 통과하는지 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>정합성 검증 12항목이 모두 통과하는지 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(정제 규칙 11종(목표 10종 이상), 정합성 검증 12/12 통과(100%) 정제 후 사진 150장, 긴급 점검 6장 유지, 정제 박스 평균 IoU 0.99)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "긴급 점검 사진 6장이 보존되었는지와 정제 전후 밝기·제원 통계를 비교한다.",
"activity": "<h4>이 단계의 역할</h4><p>긴급 점검 사진 6장이 보존되었는지와 정제 전후 밝기·제원 통계를 비교한다.</p><h4>해야 할 일</h4><ol><li><p>긴급 점검 사진 6장이 보존되었는지와 정제 전후 밝기·제원 통계를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>정제 규칙 11종(목표 10종 이상), 정합성 검증 12/12 통과(100%) 정제 후 사진 150장, 긴급 점검 6장 유지, 정제 박스 평균 IoU 0.99</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>긴급 점검 사진 6장이 보존되었는지와 정제 전후 밝기·제원 통계를 비교한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>긴급 점검 사진 6장이 보존되었는지와 정제 전후 밝기·제원 통계를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(정제 규칙 11종(목표 10종 이상), 정합성 검증 12/12 통과(100%) 정제 후 사진 150장, 긴급 점검 6장 유지, 정제 박스 평균 IoU 0.99)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>R7 조명 보정 기준(평균 밝기 0.3)을 0.4로 바꿔 보정 대상 사진 수가 어떻게 달라지는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
},
{
"id": "QLT03_M03",
"sequence": 3,
"title": "외관 결함 유무 1차 판별 Baseline 비전 모델 구현",
"durationHours": 2.5,
"overview": "<p>밝기 분포와 평균 색만 쓰는 외관 결함 유무 1차 판별 Baseline 비전 모델을 구현하고 EDA로 한계와 핵심 관리 대상을 찾는다.</p>",
"objectives": "<p>밝기 히스토그램과 채널 평균으로 로지스틱 회귀 Baseline을 학습해 정확도·재현율을 측정하고, 작은 결함과 저조도 사진에서의 한계를 확인한다. 8종 EDA 차트, 결함 유무와의 상관계수·p-value, 사진 판정과 관리 기록 등급의 불일치 분석, 정비 공수 파레토(ABC)를 수행해 핵심 발견점을 정리한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>외관 결함 유무 1차 판별 Baseline 비전 모델을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>밝기 분포와 평균 색만 쓰는 외관 결함 유무 1차 판별 Baseline 비전 모델을 구현하고 EDA로 한계와 핵심 관리 대상을 찾는다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>밝기 히스토그램과 채널 평균으로 로지스틱 회귀 Baseline을 학습해 정확도·재현율을 측정하고, 작은 결함과 저조도 사진에서의 한계 확인하고 유효성을 점검하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>notebooks/qlt03_eda_analysis.ipynb 및 EDA 요약 리포트</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m03_dataset.json",
"/uploads/QLT03/qlt03_m03_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m03_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m03_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"notebooks/qlt03_eda_analysis.ipynb (필수)",
"EDA 요약 리포트 (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[외관 결함 유무 1차 판별 Baseline 비전 모델 구현] 요구된 핵심 성능 기준(EDA 시각화 차트 8종 이상 생성, 유의미한 상관관계 피처 5개 이상 도출)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>EDA 시각화 차트 8종 이상 생성, 유의미한 상관관계 피처 5개 이상 도출 기준을 충족하고 EDA 노트북 실행 완료 및 핵심 발견점(Key Findings) 문서화을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>파레토 분석(ABC 분류)을 통한 상위 20% 핵심 관리 대상 식별을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 군수 의사결정에 직관적인 인사이트 제공 수준 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>군수 의사결정에 직관적인 인사이트 제공 수준이 논리적으로 검증되었으며 통계적 가설 검정(p-value, 상관계수)을 통한 유의성 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 군수 의사결정에 직관적인 인사이트 제공 수준</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: EDA 시각화 차트 8종 이상 생성, 유의미한 상관관계 피처 5개 이상 도출</p></li><li><p>진행 기준: EDA 노트북 실행 완료 및 핵심 발견점(Key Findings) 문서화</p></li><li><p>검증 방법: 통계적 가설 검정(p-value, 상관계수)을 통한 유의성 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 Baseline의 정확도·재현율과 결함 유형별 재현율을 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>M3 코드를 실행해 Baseline의 정확도·재현율과 결함 유형별 재현율을 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M3 코드를 실행해 Baseline의 정확도·재현율과 결함 유형별 재현율을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>Baseline 정확도 86.0%·재현율 92.2%, 면적 2% 미만 작은 결함 재현율 74% 유의 피처 7개(목표 5개 이상), EDA 차트 8종, 제원 불일치 후보 47대</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M3 코드를 실행해 Baseline의 정확도·재현율과 결함 유형별 재현율을 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M3 코드를 실행해 Baseline의 정확도·재현율과 결함 유형별 재현율을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(Baseline 정확도 86.0%·재현율 92.2%, 면적 2% 미만 작은 결함 재현율 74% 유의 피처 7개(목표 5개 이상), EDA 차트 8종, 제원 불일치 후보 47대)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "작은 결함과 저조도 사진에서 성능이 어떻게 떨어지는지 읽는다.",
"activity": "<h4>이 단계의 역할</h4><p>작은 결함과 저조도 사진에서 성능이 어떻게 떨어지는지 읽는다.</p><h4>해야 할 일</h4><ol><li><p>작은 결함과 저조도 사진에서 성능이 어떻게 떨어지는지 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>Baseline 정확도 86.0%·재현율 92.2%, 면적 2% 미만 작은 결함 재현율 74% 유의 피처 7개(목표 5개 이상), EDA 차트 8종, 제원 불일치 후보 47대</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>작은 결함과 저조도 사진에서 성능이 어떻게 떨어지는지 읽는다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>작은 결함과 저조도 사진에서 성능이 어떻게 떨어지는지 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(Baseline 정확도 86.0%·재현율 92.2%, 면적 2% 미만 작은 결함 재현율 74% 유의 피처 7개(목표 5개 이상), EDA 차트 8종, 제원 불일치 후보 47대)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "상관 상위 피처, 제원 불일치 후보, 파레토 A등급 조합을 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>상관 상위 피처, 제원 불일치 후보, 파레토 A등급 조합을 확인한다.</p><h4>해야 할 일</h4><ol><li><p>상관 상위 피처, 제원 불일치 후보, 파레토 A등급 조합을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>Baseline 정확도 86.0%·재현율 92.2%, 면적 2% 미만 작은 결함 재현율 74% 유의 피처 7개(목표 5개 이상), EDA 차트 8종, 제원 불일치 후보 47대</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>상관 상위 피처, 제원 불일치 후보, 파레토 A등급 조합을 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>상관 상위 피처, 제원 불일치 후보, 파레토 A등급 조합을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(Baseline 정확도 86.0%·재현율 92.2%, 면적 2% 미만 작은 결함 재현율 74% 유의 피처 7개(목표 5개 이상), EDA 차트 8종, 제원 불일치 후보 47대)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>Baseline 로지스틱 회귀의 규제 강도 C를 0.5에서 5로 바꿔 성능 변화를 확인하고 한계가 해소되는지 설명한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
},
{
"id": "QLT03_M04",
"sequence": 4,
"title": "세그멘테이션(Mask R-CNN) 기반 결함 면적/깊이 정밀 측정 및 손상도 자동 판정 모델 고도화",
"durationHours": 3.0,
"overview": "<p>분할 기반으로 결함 면적과 깊이를 측정하고 손상도를 자동 판정하는 모델을 만들어 기준 오차를 측정한다.</p>",
"objectives": "<p>조명 보정 후 임계값 분할(Mask R-CNN 대체)로 결함 마스크를 만들고 정답 마스크와의 IoU·Dice로 정밀도를 평가한다. 면적을 유형별 선형 보정하고 깊이와 손상도 점수를 학습해 오차(MAPE)를 측정하며, 면적만 쓰는 기준 모델과 비교한다. 분할 면적·명암·색·가장자리·조명 변수군을 하나씩 제거해 피처 설계가 타당한지 점검한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>세그멘테이션 기반 결함 면적/깊이 정밀 측정 및 손상도 자동 판정 모델을 고도화한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>분할 기반으로 결함 면적과 깊이를 측정하고 손상도를 자동 판정하는 모델을 만들어 기준 오차를 측정한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>조명 보정 후 임계값 분할(Mask R-CNN 대체)로 결함 마스크를 만들고 정답 마스크와의 IoU·Dice로 정밀도 평가하고 성능을 비교하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/features/qlt03_feature_engineering.py 및 기준 모델</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m04_dataset.json",
"/uploads/QLT03/qlt03_m04_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m04_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m04_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"src/features/qlt03_feature_engineering.py (필수)",
"기준 모델 (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[세그멘테이션(Mask R-CNN) 기반 결함 면적/깊이 정밀 측정 및 손상도 자동 판정 모델 고도화] 요구된 핵심 성능 기준(파생 피처 10개 이상 생성, 기준 모델 MAPE 25% 이하 달성)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>파생 피처 10개 이상 생성, 기준 모델 MAPE 25% 이하 달성 기준을 충족하고 피처 파이프라인 및 베이스라인 모델 성능 지표 도출을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>피처 중요도(Feature Importance) 분석을 통한 차원 축소을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 군수 실무에서 납득 가능한 피처 설계의 논리성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>군수 실무에서 납득 가능한 피처 설계의 논리성이 논리적으로 검증되었으며 교차 검증(Time-series Cross Validation)을 통한 과적합 방지를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 군수 실무에서 납득 가능한 피처 설계의 논리성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 파생 피처 10개 이상 생성, 기준 모델 MAPE 25% 이하 달성</p></li><li><p>진행 기준: 피처 파이프라인 및 베이스라인 모델 성능 지표 도출</p></li><li><p>검증 방법: 교차 검증(Time-series Cross Validation)을 통한 과적합 방지</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 결함 유형별 분할 IoU와 면적 측정 오차를 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>M4 코드를 실행해 결함 유형별 분할 IoU와 면적 측정 오차를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M4 코드를 실행해 결함 유형별 분할 IoU와 면적 측정 오차를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>분할 IoU 균열 0.89·부식 0.74·파손 0.61·누유 0.94, 면적 MAPE 20.8% -> 10.2% 손상도 MAPE 8.8%(목표 25% 이하, 기준 30.8%), 깊이 MAPE 28.0%</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M4 코드를 실행해 결함 유형별 분할 IoU와 면적 측정 오차를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M4 코드를 실행해 결함 유형별 분할 IoU와 면적 측정 오차를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(분할 IoU 균열 0.89·부식 0.74·파손 0.61·누유 0.94, 면적 MAPE 20.8% -> 10.2% 손상도 MAPE 8.8%(목표 25% 이하, 기준 30.8%), 깊이 MAPE 28.0%)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "깊이와 손상도 점수의 오차를 면적만 쓰는 기준 모델과 비교한다.",
"activity": "<h4>이 단계의 역할</h4><p>깊이와 손상도 점수의 오차를 면적만 쓰는 기준 모델과 비교한다.</p><h4>해야 할 일</h4><ol><li><p>깊이와 손상도 점수의 오차를 면적만 쓰는 기준 모델과 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>분할 IoU 균열 0.89·부식 0.74·파손 0.61·누유 0.94, 면적 MAPE 20.8% -> 10.2% 손상도 MAPE 8.8%(목표 25% 이하, 기준 30.8%), 깊이 MAPE 28.0%</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>깊이와 손상도 점수의 오차를 면적만 쓰는 기준 모델과 비교한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>깊이와 손상도 점수의 오차를 면적만 쓰는 기준 모델과 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(분할 IoU 균열 0.89·부식 0.74·파손 0.61·누유 0.94, 면적 MAPE 20.8% -> 10.2% 손상도 MAPE 8.8%(목표 25% 이하, 기준 30.8%), 깊이 MAPE 28.0%)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "변수군 제거 실험에서 제거 시 오차가 가장 크게 늘어나는 변수군을 찾는다.",
"activity": "<h4>이 단계의 역할</h4><p>변수군 제거 실험에서 제거 시 오차가 가장 크게 늘어나는 변수군을 찾는다.</p><h4>해야 할 일</h4><ol><li><p>변수군 제거 실험에서 제거 시 오차가 가장 크게 늘어나는 변수군을 찾는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>분할 IoU 균열 0.89·부식 0.74·파손 0.61·누유 0.94, 면적 MAPE 20.8% -> 10.2% 손상도 MAPE 8.8%(목표 25% 이하, 기준 30.8%), 깊이 MAPE 28.0%</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>변수군 제거 실험에서 제거 시 오차가 가장 크게 늘어나는 변수군을 찾는다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>변수군 제거 실험에서 제거 시 오차가 가장 크게 늘어나는 변수군을 찾는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(분할 IoU 균열 0.89·부식 0.74·파손 0.61·누유 0.94, 면적 MAPE 20.8% -> 10.2% 손상도 MAPE 8.8%(목표 25% 이하, 기준 30.8%), 깊이 MAPE 28.0%)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>깊이 추정 MAPE가 손상도보다 큰 이유를 사진 한 장으로는 깊이가 직접 보이지 않는 점과 연결해 설명한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
},
{
"id": "QLT03_M05",
"sequence": 5,
"title": "정비 등급(현장정비/야전정비/창정비) 자동 분류 및 판정 신뢰도 지수 산출 엔진 개발",
"durationHours": 3.5,
"overview": "<p>손상도와 결함 유형 확률로 정비 등급(현장정비·야전정비·창정비)을 자동 분류하고 판정 신뢰도 지수를 산출하는 엔진을 개발한다.</p>",
"objectives": "<p>분할 특징과 유형 확률로 손상도를 회귀하고 경계값으로 정비 등급을 정해 기준 모델(밝기 히스토그램 회귀)과 MAE·RMSE·R2를 비교한다. 혼동행렬에서 창정비를 낮게 판정하는 과소 판정을 따로 센다. 분류 확률, 등급 경계까지 거리, 사진 품질, 오염 의심 상한으로 신뢰도 지수(0~100)를 만들고 구간별 실제 일치율로 보정을 확인하며 저조도·진흙 사진 성능을 비교한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>정비 등급(현장/야전/창정비) 자동 분류 및 신뢰도 지수 엔진을 개발한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>손상도와 결함 유형 확률로 정비 등급(현장정비·야전정비·창정비)을 자동 분류하고 판정 신뢰도 지수를 산출하는 엔진을 개발한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>분할 특징과 유형 확률로 손상도를 회귀하고 경계값으로 정비 등급을 정해 기준 모델(밝기 히스토그램 회귀)과 MAE·RMSE·R2를 비교 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/models/qlt03_advanced_model.py</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m05_dataset.json",
"/uploads/QLT03/qlt03_m05_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m05_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m05_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"src/models/qlt03_advanced_model.py (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정비 등급(현장정비/야전정비/창정비) 자동 분류 및 판정 신뢰도 지수 산출 엔진 개발] 요구된 핵심 성능 기준(기준 모델 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 Score 0.85 이상)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>기준 모델 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 Score 0.85 이상 기준을 충족하고 모델 하이퍼파라미터 튜닝 완료 및 최적 모델 가중치 저장을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>앙상블(Ensemble) 기법 적용을 통한 일반화 성능 강화을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 비정형/불규칙 수요에 대한 모델의 적응력 및 예측 안정성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>비정형/불규칙 수요에 대한 모델의 적응력 및 예측 안정성이 논리적으로 검증되었으며 Hold-out 테스트 데이터셋 대상 최종 성능 평가를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 비정형/불규칙 수요에 대한 모델의 적응력 및 예측 안정성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 기준 모델 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 Score 0.85 이상</p></li><li><p>진행 기준: 모델 하이퍼파라미터 튜닝 완료 및 최적 모델 가중치 저장</p></li><li><p>검증 방법: Hold-out 테스트 데이터셋 대상 최종 성능 평가</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 기준 모델과 제안 엔진의 MAE·RMSE·R2를 비교한다.",
"activity": "<h4>이 단계의 역할</h4><p>M5 코드를 실행해 기준 모델과 제안 엔진의 MAE·RMSE·R2를 비교한다.</p><h4>해야 할 일</h4><ol><li><p>M5 코드를 실행해 기준 모델과 제안 엔진의 MAE·RMSE·R2를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>MAE 개선 73.4%, RMSE 개선 55.1%(목표 20% 이상), R2 0.946(목표 0.85 이상) 등급 일치율 93.3%, 신뢰도 80 이상 234장(78%) 일치율 100%, 진흙 가림 사진은 80 이상 0%</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M5 코드를 실행해 기준 모델과 제안 엔진의 MAE·RMSE·R2를 비교한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M5 코드를 실행해 기준 모델과 제안 엔진의 MAE·RMSE·R2를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(MAE 개선 73.4%, RMSE 개선 55.1%(목표 20% 이상), R2 0.946(목표 0.85 이상) 등급 일치율 93.3%, 신뢰도 80 이상 234장(78%) 일치율 100%, 진흙 가림 사진은 80 이상 0%)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "등급 혼동행렬에서 과소 판정(실제보다 낮게) 건수를 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>등급 혼동행렬에서 과소 판정(실제보다 낮게) 건수를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>등급 혼동행렬에서 과소 판정(실제보다 낮게) 건수를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>MAE 개선 73.4%, RMSE 개선 55.1%(목표 20% 이상), R2 0.946(목표 0.85 이상) 등급 일치율 93.3%, 신뢰도 80 이상 234장(78%) 일치율 100%, 진흙 가림 사진은 80 이상 0%</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>등급 혼동행렬에서 과소 판정(실제보다 낮게) 건수를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>등급 혼동행렬에서 과소 판정(실제보다 낮게) 건수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(MAE 개선 73.4%, RMSE 개선 55.1%(목표 20% 이상), R2 0.946(목표 0.85 이상) 등급 일치율 93.3%, 신뢰도 80 이상 234장(78%) 일치율 100%, 진흙 가림 사진은 80 이상 0%)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "신뢰도 구간별 일치율과 저조도·진흙 사진의 평균 신뢰도를 읽는다.",
"activity": "<h4>이 단계의 역할</h4><p>신뢰도 구간별 일치율과 저조도·진흙 사진의 평균 신뢰도를 읽는다.</p><h4>해야 할 일</h4><ol><li><p>신뢰도 구간별 일치율과 저조도·진흙 사진의 평균 신뢰도를 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>MAE 개선 73.4%, RMSE 개선 55.1%(목표 20% 이상), R2 0.946(목표 0.85 이상) 등급 일치율 93.3%, 신뢰도 80 이상 234장(78%) 일치율 100%, 진흙 가림 사진은 80 이상 0%</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>신뢰도 구간별 일치율과 저조도·진흙 사진의 평균 신뢰도를 읽는다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>신뢰도 구간별 일치율과 저조도·진흙 사진의 평균 신뢰도를 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(MAE 개선 73.4%, RMSE 개선 55.1%(목표 20% 이상), R2 0.946(목표 0.85 이상) 등급 일치율 93.3%, 신뢰도 80 이상 234장(78%) 일치율 100%, 진흙 가림 사진은 80 이상 0%)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>자동 통과 기준 신뢰도를 80에서 70으로 낮추면 자동 통과 비율과 일치율이 어떻게 달라지는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
},
{
"id": "QLT03_M06",
"sequence": 6,
"title": "장비 결함 사진 업로드 및 손상 부위 시각화 판정 인터페이스 구현",
"durationHours": 3.0,
"overview": "<p>장비 결함 사진을 업로드하면 손상 부위를 시각화해 판정과 근거를 보여 주는 인터페이스를 구현한다.</p>",
"objectives": "<p>업로드 사진 한 장에서 결함 유형, 면적(mm2), 깊이, 손상도, 정비 등급, 신뢰도와 손상 부위 윤곽·박스를 계산해 화면에 겹쳐 표시한다. 오염·저조도 사진은 재촬영 요구로 안내하고 모든 결과는 검사 대기로만 등록한다. 변수군을 평균값으로 대체하는 방식으로 판정 건마다 기여도 상위 3개를 산출하고 자연어 설명으로 변환하며, 표시 박스와 정답 마스크의 겹침을 확인한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>장비 결함 사진 업로드 및 손상 부위 시각화 인터페이스를 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>장비 결함 사진을 업로드하면 손상 부위를 시각화해 판정과 근거를 보여 주는 인터페이스를 구현한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>업로드 사진 한 장에서 결함 유형, 면적(mm2), 깊이, 손상도, 정비 등급, 신뢰도와 손상 부위 윤곽·박스를 계산해 화면에 겹쳐 표시 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/explainability/qlt03_xai_explainer.py 및 XAI 리포트</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m06_dataset.json",
"/uploads/QLT03/qlt03_m06_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m06_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m06_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"src/explainability/qlt03_xai_explainer.py (필수)",
"XAI 리포트 (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[장비 결함 사진 업로드 및 손상 부위 시각화 판정 인터페이스 구현] 요구된 핵심 성능 기준(주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100%)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100% 기준을 충족하고 SHAP summary plot 및 waterfall plot 생성 파이프라인 완성을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>자연어 기반 요약 텍스트(예: '리드타임 증가 원인은 해외 조달 지연') 자동 생성을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 군수 장교/군무원이 신뢰하고 조치할 수 있는 설명의 명확성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>군수 장교/군무원이 신뢰하고 조치할 수 있는 설명의 명확성이 논리적으로 검증되었으며 실무자 대상 설명 근거 유용성 평가 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 군수 장교/군무원이 신뢰하고 조치할 수 있는 설명의 명확성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100%</p></li><li><p>진행 기준: SHAP summary plot 및 waterfall plot 생성 파이프라인 완성</p></li><li><p>검증 방법: 실무자 대상 설명 근거 유용성 평가 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 업로드 사진 8장의 판정 결과표와 처리 상태(검사 대기·재촬영)를 확인...",
"activity": "<h4>이 단계의 역할</h4><p>M6 코드를 실행해 업로드 사진 8장의 판정 결과표와 처리 상태(검사 대기·재촬영)를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M6 코드를 실행해 업로드 사진 8장의 판정 결과표와 처리 상태(검사 대기·재촬영)를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>기여도 상위 3개 자동 산출 300건 중 300건(100%) 업로드 8장 중 유형 판정 7장 일치, 손상 부위 IoU 0.64~0.98, 저조도 사진은 재촬영 요구</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M6 코드를 실행해 업로드 사진 8장의 판정 결과표와 처리 상태(검사 대기·재촬영)를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M6 코드를 실행해 업로드 사진 8장의 판정 결과표와 처리 상태(검사 대기·재촬영)를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(기여도 상위 3개 자동 산출 300건 중 300건(100%) 업로드 8장 중 유형 판정 7장 일치, 손상 부위 IoU 0.64~0.98, 저조도 사진은 재촬영 요구)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "그래프에서 노란 윤곽(손상 부위)과 붉은 박스가 결함 위치와 맞는지 본다.",
"activity": "<h4>이 단계의 역할</h4><p>그래프에서 노란 윤곽(손상 부위)과 붉은 박스가 결함 위치와 맞는지 본다.</p><h4>해야 할 일</h4><ol><li><p>그래프에서 노란 윤곽(손상 부위)과 붉은 박스가 결함 위치와 맞는지 본다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>기여도 상위 3개 자동 산출 300건 중 300건(100%) 업로드 8장 중 유형 판정 7장 일치, 손상 부위 IoU 0.64~0.98, 저조도 사진은 재촬영 요구</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>그래프에서 노란 윤곽(손상 부위)과 붉은 박스가 결함 위치와 맞는지 본다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>그래프에서 노란 윤곽(손상 부위)과 붉은 박스가 결함 위치와 맞는지 본다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(기여도 상위 3개 자동 산출 300건 중 300건(100%) 업로드 8장 중 유형 판정 7장 일치, 손상 부위 IoU 0.64~0.98, 저조도 사진은 재촬영 요구)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "자연어 설명의 주요 요인과 부호(+는 손상도를 높인 요인, -는 낮춘 요인)를 읽는다.",
"activity": "<h4>이 단계의 역할</h4><p>자연어 설명의 주요 요인과 부호(+는 손상도를 높인 요인, -는 낮춘 요인)를 읽는다.</p><h4>해야 할 일</h4><ol><li><p>자연어 설명의 주요 요인과 부호(+는 손상도를 높인 요인, -는 낮춘 요인)를 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>기여도 상위 3개 자동 산출 300건 중 300건(100%) 업로드 8장 중 유형 판정 7장 일치, 손상 부위 IoU 0.64~0.98, 저조도 사진은 재촬영 요구</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>자연어 설명의 주요 요인과 부호(+는 손상도를 높인 요인, -는 낮춘 요인)를 읽는다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>자연어 설명의 주요 요인과 부호(+는 손상도를 높인 요인, -는 낮춘 요인)를 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(기여도 상위 3개 자동 산출 300건 중 300건(100%) 업로드 8장 중 유형 판정 7장 일치, 손상 부위 IoU 0.64~0.98, 저조도 사진은 재촬영 요구)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>재촬영 기준 mud 0.03을 0.01로 바꿔 재촬영 요구 사진이 어떻게 달라지는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
},
{
"id": "QLT03_M07",
"sequence": 7,
"title": "외관 판정 결과에 대한 검사관 수동 보정 및 최종 정비 등급 HITL 승인 절차 설계",
"durationHours": 3.5,
"overview": "<p>AI 외관 판정에 대한 검사관 수동 보정과 최종 정비 등급 승인 HITL 절차를 설계하고 검사 운영 비용을 최적화한다.</p>",
"objectives": "<p>신뢰도 기준으로 간이 승인과 정밀 판독을 나누는 운영안을 전수 정밀 판독 관행과 비교해 비용(판독·과소·과대 판정 손실)을 계산하고, 신뢰도 기준과 검사관 일일 한도에 따른 민감도를 본다. AI 판정은 모두 검사대기로 등록하고 검사관의 검토·수동 보정(사유 필수) 뒤 정비감독관이, 창정비 또는 보정 건은 품질보증관까지 결재하게 한다. 권한 우회 시도 10건 차단, 반려 후 재등록 연결, 확정 후 변경 금지, 해시 체인 감사 로그를 구현한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>외관 판정 결과에 대한 검사관 수동 보정 및 HITL 승인 절차를 설계한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>AI 외관 판정에 대한 검사관 수동 보정과 최종 정비 등급 승인 HITL 절차를 설계하고 검사 운영 비용을 최적화한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>신뢰도 기준으로 간이 승인과 정밀 판독을 나누는 운영안을 전수 정밀 판독 관행과 비교해 비용(판독·과소·과대 판정 손실)을 계산하고, 신뢰도 기준과 검사관 일일 한도에 따른 민감도를 본다 과정을 진행하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/optimization/qlt03_simulator.py</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m07_dataset.json",
"/uploads/QLT03/qlt03_m07_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m07_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m07_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"src/optimization/qlt03_simulator.py (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[외관 판정 결과에 대한 검사관 수동 보정 및 최종 정비 등급 HITL 승인 절차 설계] 요구된 핵심 성능 기준(최적화 적용 시 비용 15% 절감 또는 재고 회전율 20% 향상)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>최적화 적용 시 비용 15% 절감 또는 재고 회전율 20% 향상 기준을 충족하고 선형/정수 계획법(LP/MIP) 최적화 해 도출 및 시뮬레이션 완료을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>돌발 수요(전시 전환 등) 대비 민감도(Sensitivity) 분석 모듈 추가을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 현실적 군수 제약조건 반영도 및 시나리오별 대안 제시 적절성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>현실적 군수 제약조건 반영도 및 시나리오별 대안 제시 적절성이 논리적으로 검증되었으며 과거 실적 데이터 대비 최적화 결과 비교 백테스팅를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 현실적 군수 제약조건 반영도 및 시나리오별 대안 제시 적절성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 최적화 적용 시 비용 15% 절감 또는 재고 회전율 20% 향상</p></li><li><p>진행 기준: 선형/정수 계획법(LP/MIP) 최적화 해 도출 및 시뮬레이션 완료</p></li><li><p>검증 방법: 과거 실적 데이터 대비 최적화 결과 비교 백테스팅</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 시나리오별 전수 정밀 판독 관행과 HITL 운영안의 비용·절감률을 확인...",
"activity": "<h4>이 단계의 역할</h4><p>M7 코드를 실행해 시나리오별 전수 정밀 판독 관행과 HITL 운영안의 비용·절감률을 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M7 코드를 실행해 시나리오별 전수 정밀 판독 관행과 HITL 운영안의 비용·절감률을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>평상 절감 59.5%·저조도 28.2%(목표 15% 이상), 진흙 20%는 -7.9%로 미달 자동 확정 0건, 권한 우회 차단 10/10(100%), 감사 로그 25건 위·변조 검출</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M7 코드를 실행해 시나리오별 전수 정밀 판독 관행과 HITL 운영안의 비용·절감률을 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M7 코드를 실행해 시나리오별 전수 정밀 판독 관행과 HITL 운영안의 비용·절감률을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(평상 절감 59.5%·저조도 28.2%(목표 15% 이상), 진흙 20%는 -7.9%로 미달 자동 확정 0건, 권한 우회 차단 10/10(100%), 감사 로그 25건 위·변조 검출)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "신뢰도 기준 T와 검사관 한도에 따른 비용 변화를 읽는다.",
"activity": "<h4>이 단계의 역할</h4><p>신뢰도 기준 T와 검사관 한도에 따른 비용 변화를 읽는다.</p><h4>해야 할 일</h4><ol><li><p>신뢰도 기준 T와 검사관 한도에 따른 비용 변화를 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>평상 절감 59.5%·저조도 28.2%(목표 15% 이상), 진흙 20%는 -7.9%로 미달 자동 확정 0건, 권한 우회 차단 10/10(100%), 감사 로그 25건 위·변조 검출</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>신뢰도 기준 T와 검사관 한도에 따른 비용 변화를 읽는다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>신뢰도 기준 T와 검사관 한도에 따른 비용 변화를 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(평상 절감 59.5%·저조도 28.2%(목표 15% 이상), 진흙 20%는 -7.9%로 미달 자동 확정 0건, 권한 우회 차단 10/10(100%), 감사 로그 25건 위·변조 검출)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "AI 판정 8건이 모두 검사대기인지, 권한 우회 시도 10건이 모두 차단되는지, 감사 로그...",
"activity": "<h4>이 단계의 역할</h4><p>AI 판정 8건이 모두 검사대기인지, 권한 우회 시도 10건이 모두 차단되는지, 감사 로그 위·변조가 검출되는지 확인한다.</p><h4>해야 할 일</h4><ol><li><p>AI 판정 8건이 모두 검사대기인지, 권한 우회 시도 10건이 모두 차단되는지, 감사 로그 위·변조가 검출되는지 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>평상 절감 59.5%·저조도 28.2%(목표 15% 이상), 진흙 20%는 -7.9%로 미달 자동 확정 0건, 권한 우회 차단 10/10(100%), 감사 로그 25건 위·변조 검출</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>AI 판정 8건이 모두 검사대기인지, 권한 우회 시도 10건이 모두 차단되는지, 감사 로그 위·변조가 검출되는지 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>AI 판정 8건이 모두 검사대기인지, 권한 우회 시도 10건이 모두 차단되는지, 감사 로그 위·변조가 검출되는지 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(평상 절감 59.5%·저조도 28.2%(목표 15% 이상), 진흙 20%는 -7.9%로 미달 자동 확정 0건, 권한 우회 차단 10/10(100%), 감사 로그 25건 위·변조 검출)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>검사관 오류율 P_HUMAN을 8%에서 3%로 낮춰 관행 비용과 절감률이 어떻게 달라지는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
},
{
"id": "QLT03_M08",
"sequence": 8,
"title": "오염물/진흙 혼입 사진 대량 판정 스트레스 테스트 및 한계치 도출",
"durationHours": 3.0,
"overview": "<p>오염물·진흙이 섞인 사진을 대량 판정하는 스트레스 테스트를 수행하고 판정 한계치를 도출한다.</p>",
"objectives": "<p>진흙 혼입 비율을 0~50%로 올린 사진 묶음과 흐림·센서 잡음·저조도+진흙 결합 조건에서 등급 일치율, 재촬영 요구율, 자동 처리 비율, 경보 정확도를 측정하고 품질 게이트의 효과를 비교한다. 사진 1장당 처리 시간으로 대량 일괄 판정 시간을 예상하고 결과 건수별 대시보드 로딩 시간을 측정해 한계치와 대응(재촬영·검사관 확인)을 정리한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>오염물 혼입 사진 대량 판정 스트레스 테스트를 수행한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>오염물·진흙이 섞인 사진을 대량 판정하는 스트레스 테스트를 수행하고 판정 한계치를 도출한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>진흙 혼입 비율을 0~50%로 올린 사진 묶음과 흐림·센서 잡음·저조도+진흙 결합 조건에서 등급 일치율, 재촬영 요구율, 자동 처리 비율, 경보 정확도를 측정하고 품질 게이트의 효과를 비교 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/dashboard/qlt03_app.py (Streamlit/Dash 등)</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m08_dataset.json",
"/uploads/QLT03/qlt03_m08_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m08_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m08_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"src/dashboard/qlt03_app.py (Streamlit/Dash 등) (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[오염물/진흙 혼입 사진 대량 판정 스트레스 테스트 및 한계치 도출] 요구된 핵심 성능 기준(대시보드 로딩 시간 2초 이내, 경보 발령 정확도 95% 이상)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>대시보드 로딩 시간 2초 이내, 경보 발령 정확도 95% 이상 기준을 충족하고 웹 기반 분석 대시보드 구동 및 실시간 필터링 기능 검증을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>보고서 자동 출력(PDF/Excel Export) 기능 탑재을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 의사결정 지원에 최적화된 시각적 위계 및 사용자 경험(UX) 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>의사결정 지원에 최적화된 시각적 위계 및 사용자 경험(UX)이 논리적으로 검증되었으며 실제 군수 데이터 연동 화면 테스트 및 UI 동작 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 의사결정 지원에 최적화된 시각적 위계 및 사용자 경험(UX)</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 대시보드 로딩 시간 2초 이내, 경보 발령 정확도 95% 이상</p></li><li><p>진행 기준: 웹 기반 분석 대시보드 구동 및 실시간 필터링 기능 검증</p></li><li><p>검증 방법: 실제 군수 데이터 연동 화면 테스트 및 UI 동작 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 진흙 비율별 등급 일치율·재촬영 요구율·자동 처리 비율·경보 정확도를 ...",
"activity": "<h4>이 단계의 역할</h4><p>M8 코드를 실행해 진흙 비율별 등급 일치율·재촬영 요구율·자동 처리 비율·경보 정확도를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M8 코드를 실행해 진흙 비율별 등급 일치율·재촬영 요구율·자동 처리 비율·경보 정확도를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>진흙 0%: 자동 처리 73%·경보 정확도 100%, 5%부터 93%로 95% 미달 대시보드 로딩 0.1초 안팎(목표 2초 이내), 흐림 사진 자동 처리 경보 정확도 91%</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M8 코드를 실행해 진흙 비율별 등급 일치율·재촬영 요구율·자동 처리 비율·경보 정확도를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M8 코드를 실행해 진흙 비율별 등급 일치율·재촬영 요구율·자동 처리 비율·경보 정확도를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(진흙 0%: 자동 처리 73%·경보 정확도 100%, 5%부터 93%로 95% 미달 대시보드 로딩 0.1초 안팎(목표 2초 이내), 흐림 사진 자동 처리 경보 정확도 91%)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "게이트가 없을 때와 있을 때 신뢰도 80 이상 사진의 경보 정확도를 비교한다.",
"activity": "<h4>이 단계의 역할</h4><p>게이트가 없을 때와 있을 때 신뢰도 80 이상 사진의 경보 정확도를 비교한다.</p><h4>해야 할 일</h4><ol><li><p>게이트가 없을 때와 있을 때 신뢰도 80 이상 사진의 경보 정확도를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>진흙 0%: 자동 처리 73%·경보 정확도 100%, 5%부터 93%로 95% 미달 대시보드 로딩 0.1초 안팎(목표 2초 이내), 흐림 사진 자동 처리 경보 정확도 91%</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>게이트가 없을 때와 있을 때 신뢰도 80 이상 사진의 경보 정확도를 비교한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>게이트가 없을 때와 있을 때 신뢰도 80 이상 사진의 경보 정확도를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(진흙 0%: 자동 처리 73%·경보 정확도 100%, 5%부터 93%로 95% 미달 대시보드 로딩 0.1초 안팎(목표 2초 이내), 흐림 사진 자동 처리 경보 정확도 91%)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "흐림·잡음·저조도+진흙 조건과 대량 처리 시간, 대시보드 로딩 시간을 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>흐림·잡음·저조도+진흙 조건과 대량 처리 시간, 대시보드 로딩 시간을 확인한다.</p><h4>해야 할 일</h4><ol><li><p>흐림·잡음·저조도+진흙 조건과 대량 처리 시간, 대시보드 로딩 시간을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>진흙 0%: 자동 처리 73%·경보 정확도 100%, 5%부터 93%로 95% 미달 대시보드 로딩 0.1초 안팎(목표 2초 이내), 흐림 사진 자동 처리 경보 정확도 91%</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>흐림·잡음·저조도+진흙 조건과 대량 처리 시간, 대시보드 로딩 시간을 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>흐림·잡음·저조도+진흙 조건과 대량 처리 시간, 대시보드 로딩 시간을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(진흙 0%: 자동 처리 73%·경보 정확도 100%, 5%부터 93%로 95% 미달 대시보드 로딩 0.1초 안팎(목표 2초 이내), 흐림 사진 자동 처리 경보 정확도 91%)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>경보를 등급 2 이상에서 등급 3(창정비)만으로 바꿔 경보 정확도와 자동 처리 비율이 어떻게 달라지는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
},
{
"id": "QLT03_M09",
"sequence": 9,
"title": "AAR 기반 외관 오판 사례 분석 및 컴퓨터 비전 모델 파라미터 재보정",
"durationHours": 3.0,
"overview": "<p>AAR로 외관 오판 사례를 분석하고 컴퓨터 비전 모델 파라미터를 재보정하며 도입 효과를 정량화한다.</p>",
"objectives": "<p>운영 분포(저조도·진흙·정상 혼합)의 판정 로그에서 오판을 오염 가림·저조도·작은 결함·유형 혼동·경계 근처로 분류한다. 분할 임계값을 IoU 기준으로 재보정하고 운영 사진을 추가 학습하며 과소 판정 손실을 반영한 등급 경계 이동을 검토해 재보정에 쓰지 않은 보류 구간에서 전후를 비교한다. 비용 절감액, 판독 시간 단축률, 투자 회수 기간을 산식과 민감도로 산출한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>AAR 기반 외관 오판 사례를 분석하고 컴퓨터 비전 파라미터를 재보정한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>AAR로 외관 오판 사례를 분석하고 컴퓨터 비전 모델 파라미터를 재보정하며 도입 효과를 정량화한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>운영 분포(저조도·진흙·정상 혼합)의 판정 로그에서 오판을 오염 가림·저조도·작은 결함·유형 혼동·경계 근처로 분류 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>reports/qlt03_roi_analysis.md</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m09_dataset.json",
"/uploads/QLT03/qlt03_m09_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m09_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m09_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"reports/qlt03_roi_analysis.md (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[AAR 기반 외관 오판 사례 분석 및 컴퓨터 비전 모델 파라미터 재보정] 요구된 핵심 성능 기준(비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출 기준을 충족하고 ROI 분석 보고서 완성 및 주요 지표 민감도 분석 수록을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>단기/중기/장기 단계별 도입 효과 로드맵 구체화을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 추정 산식의 객관성 및 군 재정/군수 기획 부서 설득력 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>추정 산식의 객관성 및 군 재정/군수 기획 부서 설득력이 논리적으로 검증되었으며 회계/기획 기준 모델과의 비교 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 추정 산식의 객관성 및 군 재정/군수 기획 부서 설득력</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출</p></li><li><p>진행 기준: ROI 분석 보고서 완성 및 주요 지표 민감도 분석 수록</p></li><li><p>검증 방법: 회계/기획 기준 모델과의 비교 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 운영 로그 오판의 원인 분류와 과소·과대 판정 건수를 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>M9 코드를 실행해 운영 로그 오판의 원인 분류와 과소·과대 판정 건수를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M9 코드를 실행해 운영 로그 오판의 원인 분류와 과소·과대 판정 건수를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>오판 61장 중 오염 가림 48%, 보류 구간 등급 일치율 81.9% -> 85.3%, 장당 오판 손실 2.19 -> 2.02만원 연 절감 5,140만원, 판독 시간 단축률 30.8%, 투자 회수 5.8개월</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M9 코드를 실행해 운영 로그 오판의 원인 분류와 과소·과대 판정 건수를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M9 코드를 실행해 운영 로그 오판의 원인 분류와 과소·과대 판정 건수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(오판 61장 중 오염 가림 48%, 보류 구간 등급 일치율 81.9% -> 85.3%, 장당 오판 손실 2.19 -> 2.02만원 연 절감 5,140만원, 판독 시간 단축률 30.8%, 투자 회수 5.8개월)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "분할 임계값 IoU 재보정과 등급 경계 이동의 손실 변화를 읽는다.",
"activity": "<h4>이 단계의 역할</h4><p>분할 임계값 IoU 재보정과 등급 경계 이동의 손실 변화를 읽는다.</p><h4>해야 할 일</h4><ol><li><p>분할 임계값 IoU 재보정과 등급 경계 이동의 손실 변화를 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>오판 61장 중 오염 가림 48%, 보류 구간 등급 일치율 81.9% -> 85.3%, 장당 오판 손실 2.19 -> 2.02만원 연 절감 5,140만원, 판독 시간 단축률 30.8%, 투자 회수 5.8개월</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>분할 임계값 IoU 재보정과 등급 경계 이동의 손실 변화를 읽는다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>분할 임계값 IoU 재보정과 등급 경계 이동의 손실 변화를 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(오판 61장 중 오염 가림 48%, 보류 구간 등급 일치율 81.9% -> 85.3%, 장당 오판 손실 2.19 -> 2.02만원 연 절감 5,140만원, 판독 시간 단축률 30.8%, 투자 회수 5.8개월)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "보류 구간 B의 전후 성능표와 ROI 3대 지표, 장수 민감도를 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>보류 구간 B의 전후 성능표와 ROI 3대 지표, 장수 민감도를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>보류 구간 B의 전후 성능표와 ROI 3대 지표, 장수 민감도를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>오판 61장 중 오염 가림 48%, 보류 구간 등급 일치율 81.9% -> 85.3%, 장당 오판 손실 2.19 -> 2.02만원 연 절감 5,140만원, 판독 시간 단축률 30.8%, 투자 회수 5.8개월</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>보류 구간 B의 전후 성능표와 ROI 3대 지표, 장수 민감도를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>보류 구간 B의 전후 성능표와 ROI 3대 지표, 장수 민감도를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(오판 61장 중 오염 가림 48%, 보류 구간 등급 일치율 81.9% -> 85.3%, 장당 오판 손실 2.19 -> 2.02만원 연 절감 5,140만원, 판독 시간 단축률 30.8%, 투자 회수 5.8개월)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>연 판정 사진 수 N_YR을 20000장에서 10000장으로 바꿔 절감액과 회수 기간이 어떻게 달라지는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
},
{
"id": "QLT03_M10",
"sequence": 10,
"title": "장비 결함 사진 기반 AI 외관 검사 및 손상도 자동 판정 도구 통합 완성",
"durationHours": 3.5,
"overview": "<p>장비 결함 사진 기반 AI 외관 검사와 손상도 판정 도구를 통합하고 자동 재학습·운영 문서·자체 점검을 갖춘다.</p>",
"objectives": "<p>신규 사진 240장을 추가해 정합성을 검증하고 분포 변화(PSI)를 점검한 뒤 챌린저 모델을 학습해 검증 MAE가 3% 이상 개선될 때만 승격한다. 신규 사진의 결함·손상도·정비 등급을 산출해 검사 대기(간이 승인 후보·정밀 판독)와 재촬영 요구로 분리하며 자동 확정은 하지 않는다. 사진 판정과 관리 기록 등급이 크게 다른 장비를 제원 수정 요청 후보로 환류하고, 운영 문서 완비율, 인터페이스 명세, 자체 점검표, 브리핑 요약을 출력한다.</p>",
"scenario": "<h4>미션 배경 및 당위성</h4><p>장비 결함 사진 기반 AI 외관 검사 및 손상도 자동 판정 도구를 완성한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>장비 결함 사진 기반 AI 외관 검사와 손상도 판정 도구를 통합하고 자동 재학습·운영 문서·자체 점검을 갖춘다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>신규 사진 240장을 추가해 정합성을 검증하고 분포 변화(PSI)를 점검한 뒤 챌린저 모델을 학습해 검증 MAE가 3% 이상 개선될 때만 승격 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>docs/qlt03_operations_guide.md 및 pipeline/qlt03_retrain.py</code> 형태의 결과물을 완성한다.</p>",
"attachments": [],
"materials": [
"/uploads/QLT03/qlt03_m10_dataset.json",
"/uploads/QLT03/qlt03_m10_sample.md"
],
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m10_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/QLT03/qlt03_m10_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
"techStack": [
"품질·규격·검사",
"데이터분석형",
"데이터 전처리",
"알고리즘 구현",
"HITL 검증"
],
"deliverables": [
"docs/qlt03_operations_guide.md (필수)",
"pipeline/qlt03_retrain.py (필수)"
],
"evaluationKeys": [
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[장비 결함 사진 기반 AI 외관 검사 및 손상도 자동 판정 도구 통합 완성] 요구된 핵심 성능 기준(자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비 기준을 충족하고 최종 인도물 검수 및 프로젝트 완료 발표자료 완성을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>차기 국방군수통합정보체계(DELIIS 등) 연계 인터페이스 가이드 수록을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 지속 가능한 운영 가능성 및 국방 군수 정보체계와의 연동 용이성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>지속 가능한 운영 가능성 및 국방 군수 정보체계와의 연동 용이성이 논리적으로 검증되었으며 End-to-End 전체 파이프라인 자동화 실행 및 최종 검수를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
],
"evaluationTypes": [
"REQUIRED",
"REQUIRED"
],
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 지속 가능한 운영 가능성 및 국방 군수 정보체계와의 연동 용이성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비</p></li><li><p>진행 기준: 최종 인도물 검수 및 프로젝트 완료 발표자료 완성</p></li><li><p>검증 방법: End-to-End 전체 파이프라인 자동화 실행 및 최종 검수</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
"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 정합성, 분포 변화(PSI), 챔피언/챌린저 판정 결과를 확인한다.",
"activity": "<h4>이 단계의 역할</h4><p>M10 코드를 실행해 정합성, 분포 변화(PSI), 챔피언/챌린저 판정 결과를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M10 코드를 실행해 정합성, 분포 변화(PSI), 챔피언/챌린저 판정 결과를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>( )</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M10 코드를 실행해 정합성, 분포 변화(PSI), 챔피언/챌린저 판정 결과를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>M10 코드를 실행해 정합성, 분포 변화(PSI), 챔피언/챌린저 판정 결과를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(( ))를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 2,
"problem": "신규 240장의 처리 구분(간이 승인 후보·정밀 판독·재촬영)과 제원 환류 후보 수를 확인...",
"activity": "<h4>이 단계의 역할</h4><p>신규 240장의 처리 구분(간이 승인 후보·정밀 판독·재촬영)과 제원 환류 후보 수를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>신규 240장의 처리 구분(간이 승인 후보·정밀 판독·재촬영)과 제원 환류 후보 수를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>( )</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>신규 240장의 처리 구분(간이 승인 후보·정밀 판독·재촬영)과 제원 환류 후보 수를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>신규 240장의 처리 구분(간이 승인 후보·정밀 판독·재촬영)과 제원 환류 후보 수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(( ))를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 3,
"problem": "자체 점검표와 브리핑 요약이 앞의 수치와 일치하는지 대조한다.",
"activity": "<h4>이 단계의 역할</h4><p>자체 점검표와 브리핑 요약이 앞의 수치와 일치하는지 대조한다.</p><h4>해야 할 일</h4><ol><li><p>자체 점검표와 브리핑 요약이 앞의 수치와 일치하는지 대조한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>( )</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>자체 점검표와 브리핑 요약이 앞의 수치와 일치하는지 대조한다. 실행 결과 및 검증 로그</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>자체 점검표와 브리핑 요약이 앞의 수치와 일치하는지 대조한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(( ))를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
"attachments": []
},
{
"step": 4,
"problem": "도전 과제 및 파라미터 튜닝 최적화",
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>코드의 승격 기준 0.03(MAE 3% 개선)을 0.15로 높여 승격 판정이 어떻게 달라지는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
"attachments": []
}
]
}
]
}
Reference in new issue View Git Blame Copy Permalink