데이터 소스

Responsible AI 데이터 관리

Maria Prokofieva

Lead ML engineer

다음은...

• 데이터 소스 유형
• 한계와 선택
• 다중 소스 통합

데이터 소스가 중요한 이유

• 무결성
• 다양성
• 공정한 대표성

¹ 이미지: Streamline HQ

출처 기준 유형

• 1차

  • 프로젝트 내 직접 수집
  • 규정 준수와 동의

• 2차

  • 기존 자료에서 취득
  • 라이선스 계약

본질 기준 유형

• 정량형

  • 수치 데이터

• 정성형

  • 비수치형

• 혼합형

  • 수치+비수치 결합

¹ 이미지: Streamline HQ

시간성 기준 유형

• 정적
  • 시간이 지나도 변하지 않음
  • 인구조사 데이터
  • 기업 주소
• 동적
  • 실시간 업데이트
  • 소셜 미디어 스트림
  • API
  • 금융 시세 피드
  • 센서 데이터

¹ 이미지: Streamline HQ

데이터 소스의 다양성과 공정성

• 수집자의 직접적 편향
• 측정 가능한 편향 점검
• 현재 현실을 부정확하게 반영, 구식 편향

• 원래 맥락에서 상속된 편향
• 미묘한 분석 필요
• 지속적으로 변화하며 실시간 편향 유입 가능

도시 교통 흐름 프로젝트

데이터 소스:

• 과거 교통 데이터
• 시의회 회의록
• GPS 추적 데이터

¹ 이미지: Streamline HQ

과거 교통 데이터

• 시 교통국
• 최근 5년
• 차량 수, 시간대/요일 포함

이는 정적 정량 1차 소스입니다

¹ 이미지: Streamline HQ

시의회 회의록

• 시의회 웹사이트의 공개 기록
• 도시계획·교통관리 요약

이는 정성 2차 소스입니다

¹ 이미지: Streamline HQ

GPS 데이터

• 1차 동적 소스
• 현재 교통 상태, 속도, 지연을 즉시 파악

¹ 이미지: Streamline HQ

Ayo berlatih!

Responsible AI 데이터 관리