Part 3. 데이터 모델링¶

Section ID: P3-index Version: v2026.09.20

Part 2에서 우리는 수학, Python, 배열, 표, 그래프를 다시 읽는 기초를 복구했습니다. Part 3에서는 그 도구로 모델에 앞서 데이터를 이해하고 다루는 방법을 배웁니다. AI에 데이터를 넣는다고 할 때, 무엇을 기록했고 무엇을 한 사례로 묶었으며 어떤 정보를 남겼는지부터 살펴봅니다. 이런 선택을 알아야 모델이 어떤 정보를 보고 무엇을 맞히려는지 설명할 수 있습니다.

이 책에서 데이터 모델링은 질문에 맞게 기록을 샘플·표·특징·목표로 구성하는 일을 가리킵니다. 여기서 샘플은 분석이나 학습에서 한 사례로 다룰 단위이고, 특징은 그 사례를 나타내는 입력 정보입니다. 데이터베이스의 저장 구조 설계보다 넓게 쓰는 이 책의 설명 범위이며, 데이터과학 전체를 대신하는 정의는 아닙니다. Part 3은 이러한 구성 과정과 함께 데이터의 의미, 품질, 표현 방식, 비교 결과의 해석을 다룹니다.

같은 센서 기록에서 무엇을 알아낼 수 있을까¶

장비가 물을 흘려보내는 동작을 여러 번 수행한다고 가정해 봅시다. 매번 동작 중 센서가 측정한 유량과 측정 시각, 장비에 지정한 설정값이 남습니다. 최근 기록의 끝부분에서 유량이 낮아지는 모습이 보인다면, 곧바로 고장이라고 부르기 전에 다음을 확인해야 합니다.

센서 기록의 마지막 부분이 빠져 있다면 하강 여부를 판단하기 어렵습니다. 과거와 최근의 장비 설정이 달랐다면 그 차이도 함께 살펴야 합니다. 이것이 데이터의 품질과 관측 조건을 배우는 이유입니다. 관찰한 차이를 일정한 기준으로 비교하려면 수치가 필요하므로, 뒤에서는 질문에 맞는 지표를 고르고 계산하는 방법을 배웁니다. 지표는 현상의 특정 면을 수치로 살피는 기준이며, 이름을 아는 것에 더해 무엇을 어떻게 셌는지 설명할 수 있어야 합니다.

이 기록으로 향후 고장을 예측하려면 학습에 사용할 결과도 필요합니다. 예를 들어 동작 뒤 7일 안에 고장이 발생했고 이후 확인되었는가를 결과로 정할 수 있습니다. 학습에서 맞힐 결과로 제공하는 값을 라벨이라고 합니다. 사람이 검토한 적이 있다는 기록과 실제 고장이 확인됐다는 기록은 다르므로, 어느 쪽을 라벨로 삼는지에 따라 학습 목표도 달라집니다.

위 장면은 이 책의 설명을 위한 가상 사례입니다. 실제 고장의 원인이나 판단 기준을 정한 것은 아닙니다. 구체적인 지표의 뜻과 계산은 P3-1.1에서 기록과 함께 살펴봅니다.

데이터를 다룰 때 이어지는 여섯 가지 질문¶

Part 3의 9개 Chapter는 다음 질문을 연결합니다. 앞의 선택이 뒤에서 어떤 입력과 해석을 가능하게 하는지 따라가 보세요.

이 순서는 이 책의 학습 흐름입니다. 모든 분석에서 한 번씩만 거치는 필수 절차는 아닙니다. 비교 중에 빠진 기록을 발견하면 처음의 질문이나 샘플 구성을 다시 살필 수 있습니다.

원시 기록도 데이터셋이며, 요약은 선택이다¶

원시 로그도 데이터셋입니다. 다만 데이터가 모여 있다는 사실과 현재 질문에 맞게 사용할 준비가 되었다는 판단은 구분해야 합니다. 센서값을 시간 순서대로 모아 둔 자료에서도 어떤 동작의 어느 구간인지, 빠진 기록은 없는지, 어떤 결과와 연결되는지 확인할 필요가 있습니다.

이 책에서는 같은 센서 기록을 동작별 요약 표로 바꾸고, 여러 동작을 과거의 비교 기준인 기준선과 대조하는 사례를 이어 갑니다. 각 단계에서 한 행의 뜻이 어떻게 바뀌는지, 원래 기록을 어떻게 추적할 수 있는지를 살핍니다. 요약 표는 비교를 설명하기 위한 한 가지 표현입니다.

질문과 모델에 따라 시간 순서를 가진 원시 시계열, 이미지 한 장, 문서 한 건도 입력으로 사용할 수 있습니다. 모두를 사람이 계산한 요약값으로 바꿔야 하는 것은 아닙니다. 이미지라면 한 장이 무엇을 담는지, 문서라면 전체를 한 사례로 볼지 일부 구간을 볼지처럼 데이터의 경계와 의미를 확인하는 질문이 이어집니다. 사람이 만든 특징과 모델이 학습하는 표현의 관계는 Chapter 6에서 살펴봅니다.

Part 4로 넘길 입력과 목표¶

Part 3에서는 데이터를 읽고 구성한 뒤 그 자료로 무엇을 말할 수 있는지 확인합니다. 결과는 사람이 읽는 비교 리포트로 남을 수도 있고, 먼저 확인할 사례를 모은 검토 목록이 될 수도 있습니다. 예측이 필요한 문제라면 어떤 정보를 입력으로 쓰고 어떤 결과를 맞힐지 정리합니다.

Part 4에서는 이 입력과 목표를 바탕으로 머신러닝의 학습과 평가를 다룹니다. Part 3에서는 예측할 순간에 알 수 있는 정보와 나중에 확인되는 결과를 구분하고, 어떤 대상에서 성능을 확인하려는지까지 적습니다. 구체적인 학습 알고리즘과 평가용 데이터 분할 절차는 Part 4에서 이어 갑니다.

체크리스트¶

• 센서 사례에서 무엇을 기록하고, 무엇을 한 사례로 묶고, 어떤 정보를 남기는지 설명할 수 있는가?
• 지표는 무엇을 비교하기 위해, 품질 점검은 어떤 판단의 한계를 알기 위해, 라벨은 어떤 학습 목표를 정하기 위해 필요한지 각각 한 문장으로 말할 수 있는가?
• 원시 기록도 데이터셋이라는 점과 현재 질문에 맞는 준비 상태를 구분할 수 있는가?
• 같은 질문을 이미지 한 장이나 문서 한 건에 적용했을 때 확인할 경계나 부가 정보를 하나 제안할 수 있는가?

출처와 참고 자료¶

• National Academies of Sciences, Engineering, and Medicine, Data Science for Undergraduates: Opportunities and Options, 2018. 데이터 수집, 정리, 표현, 모델링, 해석을 하나의 데이터과학 흐름으로 묶어 설명하므로, 데이터 이해·구성·표현·해석을 연결하는 이 페이지의 교육적 범위를 참고하는 자료입니다. 위 여섯 질문의 배열은 이 책의 집필 판단입니다. https://nap.nationalacademies.org/catalog/25104/data-science-for-undergraduates-opportunities-and-options / 확인일: 2026-07-20
• Google for Developers, Machine Learning Glossary. example, feature, label 항목을 통해 한 사례, 입력 정보, 학습에서 맞힐 결과를 구분하는 설명을 확인했습니다. https://developers.google.com/machine-learning/glossary / 확인일: 2026-09-19
• W3C, PROV-Overview. provenance와 derivation을 함께 다루므로, 원천데이터를 문제 표현 구조로 다시 만들 때 어떤 규칙으로 파생 표가 생겼는지 추적 가능해야 한다는 Part 3의 공통 전제를 뒷받침합니다. https://www.w3.org/TR/prov-overview/ / 확인일: 2026-09-19
• Usama Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, Knowledge Discovery and Data Mining: Towards a Unifying Framework, Microsoft Research publication page, 1996. KDD 과정을 데이터 준비와 발견 흐름으로 설명하는 고전적 근거이므로, 데이터 준비와 이후 분석을 연결하는 배경 자료입니다. https://www.microsoft.com/en-us/research/publication/knowledge-discovery-and-data-mining-towards-a-unifying-framework/ / 확인일: 2026-07-20
• U.S. Bureau of Labor Statistics, Consumer Price Index: Concepts, Handbook of Methods. CPI index values and base periods 설명을 통해 기준 기간을 정해 현재 값을 비교하는 관점을 확인하는 참고 자료입니다. https://www.bls.gov/opub/hom/cpi/concepts.htm / 확인일: 2026-07-20