AI 2026.05.03 · 12 min
Intermediate Experimental Statistics Mlops Deep Dive · 1
ML 시스템은 왜 모델 그 이상인가
ML 부채의 90%가 알고리즘이 아닌 데이터·분포·인과에서 발생하는 이유부터 MLOps 성숙도 최적점 도출까지, production ML 시스템의 설계 철학을 추적한다.
series · experimental-statistics-mlops-deep-dive
📚 Experimental Statistics Mlops Deep Dive
총 7편 · 순서대로 읽기를 권장
AI 2026.05.03 · 11 min
Advanced Experimental Statistics Mlops Deep Dive · 2
Feature Store는 왜 단순 캐시가 아닌가
중복 계산·재사용 부재·stream/batch 비대칭이라는 세 문제의 근본 원인부터, skew가 O(Δ²)로 성능을 잠식하는 수학적 구조와 dual-store 아키텍처의 설계 결정까지 추적한다.
AI 2026.05.03 · 12 min
Intermediate Experimental Statistics Mlops Deep Dive · 3
데이터 품질은 왜 단일 숫자로 측정할 수 없는가
Schema drift와 data drift의 근본적 차이부터 Confident Learning의 노이즈 추정까지, ML 파이프라인의 첫 번째 방어선을 4개 차원으로 해부한다.
AI 2026.05.03 · 12 min
Advanced Experimental Statistics Mlops Deep Dive · 4
분포 비교 메트릭은 무엇을 측정하는가
Covariate shift·Label shift·Concept drift의 수학적 분류부터 KS·Chi²·PSI·MMD·Wasserstein까지, drift detection 메트릭이 각 shift 유형을 어떻게 잡는지 추적한다.
AI 2026.05.03 · 14 min
Advanced Experimental Statistics Mlops Deep Dive · 5
Ground Truth 없이도 모델을 믿을 수 있는가
레이블 도착 지연부터 예측 드리프트, 캘리브레이션, 공정성 불가능 정리, 알림 시스템 설계까지 — production ML monitoring의 다섯 가지 층위를 추적한다.
AI 2026.05.03 · 13 min
Advanced Experimental Statistics Mlops Deep Dive · 6
A/B 테스트의 통계적 엄밀성은 어디서 오는가
가설 검정 프레임워크부터 CUPED 분산 감소, 다중 검정 보정, Sequential Testing, Bayesian 의사결정까지 — 현대 A/B 테스트를 지탱하는 통계적 토대를 추적한다.
AI 2026.05.03 · 11 min
Advanced Experimental Statistics Mlops Deep Dive · 7
인과 추론의 네 가지 무기 — RCT부터 Doubly Robust까지
Potential outcomes의 fundamental problem부터 DiD·RDD의 자연 실험, IPW의 분산 위험, 그리고 DR의 이중 보험까지 — causal ML의 식별 전략을 하나의 흐름으로 추적한다.