![[리서치 브리핑] 심혈관 질환 연구를 위한 인공지능 응용 기술의 발전](https://images.unsplash.com/photo-1667984390553-7f439e6ae401?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHw5fHxhcnRpZmljaWFsJTIwaW50ZWxsaWdlbmNlJTIwbWFjaGluZSUyMGxlYXJuaW5nJTIwY2xvdWQlMjBzZXJ2ZXJ8ZW58MHx8fHwxNzg5NDU3MzM1fDA&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] 심혈관 질환 연구를 위한 인공지능 응용 기술의 발전
심혈관 질환 진단을 위한 CT, MRI, ECG, 초음파 기반 AI 응용 기술의 성과와 한계를 분석합니다. 높은 진단 정확도 뒤에 숨겨진 입력 데이터 검증 부재의 리스크와 임상 적용을 위한 모델 경량화의 필요성을 다룹니다.
정현 (Jeonghyun)
RESEARCH ARCHIVE
모든 리서치 & 실패 사후 분석
학술 연구의 엄밀함과 현업 엔지니어링의 생생한 사후 회고를 담은 심층 분석 아카이브입니다.
ADVERTISEMENT
Google AdSense Slot (header)
고정 레이아웃(CLS = 0) 스켈레톤 슬롯 * config.ts에서 승인 ID 설정 시 자동 활성화
정현 (Jeonghyun) ![[리서치 브리핑] 에이전틱 AI 시스템의 기술 부채(Technical Debt) 거버넌스](https://images.unsplash.com/photo-1504639725590-34d0984388bd?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHw4fHxtYWNoaW5lJTIwbGVhcm5pbmclMjBzb2Z0d2FyZSUyMGNvZGUlMjBhbGdvcml0aG0lMjBwcm9ncmFtbWluZ3xlbnwwfHx8fDE3ODk4MjIxMTd8MA&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] 에이전틱 AI 시스템의 기술 부채(Technical Debt) 거버넌스
에이전틱 AI의 확률적 특성이 초래하는 누적 설계 부채와 반복적 운영 비용인 '스토캐스틱 세금'의 개념을 정립합니다. 이를 관리하기 위한 참조 아키텍처와 단계적 자율성 거버넌스 전략을 제시합니다.
정현 (Jeonghyun) ![[리서치 브리핑] 멀티모달 AI 평가의 진화: 인식에서 추론으로](https://images.unsplash.com/photo-1667984390527-850f63192709?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHwxM3x8YXJ0aWZpY2lhbCUyMGludGVsbGlnZW5jZSUyMG1hY2hpbmUlMjBsZWFybmluZyUyMGNsb3VkJTIwc2VydmVyfGVufDB8fHx8MTc4OTczNjk5NHww&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] 멀티모달 AI 평가의 진화: 인식에서 추론으로
멀티모달 AI 평가 체계가 단순 객체 인식에서 복잡한 인지 추론으로 진화하는 과정을 4단계 프레임워크로 분석합니다. 정적 평가의 한계를 지적하며 리빙 벤치마크와 Embodied AI 평가로의 패러다임 전환을 제시합니다.
정현 (Jeonghyun) ![[리서치 브리핑] AgentOps: 에이전틱 AI 시스템의 불확실성 제어 프레임워크](https://images.unsplash.com/photo-1739036868260-c26b292cd85d?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHwxMXx8YXJ0aWZpY2lhbCUyMGludGVsbGlnZW5jZSUyMGFsZ29yaXRobSUyMGRhdGElMjBjb21wdXRlfGVufDB8fHx8MTc4OTUwMTIwOHww&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] AgentOps: 에이전틱 AI 시스템의 불확실성 제어 프레임워크
에이전틱 AI의 비결정론적 동작을 관리하기 위한 AgentOps 프레임워크와 6단계 자동화 파이프라인을 제안합니다. 개발자부터 비즈니스 사용자까지 역할별 관점을 통합하여 시스템의 불확실성을 제어하는 전략을 다룹니다.
정현 (Jeonghyun) ![[리서치 브리핑] SHIELD: 헬스케어 IoT 이상 탐지를 위한 효율적 ML 프레임워크](https://images.unsplash.com/photo-1709120395858-92f1c7c577f5?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHw3fHxhcnRpZmljaWFsJTIwaW50ZWxsaWdlbmNlJTIwbWFjaGluZSUyMGxlYXJuaW5nJTIwY2xvdWQlMjBzZXJ2ZXJ8ZW58MHx8fHwxNzg5NDU3MzM1fDA&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] SHIELD: 헬스케어 IoT 이상 탐지를 위한 효율적 ML 프레임워크
헬스케어 IoT 보안을 위한 SHIELD 프레임워크를 통해 8종의 ML 모델을 비교 분석합니다. XGBoost와 KNN이 탐지 성능과 계산 효율성 측면에서 최적의 선택지임을 입증합니다.
정현 (Jeonghyun) ![[리서치 브리핑] XAI 기반의 프로파일 드리프트 탐지법(PDD)을 통한 개념 드리프트 대응](https://images.unsplash.com/photo-1618401471353-b98afee0b2eb?w=1200&auto=format&fit=crop&q=80)
papers-reports •
[리서치 브리핑] XAI 기반의 프로파일 드리프트 탐지법(PDD)을 통한 개념 드리프트 대응
XAI 도구인 PDP를 활용해 개념 드리프트를 탐지하는 PDD 방법론을 제시합니다. 성능 지표 기반 탐지의 한계를 넘어 변수 간 관계 변화를 시각화하고 정량화하여 MLOps의 안정성을 높이는 방안을 다룹니다.
정현 (Jeonghyun) ![[리서치 브리핑] SHIELD: 헬스케어 IoT 보안을 위한 효율적 ML 기반 이상 탐지](https://images.unsplash.com/photo-1611974789855-9c2a0a7236a3?w=1200&auto=format&fit=crop&q=80)
papers-reports •
[리서치 브리핑] SHIELD: 헬스케어 IoT 보안을 위한 효율적 ML 기반 이상 탐지
20만 건의 데이터를 통해 8가지 ML 모델을 평가하여 헬스케어 IoT 보안을 위한 최적의 이상 및 공격 탐지 모델을 제시합니다. XGBoost와 KNN의 높은 효율성과 정확도를 입증하였습니다.
정현 (Jeonghyun) papers-reports •
[리서치 브리핑] 생성형 AI 사용 시 비판적 사고 측정 척도 개발 및 검증
생성형 AI 출력물을 비판적으로 검증하는 사용자의 성향을 측정하는 13개 항목의 척도 개발 및 검증 연구입니다. 사용자의 비판적 사고 수준이 실제 팩트체킹 정확도와 상관관계가 있음을 입증했습니다.
정현 (Jeonghyun) ![[리서치 브리핑] IoT 환경을 위한 적응형 MLaaS 구성 프레임워크](https://images.unsplash.com/photo-1591696331111-ef9586a5b17a?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHw2fHxhcnRpZmljaWFsJTIwaW50ZWxsaWdlbmNlJTIwbWFjaGluZSUyMGxlYXJuaW5nJTIwY2xvdWQlMjBzZXJ2ZXJ8ZW58MHx8fHwxNzg5NDU3MzM1fDA&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] IoT 환경을 위한 적응형 MLaaS 구성 프레임워크
IoT 환경의 컨셉 드리프트와 시스템 요구사항 변화로 저하되는 MLaaS 조합의 성능을, 전체 재구성 대신 점진적 교체로 회복하는 적응형 구성 프레임워크를 분석합니다. 서비스 평가 모델(SAM)과 CMAB 알고리즘을 결합해 MNIST·FMNIST·HAR에서 95% 이상의 정확도를 기록한 실험 결과와, 1:1 교체 전략에 의존한다는 한계를 함께 짚습니다.
정현 (Jeonghyun) ![[리서치 브리핑] SecMLOps: 머신러닝 생애주기 보안 통합 프레임워크](https://images.unsplash.com/photo-1777785113328-1ec3664f5516?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHwxfHxkYXRhJTIwY2VudGVyJTIwc2VydmVyJTIwbWFjaGluZSUyMGxlYXJuaW5nJTIwY2xvdWQlMjBpbmZyYXN0cnVjdHVyZXxlbnwwfHx8fDE3ODk0OTEzNzR8MA&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] SecMLOps: 머신러닝 생애주기 보안 통합 프레임워크
MLOps 전 과정에 보안을 통합하는 SecMLOps 프레임워크를 제안합니다. 보행자 검출 시스템 사례를 통해 보안과 성능 간의 트레이드오프 분석 및 최적화 방안을 제시합니다.
정현 (Jeonghyun) ![[리서치 브리핑] GaSe MBE 성장을 위한 멀티모달 ML 분석 프레임워크](https://images.unsplash.com/photo-1667984390538-3dea7a3fe33d?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHw1fHxhcnRpZmljaWFsJTIwaW50ZWxsaWdlbmNlJTIwbWFjaGluZSUyMGxlYXJuaW5nJTIwY2xvdWQlMjBzZXJ2ZXJ8ZW58MHx8fHwxNzg5NDU3MzM1fDA&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] GaSe MBE 성장을 위한 멀티모달 ML 분석 프레임워크
RHEED 실시간 진단과 XRD/AFM 분석을 결합하여 GaSe 박막 성장 공정을 최적화하는 ML 프레임워크를 소개합니다. 성장 변수가 박막 품질에 미치는 영향을 데이터 기반으로 분석하여 실시간 공정 제어의 가능성을 제시합니다.
정현 (Jeonghyun) ![[리서치 브리핑] 신뢰할 수 있는 ML을 위한 데이터 이질성 모델링 분석](https://images.unsplash.com/photo-1674027444485-cec3da58eef4?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHwyfHxhcnRpZmljaWFsJTIwaW50ZWxsaWdlbmNlJTIwbWFjaGluZSUyMGxlYXJuaW5nJTIwY2xvdWQlMjBzZXJ2ZXJ8ZW58MHx8fHwxNzg5NDU3MzM1fDA&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] 신뢰할 수 있는 ML을 위한 데이터 이질성 모델링 분석
데이터 이질성이 ML 시스템의 성능과 신뢰성에 미치는 영향을 분석한 서베이 논문입니다. 이질성 인식 ML 패러다임을 통해 모델의 강건성과 공정성을 높이는 방안을 제시합니다.
정현 (Jeonghyun) ![[리서치 브리핑] 시스템 0: 인지적 확장으로서의 AI 프레임워크 분석](https://images.unsplash.com/photo-1697577418970-95d99b5a55cf?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3w5OTUzNTN8MHwxfHNlYXJjaHwxfHxhcnRpZmljaWFsJTIwaW50ZWxsaWdlbmNlJTIwbWFjaGluZSUyMGxlYXJuaW5nJTIwY2xvdWQlMjBzZXJ2ZXJ8ZW58MHx8fHwxNzg5NDU3MzM1fDA&ixlib=rb-4.1.0&q=80&w=1080)
papers-reports •
[리서치 브리핑] 시스템 0: 인지적 확장으로서의 AI 프레임워크 분석
AI를 인간 인지의 선행 단계인 '시스템 0'로 정의하고, 이를 통한 인지적 확장 가능성과 위험을 분석한 연구입니다. 아첨과 편향 문제를 해결하기 위한 7가지 인지 통합 프레임워크를 제안합니다.
정현 (Jeonghyun) ![[리서치 브리핑] 침묵의 실패(Silent Failure) 제어: 검증 가능한 AI 신뢰성 프레임워크 FAME 분석](https://images.unsplash.com/photo-1531403009284-440f080d1e12?w=1200&auto=format&fit=crop&q=80)
papers-reports •
[리서치 브리핑] 침묵의 실패(Silent Failure) 제어: 검증 가능한 AI 신뢰성 프레임워크 FAME 분석
AI의 확신에 찬 오답, 즉 '침묵의 실패'를 해결하기 위한 FAME 프레임워크를 분석합니다. 형식 검증과 실시간 모니터링의 결합을 통해 자율주행 등 고위험 AI 시스템의 신뢰성을 확보하는 전략을 다룹니다.
정현 (Jeonghyun) ![[리서치 브리핑] MLOps 프랙티스 실무 고찰: 도구 도입이 실패를 막지 못하는 이유](https://images.unsplash.com/photo-1558494949-ef010cbdcc31?w=1200&auto=format&fit=crop&q=80)
papers-reports •
[리서치 브리핑] MLOps 프랙티스 실무 고찰: 도구 도입이 실패를 막지 못하는 이유
MLOps 체계적 문헌 고찰을 바탕으로 머신러닝 시스템을 프로덕션으로 전환할 때 마주하는 사회기술적 병목, 파이프라인 얽힘, 그리고 지속 가능한 MLOps 거버넌스 방어 전략을 심층 분석합니다.
정현 (Jeonghyun) 
CACE Changing Anything Changes Everything — ML 시스템에 '고립된 지역 변경'은 존재하지 않는다
papers-reports •
[논문 분석] 구글이 경고한 '숨겨진 기술 부채': ML 시스템은 왜 배포 이후에 무너지는가
NeurIPS 2015에서 발표된 구글의 고전 논문 《Hidden Technical Debt in Machine Learning Systems》를 해부합니다. CACE 원칙, 보정 캐스케이드, 미신고 소비자, 파이프라인 정글 등 코드 리뷰로는 절대 잡히지 않는 시스템 레벨 부채의 실체와 거버넌스 대응책을 정리합니다.
정현 (Jeonghyun) 
80%+ 상용 서비스 배포 전 좌초되는 기업 AI 프로젝트 비율
papers-reports •
[리포트 분석] RAND 연구소 분석: 왜 기업 AI 프로젝트의 80% 이상이 상용화에 실패하는가?
글로벌 씽크탱크 RAND 연구소의 2024 리포트를 심층 해부합니다. 80%가 넘는 AI 프로젝트가 좌초되는 5대 근본 원인과 기술팀-비즈니스팀 간의 단절을 분석합니다.
정현 (Jeonghyun) 
95% vs 5% ML 시스템 전체 코드 중 인프라 및 데이터 파이프라인이 차지하는 비중
tech-mlops •
[MLOps] 랩실에서 99%였던 모델이 프로덕션에서 무너지는 이유: 데이터 드리프트와 서빙 스큐
오프라인 테스트셋에서는 경이로운 정확도를 보였던 모델이 실제 고객 서비스 환경에 배포되자마자 붕괴하는 기술적 메커니즘과 지속적 모니터링 아키텍처를 해부합니다.
Research Fellow: MLOps Lab 
13개월 PoC 단계에서 상용 서비스로 전환되지 못하고 표류하는 평균 기간
strategy-leadership •
[Project Management] AI 프로젝트 매니저가 가장 흔히 빠지는 4가지 치명적 함정
전통적 애자일/워터폴 개발 방식과 AI 제품 기획의 결정적 차이를 이해하지 못해 발생하는 'PoC의 덫'과 기대치 관리 실패를 극복하는 실무 지침서입니다.
AI Product Strategy Practice
ADVERTISEMENT
Google AdSense Slot (footer)
고정 레이아웃(CLS = 0) 스켈레톤 슬롯 * config.ts에서 승인 ID 설정 시 자동 활성화