데이터위버

❮ ❯

자동화모델은 사람이 모델 구조를 직접 선택하거나 매번 예측을 실행하지 않아도, AI가 목표 지표와 데이터 상태를 분석하여 최적의 예측모델을 자동으로 생성하는 기능입니다. NEREUS는 수집된 해양·수산·경제·뉴스 데이터를 기반으로 변수 후보를 탐색하고, 모델을 설계한 뒤, 학습·검증·예측·재학습 과정을 반복합니다.

관리자는 예측 대상과 운영 조건만 설정하면 되며, 이후 과정은 RALF Mode 기반의 AI 에이전트가 자동으로 수행합니다.

핵심 개념

RALF Mode(Recursive Autonomous Learning & Forecasting Mode)는 AI가 하나의 예측 작업을 끝낼 때까지 반복적으로 수행하는 자동화 루프입니다. AI는 매 회차마다 이전 실행 결과, 성능 로그, 오류 기록, 데이터 변경 사항을 확인하고 다음 작업을 스스로 결정합니다. 목표 설정 → 데이터 탐색 → 변수 후보 생성 → 모델 설계 → 학습 및 검증 → 예측 실행 → 성능 평가 → 개선 또는 재학습 → 반복 예측 이 구조를 통해 NEREUS는 단순히 "예측값을 보여주는 시스템"이 아니라, 예측모델을 계속 만들어내고 개선하는 AI 운영체계로 동작합니다.

자동화모델 구성 요소

NEREUS 자동화모델은 예측 작업의 각 단계를 담당하는 전문 에이전트로 구성됩니다.

• AI Planner — 예측 대상, 데이터 상태, 모델 목적을 분석하고 전체 작업 순서를 계획합니다.
• Data Scout — 신규 데이터, 결측, 이상치, 급격한 변동 구간을 자동 탐색합니다.
• Feature Engineer — 원자료를 변환해 예측에 사용할 파생변수와 충격변수를 생성합니다.
• Model Builder — 여러 예측 알고리즘을 조합해 후보 모델을 자동 생성합니다.
• Model Judge — 예측 정확도, 안정성, 설명 가능성, 최신성을 기준으로 모델을 평가합니다.
• Re-Forecaster — 새 데이터가 들어오면 예측을 다시 실행하고 이전 결과와 비교합니다.

지원 모델 유형

NEREUS는 전통 시계열부터 딥러닝까지 다양한 예측 모델을 자동으로 구성하고 평가합니다.

• 전통 시계열 모델 — ARIMA, VAR, Dynamic Factor Model, Bridge Equation 기반 예측
• 머신러닝 모델 — Lasso, ElasticNet, Random Forest, XGBoost 기반 변수 선택 및 예측
• 딥러닝 모델 — LSTM, GRU, Transformer, Mamba 기반 장단기 패턴 학습
• 뉴스 조정 모델 — 뉴스 이벤트, NER 엔티티, 감성 점수, 정책 변화 신호를 반영한 예측 보정
• 파급지수 연동 모델 — 충격전파지수, 공급망위험지수, 물류압박지수 등 복합지수를 예측변수로 활용
• 앙상블 모델 — 여러 모델의 예측값을 비교·결합하여 안정적인 최종 예측값 산출

자동화모델 운영 결과

자동화모델은 예측값만 생성하지 않습니다. 모델이 어떤 데이터를 사용했고, 왜 해당 구조를 선택했으며, 이전 예측 대비 무엇이 달라졌는지 함께 기록합니다.

• 예측값 Nowcast / Forecast
• 자동 생성 모델 카드
• 사용 변수 목록
• 모델 성능 리포트
• 데이터 변경 로그
• 예측 오차 분석
• 재학습 이력
• LLM 판단 보정 내역

자동화모델은 AI가 스스로 예측모델을 만들고 운영하는 NEREUS의 자율 예측 엔진입니다. 데이터가 갱신되면 AI가 변수 후보를 찾고, 모델을 설계하고, 학습·검증·예측을 반복합니다. 사람은 모델을 직접 만드는 대신, AI가 만든 결과를 검토하고 정책적 판단에 집중할 수 있습니다.