docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics/AI & ML MLOps/Concept Drift (개념 드리프트, 모델 지식의 부패).md

@@ -1,13 +1,13 @@
 ---
-id: [[P-Reinforce]]-AI-047
-category: "10_Wiki/💡 Topics/AI & ML [[MLOps]]"
+id: [[P-Reinforce|P-Reinforce]]-AI-047
+category: "10_Wiki/💡 Topics/AI & ML [[MLOps|MLOps]]"
 confidence_score: 0.96
 tags: [ai, machine learning, mlops, data science]
 last_reinforced: 2026-06-XX
 github_commit: "[P-Reinforce] Processed Concept Drift (개념 드리프트)."
 ---
 
-# [[Concept Drift (개념 드리프트)]]
+# [[Concept Drift (개념 드리프트)|Concept Drift (개념 드리프트]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 시간이 지남에 따라 데이터의 통계적 특성이나 생성 메커니즘 자체가 변화하여, 이전에 학습된 AI 모델의 예측 정확도와 신뢰도가 점진적으로 떨어지는 현상이다.
@@ -15,7 +15,7 @@ github_commit: "[P-Reinforce] Processed Concept Drift (개념 드리프트)."
 ## 📖 구조화된 지식 (Synthesized Content)
 - **정의:** 머신러닝 시스템이 배포되고 운영되는 환경에서 발생하는 데이터 분포의 변화를 의미한다. 이는 단순한 '데이터 부족' 이상의 근본적인 모델 성능 저하 문제다.
 - **유형 및 원인:**
-    1. **Covariate [[Shift]] (공변량 드리프트):** 입력 데이터 $P(X)$가 변하는 경우. (예: 특정 계절에만 발생하는 트래픽 패턴 변화).
+    1. **Covariate [[Shift|Shift]] (공변량 드리프트):** 입력 데이터 $P(X)$가 변하는 경우. (예: 특정 계절에만 발생하는 트래픽 패턴 변화).
     2. **Concept Drift (개념 드리프트):** 실제 데이터 생성 과정 자체가 변하여, 같은 입력 $X$에 대한 레이블 $Y$의 조건부 확률 $P(Y|X)$가 변하는 경우. (예: 사용자의 구매 행동 패턴이 시대에 따라 근본적으로 변화).
 - **탐지 및 대응:** 
     1. **모니터링:** 모델 예측 결과와 실제 데이터 분포 간의 KL Divergence, JS Divergence 등을 주기적으로 측정하여 이상 징후를 포착한다.
@@ -27,6 +27,6 @@ github_commit: "[P-Reinforce] Processed Concept Drift (개념 드리프트)."
 
 ## 🔗 지식 연결 (Graph)
 - Parent: Model Collapse (모델 붕괴 현상)
-- Related: [[MLOps]] , Data Science in UX , Continuous Monitoring
+- Related: [[MLOps|MLOps]] , Data Science in UX , Continuous Monitoring
 
 ---

10_Wiki/Topics/AI & ML MLOps/Index.md

@@ -1,4 +1,4 @@
 # Index: Topics > AI & ML MLOps
 
 ## 📝 Documents
-- [[Concept Drift (개념 드리프트, 모델 지식의 부패)]]
+- [[Concept Drift (개념 드리프트, 모델 지식의 부패)|Concept Drift (개념 드리프트, 모델 지식의 부패]]