[G1-Sync] Manual knowledge update

10_Wiki/Topics/Model-Drift-and-Monitoring.md

@@ -1,8 +1,8 @@
 ---
-id: MLOPS-DRIFT-001
+id: [[MLOps]]-DRIFT-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [mlops, model-drift, monitoring, observability, concept-drift, data-drift]
+tags: [mlops, model-drift, monitoring, observability, [[Concept-Drift]], data-drift]
 last_reinforced: 2026-04-26
 ---
 
@@ -14,7 +14,7 @@ last_reinforced: 2026-04-26
 ## 📖 구조화된 지식 (Synthesized Content)
 - **추출된 패턴:** "Continuous Observability and Feedback Loop" — 모델의 정확도뿐만 아니라 입력 데이터의 분포(Data Drift)와 예측 대상의 본질적 의미(Concept Drift) 변화를 추적하여, 모델의 유효 기한을 판단하고 자동으로 대응하는 관측 패턴.
 - **주요 드리프트 유형:**
-    - **Data Drift (Covariate Shift):** 입력 데이터($P(X)$)의 분포가 학습 때와 달라지는 현상. (예: 새로운 사용자 층 유입)
+    - **Data Drift (Covariate [[Shift]]):** 입력 데이터($P(X)$)의 분포가 학습 때와 달라지는 현상. (예: 새로운 사용자 층 유입)
     - **Concept Drift:** 입력과 출력 사이의 관계($P(Y|X)$) 자체가 변하는 현상. (예: 소비자 선호도 변화)
     - **Prior Probability Shift:** 정답 레이블($P(Y)$)의 비율이 변하는 현상.
 - **의의:** AI 모델이 배포 후 방치되지 않고, 변화하는 현실 세계에 맞춰 지속적으로 신뢰성을 유지하게 만드는 MLOps의 핵심 생명 유지 장치.