---
id: wiki-2026-0508-pre-processing-data-for-ai
title: Pre processing Data for AI
category: 10_Wiki/Topics
status: needs_review
canonical_id: self
aliases: [DATA-PRE-001]
duplicate_of: none
source_trust_level: A
confidence_score: 1.0
tags: [data-science, ai, machine-learning, preProcessing, data-cleaning, Feature-Engineering, Normalization]
raw_sources: []
last_reinforced: 2026-04-26
github_commit: pending
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---

# Pre-processing Data for AI (AI를 위한 데이터 전처리)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "데이터의 날것 그대로를 신뢰하지 말고, 지능이 소화하기 가장 편안한 형태로 정제하고 규격화하여 모델의 잠재력을 해방하라" — 분석이나 학습에 적합하지 않은 원시 데이터를 데이터 품질을 높이고 학습 효율을 최적화하기 위해 가공하는 모든 인공지능 워크플로우의 최우선 과정.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Data Cleansing and Structural [[Alignment|Alignment]]" — 불완전한 기록(Missing value)을 메우고, 극단적인 값(Outlier)을 처리하며, 서로 다른 단위의 숫자들을 동일한 범위로 맞추어(Scaling) 모델이 특정 변수에만 휘둘리지 않게 만드는 패턴.
- **주요 작업 단계:**
    - **Cleaning:** 오타 수정, 결측치 처리(Imputation), 중복 데이터 제거.
    - **Transformation:** 정규화(Normalization), 표준화(Standardization), 로그 변환.
    - **Reduction:** 차원 축소(PCA), 특징 선택(Feature Selection).
    - **Discretization:** 연속형 변수를 범주형으로 변환.
- **의의:** 전체 데이터 사이언스 업무의 80% 이상을 차지하는 핵심 노동이자, 모델의 성능 하한선을 결정짓는 가장 실질적인 품질 관리 과정.

## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
- **과거 데이터와의 충돌:** 사람이 일일이 규칙을 만들어 전처리하던 방식에서, 이제는 전처리 과정 자체를 학습하여 최적화하는 Auto-Preprocessing 기술과 데이터 유효성을 자동으로 검사하는 Data Observability 도구들이 필수적으로 도입되고 있음.
- **정책 변화:** Antigravity 프로젝트는 외부 원시 위키 데이터를 시스템으로 가져올 때, 텍스트 내의 불필요한 마크업이나 특수 기호를 제거하고 Karpathy 스타일로 재구성하기 위한 전용 NLP 전처리 엔진을 가동함.

## 🔗 지식 연결 (Graph)
- [[Normalization-Strategies|Normalization-Strategies]], [[Outlier-Detection-Techniques|Outlier-Detection-Techniques]], [[One-Hot-Encoding|One-Hot-Encoding]], [[Exploratory-Data-Analysis|Exploratory-Data-Analysis]]
- **Raw Source:** 10_Wiki/Topics/AI/Pre-processing-Data-for-AI.md

## 🤖 LLM 활용 힌트 (How to Use This Knowledge)

**언제 이 지식을 쓰는가:**
- *(TODO)*

**언제 쓰면 안 되는가:**
- *(TODO)*

## 🧪 검증 상태 (Validation)

- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*

## 🧬 중복 검사 (Duplicate Check)

- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

## 🕓 변경 이력 (Changelog)

| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|------|-----------|-----------|--------|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |