Metronome — 재학습 박자

공개 데이터 ETTh1(변압기 부하·유온, 1시간 간격)을 시간순으로 재생합니다. 학습은 worker 가 하고, API 는 해시와 참조 입출력을 다시 검증한 모델만 교체합니다. 모든 버튼은 실제 API 를 호출합니다.

데이터 출처와 검사

고정된 원본(URL + SHA-256)을 내려받아 스키마 검사를 통과한 것만 Parquet 으로 저장합니다. 학습은 초기 구간, 평가와 재학습은 그 뒤의 스트림 구간에서만 일어납니다.

데이터셋: —

검사 결과

검사	건수	상태

채널 요약

채널마다 0–1 로 정규화한 구간 평균. 점선 왼쪽은 초기 학습 구간, 오른쪽은 재생되는 스트림 구간.

채널	평균	표준편차	최소	최대	결측

내 CSV 검사해 보기

첫 열(또는 timestamp/date 열)이 시각, 나머지 열이 숫자인 CSV 를 올리면 같은 파이프라인의 검사(중복·역행·간격·결측·상수 채널)를 돌려 결과를 돌려줍니다. 파일은 저장하지 않습니다. 5 MB 까지.

아직 올린 파일이 없습니다.

모델 계열 비교 (같은 분할, 오프라인)

—

모델	시험 MSE	시험 MAE	파라미터	에포크	학습(s)	시드

후보 학습 → 게이트 → 승격 (실시간)

고른 계열로 지금 스트림 시점까지의 데이터에서 후보를 학습해 등록만 합니다. 승격은 먼저 파일 무결성(해시·참조 입출력·parity)을 확인하고, 그다음 후보와 현재 모델을 후보의 학습 마감 전 14일 중 정답이 모두 도착한 날들의 같은 origin 에서 고정 척도로 비교해 후보가 더 낮을 때만 합니다. 동률·표본 부족이면 현재 모델을 유지합니다.

계열 최대 에포크

현재 모델: —

작업	계열	상태	버전	검증 MAE	학습(s)	게이트

지금 서비스 중인 모델

버전: —

모델 카드 열기

교체 이력

아직 교체가 없습니다.

버전과 원클릭 전환

활성화를 누르면 서비스가 해시와 참조 입출력을 다시 검증한 뒤 포인터만 바꿉니다. 검증에 실패하면 거부하고 현재 모델을 유지합니다.

버전	계열	계기	검증 MAE	parity	등록

예측 호출

채널 스트림의 현재 시점에서 과거 lookback 을 보내고 다음 horizon 을 받습니다.

실선: 과거 실제값, 굵은 선: 모델 예측, 점선: 그 뒤 실제값(리플레이가 켜져 있을 때).

호출 예

—

오차 감시

최근 7일 MAE—

배포 시 검증 MAE—

해결된 예측—

대기 중 재학습—

검출기	통계량	임계값	상태

일별 MAE(초기 학습 구간 표준편차 단위). 색은 그날 예측한 모델 버전, ▲는 검출기 경보.

스트림 재생

기록된 데이터를 시간순으로 흘려보냅니다. 매 시각 예측 → 실제값 도착 → 오차 해결 → 검출기 판단 → (필요 시) 재학습 요청 → worker 가 새 버전 등록 → 검증 후 무중단 교체.

주기 재학습(일)

리플레이가 시작되지 않았습니다.

재학습 요청이 없습니다.

재학습 정책 실험 (오프라인, 사전 등록 프로토콜)

artifacts/cadence 의 결과를 요약합니다. 수치는 저장소의 JSON 과 CI 의 숫자 검사로 대조됩니다.

데이터셋	never	periodic-7	periodic-1	대표 감시 정책	재학습 횟수