앰플
4.0 (1)앰플랩
경력근거: 데이터가 없거나, 있어도 맥락이 끊겨있거나
수집일 없음
※ 실제 산출물이 아닌 AI 예측 시안입니다.
앰플랩의 문제의식은 데이터가 없거나 맥락이 끊겨 있는 현장 그 자체라, 현장 데이터를 연결·점검해 AI 입력으로 만드는 이 도구는 앰플랩이 들어가는 공장·대기업 현장의 끊긴 데이터가 있어야 의미가 있습니다.
'매일 현장에 가서 풀리지 않는 문제를 푼다'. 데이터 연결이 현장 AX 의 1주 단위.
'데이터가 없거나 맥락이 끊겨있거나'. 연결·정합성 점검이 직격.
'기술적 주도권은 엔지니어에게'. 통합 데이터 구축이 E2E.
현장의 흩어지고 맥락이 끊긴 데이터를 받아 키 연결·정합성 점검을 하고, AI 가 쓸 수 있는 통합 데이터로 만드는 1주 FDE PoC.
앰플랩 FDE. 현장의 끊긴 데이터를 사람이 수기로 잇던 일을, 자동 연결·정합성 점검 도구로 옮기고 싶은 사람입니다.
데이터에 키·관계를 붙이면, 도구가 (a) 끊긴 키를 연결하고 (b) 정합성 오류를 근거와 함께 짚어 AI 입력으로 만들 수 있습니다.
흩어진 현장 데이터를 받아 키 연결·정합성 오류를 짚어 통합 데이터로 만드는 동작하는 도구입니다.
키 연결·정합성 판정이 실제와 맞는 비율과 오탐을 보여주는 대시보드입니다.
연결·점검을 정기 파이프라인으로 자동화하는 단계입니다.
현장 데이터를 넣으면 끊긴 키 연결·정합성 오류가 근거와 함께 나오는 걸 시연합니다.
키 연결·중복 점검이 정답과 일치하는 비율 100%
측정: 결정적 재계산, 표본: 레코드 200건
일부러 만든 결측·중복·orphan 데이터 30종을 넣어도 점검이 멈추지 않고 처리되는 걸 시연합니다.
위 수치는 더미데이터 자가채점이며, 실제 연결 정확도는 앰플랩 실데이터 + 실 검수자가 있어야 측정 가능합니다. 이 포트폴리오는 그 검증을 바로 돌릴 수 있는 상태까지 만듭니다.
수치는 합성 데이터 자가채점이라 성능 증명이 아닙니다. 면접에서는 데모 동작과 실검증 준비 상태로 솔직히 설명합니다.
정답을 작성자가 만들었으니 잘 맞는 것이 당연합니다. 결측·경계·미등록·표기 흔들림 케이스를 더미에 일부러 섞어 쉬운 문제만 푸는 게 아님을 보여줍니다.
오탐: 정상 데이터를 오류로 막지 않도록 고신뢰만 자동, 모호는 검토 큐로 보냅니다.
실제 도입 시 달라지는 것: 실 고객 데이터·환경이 더미와 다르므로 규칙·파이프라인을 실데이터로 맞춰야 한다(도입 단계 과제)
① 인라인 샘플 · ② seed.json 다운로드 · ③ 증강 프롬프트. 세 층 모두 동일한 schema 에서 파생.
현장 데이터를 연결·정합성 점검 입력으로 쓴다
| rec_id | entity_raw | entity_id | field | value | ref_key |
|---|---|---|---|---|---|
| FD900 | A라인(구) | — | 생산량 | — | — |
| FD901 | 설비0 | e0 | 불량 | 중복 | e0 |
| FD902 | 설비0 | e0 | 불량 | 중복 | e0 |
| FD903 | 미등록설비 | — | 가동 | 1 | e999 |
| FD000 | 설비0 | e0 | 생산량 | v0 | e0 |
{"type":"object","properties":{"rec_id":{"type":"string"},"entity_raw":{"type":"string"},"entity_id":{"type":["string","null"]},"field":{"type":"string"},"value":{"type":["string","null"]},"ref_key":{"type":["string","null"]}},"required":["rec_id","entity_raw","entity_id","field","value","ref_key"]}. 쉬운 데이터만 만들지 말 것. 다음 하드 케이스를 의도적으로 섞어라: value null(누락), 중복 레코드(FD901/902), entity_id null 미등록, ref_key orphan(e999), entity_raw 표기 흔들림. 형식 깨뜨리기 시도 3건도 별도로.{"type":"object","properties":{"rec_id":{"type":"string"},"entity_raw":{"type":"string"},"entity_id":{"type":["string","null"]},"field":{"type":"string"},"value":{"type":["string","null"]},"ref_key":{"type":["string","null"]}},"required":["rec_id","entity_raw","entity_id","field","value","ref_key"]}| TypeScript | 연결 렌더 + Zod 검증 |
| React | 데이터 연결 대시보드 |
| Next.js | 앱 셸 |
| Tailwind | 대시보드 UI |
| FastAPI | 연결·점검 API |
| Django | 데이터 관리 백엔드 |
✓ pass → 그대로 멈춰도 완성품입니다. 더 키우려면 2주차(연결 정확도 검증)로 갑니다.
✓ pass → 여기서 멈춰도 완결입니다. 더 키우려면 3주차(파이프라인 자동화)로 갑니다.
연결·정합성 점검
{"type":"object","properties":{"rec_id":{"type":"string"},"issues":{"type":"array","items":{"type":"string"}},"linked_to":{"type":["string","null"]},"evidence":{"type":"array","items":{"type":"string"}}},"required":["rec_id","issues","linked_to","evidence"]}[
{
"rec_id": "FD903",
"issues": [
"ref_key orphan"
],
"linked_to": null,
"evidence": [
"e999 마스터 없음"
]
},
{
"rec_id": "FD901",
"issues": [
"중복"
],
"linked_to": "FD902",
"evidence": [
"동일 entity·field·value"
]
},
{
"rec_id": "FD900",
"issues": [
"value 결측"
],
"linked_to": null,
"evidence": [
"value=null"
]
}
]issues 규칙·evidence 정합성은 자동 검증, 연결 적절성은 현장 담당/judge 검증.
근거: 데이터가 없거나, 있어도 맥락이 끊겨있거나