ISO/IEC 5259는 AI/ML 시스템에 사용되는 데이터의 품질을 체계적으로 관리하기 위한 국제표준 시리즈입니다. 데이터의 완전성, 정확성, 일관성, 적시성 등 핵심 품질 측정 기준(Quality Measures)을 정의하며, AI 모델의 성능과 신뢰성을 데이터 단계에서부터 보증하는 프레임워크를 제공합니다. ISO/IEC 5259 준수는 페블러스의 데이터클리닉(DataClinic)과 데이터 그린하우스(Data Greenhouse) 플랫폼이 지원하는 핵심 기능입니다.
ISO/IEC 5259 시리즈는 기존의 ISO/IEC 25012 및 ISO/IEC 25024를 기반으로 합니다. 이 표준들은 정형 데이터베이스의 품질을 메타데이터 관점에서 정의하는 기초 표준이었지만, AI가 발전하면서 비정형 데이터(텍스트, 이미지, 음성)와 모델 학습, 다양한 AI 태스크를 목표로 하는 데이터의 요구사항을 충족하기에 한계가 드러났습니다. ISO/IEC 5259는 이 간극을 메우기 위해 탄생했으며, 다양성(diversity), 대표성(representativeness), 유사성(similarity), 균형(balance) 등 ML 특화 품질 특성을 추가하여 — 데이터가 단순히 정확한지가 아니라, AI 모델 학습에 얼마나 적합한지를 평가합니다.
페블러스는 데이터 품질 분야의 깊은 전문성을 구축하며, 국제표준과 자체 기술을 연결하고 있습니다. DataLens는 DNN 기반에서 출발하여 뉴로-심볼릭(neuro-symbolic) 엔진으로 진화했으며, 현재 멀티모달 데이터셋과 의미적으로 복잡한 규제 도메인까지 영역을 확장하고 있습니다. Data Imaging과 결합하여 표준이 요구하는 품질 측정 기준을 자동으로 산출합니다. 페블러스는 현재 Agentic AI를 적용하여 진단에서 인증까지 품질 평가 프로세스를 완전 자동화하는 것을 목표로 하고 있습니다. 최근에는 ISO/IEC 5259-2를 이미지 데이터셋에 적용하는 이론과 실전 사례를 정리했으며, ImageNet·WikiArt·SpectralWaste 세 데이터셋에 대한 독립 평가 결과를 공개했습니다.
ISO/IEC 5259-2 표준의 품질 측정 기준(Quality Measures)에 대한 빠른 참조 가이드. AI/ML 프로젝트의 데이터 품질 요구사항 정의와 진단의 출발점입니다.
ISO/IEC 5259 표준을 활용하여 LLM 텍스트 데이터의 품질을 평가하는 방법론과 실제 사례. AI 시대 데이터 품질 평가의 새로운 패러다임을 제시합니다.
ISO/IEC 5259-2 QM과 페블러스 데이터클리닉의 1:1 기술 매핑. 뉴로-심볼릭 DataLens와 Data Imaging을 통한 완전성, 유사성, 대표성 측정 방법을 소개합니다.
정량적 매핑의 심층 분석. 각 QM 카테고리가 데이터클리닉의 자동 측정 역량에 어떻게 대응하는지를 테이블 중심으로 체계적으로 정리합니다.
픽셀 수준과 작업 수준, 두 레이어로 나뉘는 이미지 데이터 품질. ISO/IEC 5259-2 기반 23개 QM 체계를 유형 A·B·C별로 정리하고 DataClinic 지원 여부를 매트릭스로 제공합니다.
ImageNet·WikiArt·SpectralWaste의 DataClinic 진단 결과를 ISO/IEC 5259-2 QM 코드로 해석. Bal-ML, Div-ML, Rep-ML 등 11개 항목을 세 데이터셋에 매핑하고, 미지원 항목의 실전 측정법을 제시합니다.
KOLAS 인정 전략과 특허 기반 기술 해자를 포함한 글로벌 인증 로드맵. 페블러스가 국내 최초 AI 데이터 품질 공인 인증 기관을 목표로 하는 전략을 다룹니다.
ISO/IEC 25024 기반 데이터 품질 측정 지표를 SQL로 직접 구현하는 실습 가이드. ISO/IEC 5259의 토대가 되는 정형 데이터 품질 표준을 실전 코드로 익힙니다.
ISO/IEC 5259-2 표준 문서에서 개념·관계·제약을 추출해 온톨로지로 형식화하는 방법론. 표준을 기계가 읽을 수 있는 지식 구조로 변환하는 과정을 단계별로 설명합니다.
ISO/IEC 5259-2 표준 문서를 온톨로지로 구조화한 뒤 CURK 탐색기로 탐색하는 실습. 방대한 표준 문서를 개념 그래프로 항해하는 새로운 접근법을 소개합니다.
픽셀 수준과 작업 수준, 두 레이어로 나뉘는 이미지 데이터 품질. ISO/IEC 5259-2 기반 23개 QM 체계를 유형 A·B·C별로 정리하고 컴퓨터 비전 실전 적용 방법을 소개합니다.
ImageNet·WikiArt·SpectralWaste의 DataClinic 진단 결과를 ISO/IEC 5259-2 QM 코드로 해석. 이론을 실전 데이터셋에 연결하는 사례 중심 가이드입니다.
딥러닝을 낳은 ImageNet 143만 장을 ISO/IEC 5259-2:2024 기준으로 독립 평가. 세계 최고의 벤치마크 데이터셋도 표준 앞에서는 어떤 점수를 받는지 확인합니다.
WikiArt 81,444장을 ISO/IEC 5259-2:2024 품질측정기준으로 독립 평가. 예술 데이터셋이 AI 학습에 쓰일 때 드러나는 구조적 품질 문제를 짚습니다.
SpectralWaste 재활용 폐기물 이미지 데이터셋(2,794장, 6클래스)을 ISO/IEC 5259-2 기준으로 독립 평가. 실전 산업 데이터가 표준을 통과하는 과정을 보여줍니다.