⏰1D 7H ┃ 09:30~17:30
M1. 부당전보, 기준부터 다시 잡다
🔹부당전보 개념의 본질적 이해
🔹유형별 쟁점 정리-어떤게 부당전보인가
🔹법원 · 노동위원회는 어떤 기준으로 판단하는가
M2. AI로 부당전보 리스크를 읽는 법
🔹데이터 확보 → 모델 설계 → 검증 → 결과 분석, 전체 흐름을 한눈에
🔹데이터확보
-판례/판정문의 판단기준 데이터 구조화 방법
-입력변수 · 라벨 등 AI가 이해하는 언어로 번역하기
🔹AI 분석모델 설계
-분류 문제 정의 - '부당전보인가, 아닌가'를 AI에게 묻는 법
-알고리즘 선택 기준과 학습 · 검증 절차의 이해
🔹결과분석
-성능지표 해석- AI의 답을 얼마나 믿을 수 있는가
-분석 결과를 실무 리스크 통제로 연결하는 방식
M3. 실습①- 부당전보 데이터, 직접 만들다
🔹판례 · 판정문 해부: 제공된 사례를 쟁점 단위로 분해하기
🔹진단 체크리스트 항목 도출/확정 : 판단기준별 항목 정의와 도출 방법, 실무에서 바로 쓸 수 있는 체크리스트 세트 구성
🔹AI 학습용 데이터 변환 : 더미변수화 코딩- 텍스트를 숫자로 바꾸는 실전, 타켓 라벨 설정
M4. 실습②- AI 분석모델, 직접 만들다
🔹오렌지(Orange) 프로그램으로 데이터 로딩 및 학습 수행
🔹분석모델 학습- 내 손으로 AI를 훈련시키는 시간
🔹교차검증 적용 · 모델별 성능 비교
🔹분석 결과 검증 및 평가- 어떤 모델이 가장 정확한가
M5. 실습③- AI의 예측, 직접 확인하다
🔹AI 분석모델 직장 내 부당전보 리스크 예측: 신규 케이스 입력 → AI가 내놓는 부당전보 리스크 예측 결과 해석
🔹진단 체크리스트 항목별 영향도 분석: 체크리스트 항목별 리스크 영향도 도출, 어떤 요인이 부당전보 판단에 가장 크게 작용하는가
🔹진단 체크리스트 항목 개선: 개선 조치를 적용하면 리스크가 얼마나 낮아지는가, 재예측을 통한 개선 효과 확인