> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/roboflow/roboflow-ko/deploy/active-learning.md).

# 액티브 러닝

Active Learning은 배포된 모델에서 프로덕션 데이터를 수집해 검토 및 재학습을 위해 표시합니다. 모델이 프로덕션에서 inference를 실행하면, Active Learning은 사용자가 구성한 규칙(예: 낮은 confidence의 예측 또는 특정 class)에 따라 이미지를 자동으로 샘플링하여 human review를 위해 대기열에 넣습니다.

{% hint style="info" %}
Active Learning에는 cloud deployment가 필요합니다. 이 기능은 Annotation Review 기능이 포함된 플랜에서 사용할 수 있습니다.
{% endhint %}

## Active Learning 활성화

1. Project를 열고 왼쪽 사이드바에서 "Active Learning"을 선택하세요.
2. Active Learning을 켜세요.

Active Learning이 데이터를 수집하려면 Project에 학습된 model과 활성 cloud deployment가 있어야 합니다.

## 수집 규칙 구성

Active Learning에는 수집 한도와 조건이라는 두 가지 구성 범주가 있습니다.

### 수집 한도

Active Learning이 얼마나 많은 데이터를 수집할지 제어합니다:

* 샘플링 비율: 샘플링할 inference의 비율(예: 0.5%)
* 분당, 시간당, 일일 이미지 상한
* 압축 수준 및 최대 이미지 크기
* batch 재생성 빈도(매일, 매주, 매월 또는 없음)
* 수집된 이미지와 함께 model predictions를 저장할지 여부

이 설정을 수정하려면 수집 한도 섹션에서 "Edit"를 클릭하고 configuration modal에서 값을 업데이트하세요.

### 조건

조건은 어떤 이미지가 수집될지 필터링합니다. 모델 유형에 따라 규칙을 정의할 수 있습니다:

* confidence 임계값(예: confidence가 60% 미만으로 떨어지는 이미지를 수집)
* 관심 있는 특정 class
* detection 수 요구사항

조건을 설정하려면 조건 섹션에서 "Edit"를 클릭하세요.

## 수집된 이미지 검토

Active Learning이 이미지를 수집하면 Active Learning 페이지의 Images 섹션에 표시됩니다. 이 페이지에는 검토할 준비가 된 이미지 수와 현재 검토 중인 이미지 수가 표시됩니다.

검토를 시작하려면:

1. "Review Images"를 클릭하여 검토 대기열을 여세요.
2. 상태(Not Started, In Progress)별로 batch를 탐색하고 생성 날짜, 이미지 수 또는 진행률로 정렬하세요.
3. 검토를 시작할 batch를 선택하세요.

## 검토자 할당

팀 전체에 검토 작업을 분배할 수 있습니다:

1. 검토 대기열을 열고 batch를 선택하세요.
2. "검토자 할당"을 클릭하세요.
3. 팀원을 선택하고, 할당할 이미지 수를 설정한 다음, 필요하면 검토 지침을 추가하세요.
4. 각 검토자가 받을 이미지를 무작위로 지정하려면 "Shuffle Images"를 켜세요.

이미지가 할당되면 검토자에게 알림이 전송됩니다. 언제든지 이미지를 다른 검토자에게 재할당할 수 있습니다.

## Active Learning이 학습 루프에 통합되는 방식

일반적인 작업 흐름:

1. model을 학습하고 배포합니다.
2. 사용 사례에 맞게 조정한 조건으로 Active Learning을 활성화합니다.
3. 조건과 일치하는 프로덕션 데이터가 수집되어 대기열에 추가됩니다.
4. 검토자가 수집된 이미지를 라벨링합니다.
5. 검토된 이미지를 dataset에 추가하고 retrain하여 model을 개선합니다.

이렇게 하면 model이 가장 어려워하는 사례에서 점점 더 나아지는 피드백 루프가 만들어집니다.

## REST API

다음을 통해 Active Learning을 프로그래밍 방식으로 관리할 수 있습니다: [Project Deploy API](https://docs.roboflow.com/developer/rest-api/project-deploy-api). 이 API를 사용하면 Active Learning을 활성화/비활성화하고, 수집 한도와 필터를 업데이트하며, 수집된 이미지를 나열할 수 있습니다.