2. 실습 데이터와 AI 모델

📍 지금 어디: 공통 기초 2/3 — ① 연합학습과 FedOps → ② 데이터와 모델 → ③ 준비하기

🎯 이 단계에서 하는 일: 이 튜토리얼에서 학습할 데이터와 모델을 이해합니다. Owner 는 이 모델을 설계·공개하고, Client 는 이 모델을 자기 병원 데이터로 학습시키며, 모델 활용 트랙에서는 이 모델이 Agent 의 도구가 됩니다. 세 트랙이 모두 같은 모델 하나를 다룹니다.

  1. 데이터: UCI Heart Disease — 처음부터 병원별로 나뉜 데이터
    1. 입력과 정답
    2. 왜 이 데이터인가
    3. 두 병원은 어떻게 다른가 (non-IID)
  2. AI 모델이란
  3. 이 튜토리얼의 모델: 작은 MLP
    1. 왜 이 모델인가
    2. 이 모델이 튜토리얼에서 거치는 길
  4. 출처
  5. 다음 단계

데이터: UCI Heart Disease — 처음부터 병원별로 나뉜 데이터

1980년대에 병원 4곳이 각자 모은 심장 검사 기록입니다. 1988년 UCI ML Repository 에 병원별 파일로 공개됐고, 지금도 병원마다 파일이 따로 있습니다. 그래서 데이터를 일부러 나누지 않아도 “병원마다 자기 데이터만 가진” 연합학습 상황이 그대로 만들어집니다.

병원나라원본 행정리 후 행심장병 비율이 튜토리얼
Hungarian Institute of Cardiology (부다페스트)헝가리29426138%Task Owner
Cleveland Clinic Foundation미국30330346%Client
VA Medical Center (롱비치)미국20013078%쓰지 않음 (참여자를 늘릴 때)
University Hospital Zurich · Basel스위스1234698%쓸 수 없음 — 심장병 없는 환자가 1명뿐

“정리 후”는 결측이 많은 열 3개를 빼고, 남은 결측이 있는 행을 뺀 결과입니다(아래 전처리). 같은 데이터·같은 정리 방식이 의료 연합학습 벤치마크 FLamby 의 Fed-Heart-Disease 로 쓰입니다(NeurIPS 2022 Datasets & Benchmarks).

입력과 정답

환자 1명이 1행입니다. 입력 10개로 정답 1개를 맞힙니다.

열뜻값
age나이세
sex성별1 남 / 0 여
cp가슴 통증 유형 (범주)1 전형적 협심증, 2 비전형적 협심증, 3 협심증 아닌 통증, 4 증상 없음
trestbps안정 시 혈압mmHg
chol혈청 콜레스테롤mg/dl
fbs공복 혈당 > 120 mg/dl1 예 / 0 아니오
restecg안정 시 심전도 (범주)0 정상, 1 ST-T 파 이상, 2 좌심실 비대
thalach운동 중 최대 심박수회/분
exang운동 유발 협심증1 예 / 0 아니오
oldpeak운동으로 생긴 ST 분절 하강mm
target (정답)심장병0 = no_disease(없음), 1 = disease(있음)
  • 원본 정답 num 은 0~4 (0 = 없음, 1~4 = 혈관 좁아짐 정도)입니다. FLamby 와 같이 num > 0 이면 심장병(1) 으로 묶어 두 클래스로 만듭니다.
  • 원본 파일의 입력은 13개지만 그중 slope·ca·thal 은 헝가리·스위스·VA 에서 대부분 비어 있어 뺐습니다(FLamby 와 같음).
  • cp·restecg 는 숫자처럼 보이지만 크기 순서가 없는 범주입니다. “통증 유형 4 가 2 의 두 배”가 아닙니다. 템플릿은 이 두 열을 범주로 따로 다룹니다(schema.py 의 CATEGORICAL_FEATURES).
  • 나머지 8개는 크기가 크게 다릅니다(chol 은 수백, oldpeak 는 0~6). 그래서 학습 전에 표준화(평균 0, 표준편차 1)를 합니다.

왜 이 데이터인가

이유설명
처음부터 병원별로 나뉘어 있다한 데이터를 튜토리얼이 임의로 쪼갠 것이 아니라, 실제로 다른 병원이 따로 모은 기록입니다. “병원마다 데이터가 다르다”는 연합학습의 핵심 어려움이 꾸며낸 것이 아닙니다
연합학습 연구에서 쓰는 데이터다FLamby 의 Fed-Heart-Disease 와 같은 분할이라, 이 튜토리얼에서 익힌 것을 논문의 실험과 바로 비교해 볼 수 있습니다
노트북 CPU 로 빠르다병원마다 수백 행 × 10열이라 학습·점검·연합학습 라운드가 몇 초~몇 분이면 끝납니다
준비가 간단하다원본 파일 4개(약 40 KB)가 실습 템플릿에 들어 있습니다. CC BY 4.0 이라 출처를 밝히면 재배포할 수 있습니다
Agent 와 잘 맞는다입력이 나이·혈압·통증 유형처럼 사람이 읽을 수 있는 값이고, 출력이 “심장병 있음/없음 + 확률”이라 LLM 이 문장으로 설명하기 좋습니다

고르지 않은 후보: Breast Cancer Wisconsin(한 병원 데이터라 병원별로 나누려면 임의로 쪼개야 함 — 이 튜토리얼의 이전 판), FEMNIST(연합학습 논문의 표준이지만 이미지라 모델·Agent 입력이 크게 달라짐), FLamby 의 다른 의료 데이터(영상·3D 라 노트북 CPU 에 무거움).

교육용입니다. 여기서 만든 모델은 진단에 쓰지 않습니다. 이 데이터에서 정확도는 0.75~0.8 안팎이 보통이고, 이 튜토리얼의 목적은 정확도가 아니라 FedOps 로 연합학습을 끝까지 돌려 보는 것입니다.

두 병원은 어떻게 다른가 (non-IID)

 헝가리 (Owner)클리블랜드 (Client)
행261303
심장병 없음 / 있음163 (62%) / 98 (38%)164 (54%) / 139 (46%)
prepare_data.py 가 만드는 파일data/out/hungarian/dataset.csvdata/out/cleveland/dataset.csv

이렇게 기관마다 데이터 분포가 다른 상태를 non-IID 라고 합니다. 현실의 연합학습은 거의 항상 non-IID 이고, 연합학습이 어려운 가장 큰 이유입니다. 실제 병원이라면 서로의 데이터를 볼 수 없지만, 여기서는 흐름을 이해하려고 두 병원의 비율을 모두 보여 줍니다.

AI 모델이란

이 튜토리얼에서 AI 모델은 “검사 값 10개를 받아 심장병일 확률을 내는 함수” 입니다.

입력 (나이·혈압·통증 유형 등 10개)  →  [ 모델 ]  →  없음 0.32 / 있음 0.68

함수 안에는 파라미터라 부르는 숫자가 많이 들어 있습니다. 처음에는 아무렇게나 정해져 있어 엉뚱한 답을 내고, 학습은 정답이 있는 데이터를 보여 주며 이 숫자들을 조금씩 고쳐 답을 맞히게 만드는 과정입니다.

연합학습에서 오가는 것이 바로 이 파라미터입니다. 각 병원은 데이터 대신 “우리 데이터로 고친 파라미터”를 보내고, 서버는 그 숫자들을 평균 냅니다. 그래서 모델이 무엇인지 알면 연합학습이 무엇을 주고받는지도 보입니다.

이 튜토리얼의 모델: 작은 MLP

템플릿의 모델(TabularMLP)은 층 3개짜리 다층 퍼셉트론(MLP), 가장 기본적인 신경망입니다.

입력 10 → [선형 10→32 · 배치정규화 · ReLU · 드롭아웃 0.2]
        → [선형 32→16 · 배치정규화 · ReLU · 드롭아웃 0.2]
        → [선형 16→2]  → 두 클래스 점수(logits) → 확률
항목값
학습되는 파라미터 수1,010개
학습 설정Adam, learning rate 0.001, 30 epochs, batch 32 (config.yaml)
프레임워크PyTorch
출력label, class_name, confidence, probabilities

범주 열(cp·restecg)은 모델에 들어가기 전에 “어휘표의 몇 번째 값인가”로 바뀐 뒤 다른 열과 같이 표준화됩니다. 어휘표에 없는 값(예: cp = 5)이 들어오면 학습·점검 단계에서 막힙니다.

왜 이 모델인가

이유설명
작아서 빠르다파라미터 1,010개라 노트북 CPU 로 몇 초면 학습되고, 라운드마다 오가는 양도 작습니다
표 형식 데이터에 맞다이미지용 CNN·문장용 Transformer 는 이 데이터에 과합니다
내 모델로 바꾸기 쉽다PyTorch nn.Module 하나라, 템플릿의 이 클래스만 내 모델로 바꾸면 같은 흐름을 그대로 쓸 수 있습니다

이 모델이 튜토리얼에서 거치는 길

같은 모델 하나가 이름을 바꿔 가며 끝까지 갑니다.

flowchart LR
  A["일반 학습<br/>(FedOps 없이)"] --> B["Initial Model<br/>Owner 의 첫 모델"]
  B --> C["Global Model v1<br/>연합학습 결과"]
  C --> D["Tool AI<br/>Agent 가 부르는 도구"]
이름무엇인가어디서
일반 학습 모델 (train_centralized.py)FedOps 없이 한 PC 에서 학습. “이 모델이 배우긴 하는가” 확인Owner 트랙 1장
Initial Model (화면 표기 Initiative Model)Owner 가 헝가리 데이터로 만든 첫 모델. 연합학습의 출발점Owner 트랙 4장
Global Model vN두 병원의 학습을 합친 결과Owner 6~7장, Client 트랙
Tool AIAgent 가 숫자(예측)가 필요할 때 부르는 도구. LLM 은 그 숫자를 설명만 한다모델 활용 트랙
📚 연합학습 배경 — 모델 구조가 왜 고정되어야 하나

FedAvg 는 “client A 의 3번째 층 5번째 숫자”와 “client B 의 3번째 층 5번째 숫자”를 평균합니다. 구조가 하나라도 다르면 같은 자리가 없어 합칠 수 없습니다. 그래서 FedOps 는 Owner 가 정한 모델 구조를 코드째로 배포하고, 모든 client 가 그 코드로 모델을 만듭니다. Client 는 모델 구조를 바꿀 수 없고, 구조를 바꾸려면 Owner 가 새 Release 를 내야 합니다.

FedOps 는 이 약속을 파라미터 서명(signature) 으로 확인합니다. 파라미터의 이름·모양·자료형을 지문처럼 만들어, 서버와 client 의 모델이 정확히 같은 모양인지 참여 전에 검사합니다.

이 모델에는 배치정규화(BatchNorm) 층이 있습니다. 배치정규화는 데이터의 평균·분산 통계를 따로 들고 있는데, non-IID 상황에서는 이 통계가 병원마다 다릅니다. 이를 다루는 FedBN 같은 연구가 있습니다(이 튜토리얼에서는 다루지 않음).

출처

Janosi, A., Steinbrunn, W., Pfisterer, M., Detrano, R. (1989). Heart Disease [Dataset]. UCI Machine Learning Repository. https://doi.org/10.24432/C52P4X — CC BY 4.0. 병원별 데이터 책임자: 헝가리 Andras Janosi, 스위스 William Steinbrunn · Matthias Pfisterer, 클리블랜드·롱비치 Robert Detrano.

다음 단계

3. 준비하기 — Docker 와 Agent Studio 를 설치하고 로그인합니다.


Back to top

© 2026 Cognitive Computing Lab, Gachon University