<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Data Lineage on Formize.com 블로그</title><link>https://blog.formize.com/ko/tags/data-lineage/</link><description>Recent content in Data Lineage on Formize.com 블로그</description><generator>Hugo</generator><language>ko</language><atom:link href="https://blog.formize.com/ko/tags/data-lineage/index.xml" rel="self" type="application/rss+xml"/><item><title>Formize와 함께 머신러닝 파이프라인을 위한 데이터 라인리지 추적 가속화</title><link>https://blog.formize.com/ko/accelerating-data-lineage-tracking-for-machine-learning-pipe/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/ko/accelerating-data-lineage-tracking-for-machine-learning-pipe/</guid><description>&lt;h1 id="formize와-함께-머신러닝-파이프라인을-위한-데이터-라인리지-추적-가속화">Formize와 함께 머신러닝 파이프라인을 위한 데이터 라인리지 추적 가속화&lt;/h1>
&lt;p>머신러닝(ML) 프로젝트는 점점 더 데이터‑집약적이며, 다단계이고, 높은 규제 요구사항을 갖게 됩니다. 원시 데이터 수집부터 피처 엔지니어링, 모델 학습, 검증, 서빙에 이르기까지 각 단계는 비즈니스 결과와 연결된 아티팩트를 생성하고 이를 문서화·버전 관리·연결해야 합니다. &lt;strong>데이터 라인리지&lt;/strong>—데이터 요소의 출처, 변환 과정, 사용 현황을 추적할 수 있는 능력—은 금융, 의료, 자율 시스템 등 분야에서 선택이 아닌 규제 필수 요소가 되었습니다.&lt;/p>
&lt;p>Formize는 저코드, 감사‑준비형 폼·워크플로우 플랫폼으로, 기존에는 계약 자동화, ESG 보고, 국경 간 규제 준수 등에 주로 활용되었습니다. 그러나 동적 폼 생성, 불변 감사 로그, 외부 API와의 원활한 연동이라는 핵심 강점은 &lt;strong>ML 파이프라인 전반에 걸친 데이터 라인리지와 출처 자동화&lt;/strong>에 최적화된 엔진이 됩니다.&lt;/p></description></item></channel></rss>