본 논문은 머신러닝(ML) 모델의 예측 불가능한 실패 문제에 대한 실무자 가이드를 제공하는 것을 목표로 한다. ML 모델의 실패 원인을 신뢰성 부족과 강건성 부족으로 구분하여, 첫 원리부터 모델 실패의 원인을 공식적으로 정의하고, 이를 엔지니어링 개념과 실제 배포 환경에 연결한다. 논문에서는 1) 신뢰성 및 강건성에 대한 중요한 이론적 개념 요약, 2) ML 모델의 신뢰성 및 강건성을 추론하는 데 실무자가 활용할 수 있는 현재 기술 샘플, 3) 이러한 개념과 기술을 실제 환경에 적용하는 방법을 보여주는 예시를 제공한다.
