Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- js
- p태그
- border
- 자바스크립트
- 엘카데미이벤트
- 코딩이벤트
- 엘리스코딩
- 엘리스
- 혼공
- 선택자
- 인공지능
- 엘리스출석챌린지
- 엘리스아카데미
- Margin
- A태그
- 딥러닝
- 속성
- 무료코딩
- 엘카데미후기
- 혼공학습단
- Block
- CSS
- 머신러닝
- 혼공머신
- javascript
- 태그
- ML
- 혼자_공부하는_머신러닝+딥러닝
- 엘카데미
- html
Archives
- Today
- Total
jinseon's log
[엘카데미] 엘카데미 챌린지_누구나 이해할 수 있는 머신러닝 기초체력_18일차 본문
[이론3] 머신러닝 시스템
머신러닝 시스템 5가지
데이터 (Data)
- 학습을 시킬 데이터
- 많은 양일 수록 좋음
ex. 고양이 | 개 이미지
피처 (Feature)
- 전체 데이터에서 머신러닝을 학습시킬 중요한 데이터
Your ML is only as good as the data
너의 머신러닝 성능은 데이터의 품질에 달려있다.
모델 (Model, =알고리즘 Algorithm)
- 주어진 데이터와 정답지에 따라 학습
- 학습을 통해 찾은 규칙 자체를 모델이라고 볼 수 있음
- ex. DNN (Deep Neural Network), CNN (Convolution Neural Network), Transformer
인프라 (Infra)
- 피처를 잘 뽑아낼 수 있는 좋은 솔루션, 학습 환경, 데이터플로우 등을 갖춰야 함
- 인프라를 잘 설정할 경우 비용이나 속도 등을 줄일 수 있음
개선 (Improve)
- 재학습이 중요함
- 예측한 결괏값이 맞든 틀리든 재학습을 통해 성능을 올림
머신러닝을 잘하려면?
- 좋은 데이터 구하기
- 좋은 피처(알고리즘) 고르기
- 좋은 인프라 갖추기
머신러닝이 실패하는 경우
언더피팅 (Underfitting)
- 학습은 다 했지만 머신러닝으로 정답을 못 찾는 경우
- 학습한 데이터가 너무 다양해서 일관성 있는 규칙을 찾지 못함
오버피팅 (Overfitting)
- 너무 편향된 데이터로 학습하여 학습된 데이터가 아니면 정답을 맞추지 못하는 경우
- 학습한 데이터가 똑같아 다른 규칙을 찾지 못함
느린 학습
- 데이터가 많거나 용량이 너무 크거나 할 때 학습의 속도가 너무 느려서 실패하는 경우
성공적인 머신러닝, MLOps
ML (Machine Learning, 머신러닝)
- 데이터를 통해 모델을 만듦
- 운영에서 받고 개발에서 정리해준 데이터를 통해 재학습
Dev (Development, 개발)
- 모델 패키지를 만들어 출시
- 운영에서 얻은 데이터들을 정리하여 ML 파이프라인으로 보냄
Ops (Operation, 운영)
- 추환경설정
- 모니터링
'ML & DL > 엘카데미' 카테고리의 다른 글
[엘카데미] 엘카데미 챌린지_SQL 레벨 테스트_20일차 (0) | 2023.08.05 |
---|---|
[엘카데미] 엘카데미 챌린지_SQL 레벨 테스트_19일차 (0) | 2023.08.04 |
[엘카데미] 엘카데미 챌린지_누구나 이해할 수 있는 머신러닝 기초체력_17일차 (0) | 2023.08.02 |
[엘카데미] 엘카데미 챌린지_누구나 이해할 수 있는 머신러닝 기초체력_16일차 (0) | 2023.08.01 |
[엘카데미] 엘카데미 챌린지_파이썬 레벨 테스트_15일차 (0) | 2023.07.31 |
Comments