MLOps 썸네일형 리스트형 [MLOps]2-1. 실험관리 - Weights and Biases 안녕하세요~ 27년차 진로탐색꾼 조녁입니다!! 드디어 해커톤이 끝나서 다시 블로그에 글을 쓰려고합니다!! 조만간 상반기 감사할 것들 정리도하고 그간 공부하면서 노션에 정리해놓은 것들도 잘 정리해서 포스팅할 계획입니다. 오늘은 다시 MLOps 강의 들은 것도 포스팅 시작하려합니다!! 특별히 형상관리가 필요한 이유와 , 한 가지툴을 추천하는 강의였습니다. 1. 실험관리 개요 1-1. 실험관리가 필요한이유 실험 관리라도 해서 인사이트 리포트라도 만들어야하는 상황 발생보고해야하는데, 한달동안 된게 없네? .. 저번에 학습잘됐는데 lr 몇이었지? .. 저번에 논문 썼는데, 실험 재연이 안되네? .. (하이퍼파라미터 안적어놓음 ㅠ ) 가장 성능 좋은 모델이 뭐지? 2. 실습(Weights and Biases) ht.. 더보기 [MLOps] 1-2.머신러닝 파이프라인 단계 안녕하세요~ 27년차 진로탐색꾼 조녁입니다!! 두번째 강좌는 머신러닝의 파이프라인을 다루고 있습니다. 주로 ML 엔지니어 입장에서 설명해주고 계십니다. 특별히 좋았던 점은 , 실제로 실무에서 모델이 서비스에 쓰이고 있을 때, 어떻게 파이프라인을 짜야하는 지를 상세하게 다뤄주십니다. 1. 머신러닝 파이프라인 단계 개요 1-1. 머신러닝 프로젝트의 이점 머신러닝 파이프라인은 새로운 학습 데이터 수집하는 것으로 시작 → 모델 피드백 받는 것으로 끝난다. 일반적으로 데이터가 많을수록 모델이 개선된다. 실제로 좋은 성능을 유지하기 위해 지속적으로 재학습하기 위해선 자동화가핵심이다. 2. 데이터 수집, 버전 관리 , 데이터 검증 2-1. 데이터 수집(Data ingestion/versioning) Data vers.. 더보기 [MLOps] 1-1.머신러닝 파이프라인 안녕하세요~ 27년차 진로탐색꾼 조녁입니다!! 4월 한달동안은 짧게 일도하고 5월부터는 깃헙 잔디를 가꾸기 시작하면서 자연스레 블로그와 멀어지더라고요 ..ㅠ 다시 돌아온 계기는! 제가 처음으로 인프런에서 유료강의를 결제했는데 내용이 너무 좋아서 블로그에 정리해놓고자합니다! 내용은 실무에서 MLOps 가 어떻게 이뤄지고 있는 지에 대한 것인데 첫번째로 머신러닝 파이프라인에 대해 정리해보려합니다. 1. 머신러닝 파이프라인의 이해 eg) 헨리 포드의 자동차 조립 라인(컨베이어 벨트) : 제작시간을 12시간 → 3시간 단축시김으로 자동차가 대중화되었다. 1-1. 머신러닝 프로젝트의 이점 즉, 파이프라인을 통해 얻는 이점은 🧚생산성 향상 , 🧚예측 가능한 품질 , 🧚장애 대응능력 향상이다. 1-2. 머신러닝 파이.. 더보기 이전 1 다음
