1.4 머신러닝 프로젝트 라이프 사이클
실제 프로세스 과정 훑어보기
1. 머신러닝 프로젝트 Flow
1.1. 문제 정의 단계
문제 정의
최적화할 Metric 선택
데이터 수집, 레이블 확인
모델 개발
모델 예측 결과를 토대로 Error Analysis. 잘못된 라벨이 왜 생기는지 확인
다시 모델 학습
더 많은 데이터 수집
다시 모델 학습
2달 전 테스트 데이터에선 성능이 좋지만 어제 데이터엔 성능이 좋지 않음
모델을 다시 학습함
모델 배포
최적화할 Metric이 실제로 잘 동작하지 않아 Metric을 수정
1.2. 프로젝트 설계
해결하려고 하는 문제 구체화
머신러닝 문제 타당성 확인
필요한데이터 종류와 기존 모델이 있는지?
머신러닝 솔루션이 최적의 방법인지?
목표 설정, 지표 결정
프로젝트의 일반적인 목적
세부 단계의 목표
제약 조건(Constraint & Risk)
일정, 예산, 대상
기존에 운영하고 있던 환경
윤리적 이슈
베이스라인, 프로토타입
성능을 비교할 수 있는 Baseline
프로토타입 제작
평가(Evaluation) 방법 설계
모델의 성능지표
비즈니스 지표
Special Mission
부스트캠프 AI Tech 혹은 개인 프로젝트를 앞선 방식으로 정리해보기
실제로 회사에서 한 일이 아니더라도, 특정 회사에서 활용했다고 가정하거나 아예 크게 문제 정의해서 구체화해보기
이 모델이 회사에서 활용되었다면 어떤 임팩트를 낼 수 있었을까? 고민해서 정리해보기!
직접 일상의 문제라도 하나씩 정의하기
Last updated