머신러닝 파이프라인: 두 판 사이의 차이
IT위키
편집 요약 없음 |
(→참고 문헌) |
||
| 1번째 줄: | 1번째 줄: | ||
[[분류:인공지능]] | [[분류:인공지능]] | ||
;Machine Learning Pipeline; ML Pipeline | ;Machine Learning Pipeline; ML Pipeline | ||
;[[머신러닝]] 기술을 활용함에 있어서 초기 기획부터 데이터 수집·가공, 분석과 사후관리까지 일련의 전체 과정 | ;[[머신러닝]] 기술을 활용함에 있어서 초기 기획부터 데이터 수집·가공, 분석과 사후관리까지 일련의 전체 과정 | ||
== 머신러닝의 세부 업무 분야 == | *'''머신러닝 파이프라이닝'''은 이런 일련의 과정을 설계하고 관리하는 것을 의미한다. | ||
* 머신러닝을 적용하기 위해선 수많은 선행, 후행 작업들 수행 필요 | |||
==머신러닝의 세부 업무 분야== | |||
*머신러닝을 적용하기 위해선 수많은 선행, 후행 작업들 수행 필요 | |||
[[파일:머신러닝 세부 업무 분야.jpg|700px]] | [[파일:머신러닝 세부 업무 분야.jpg|700px]] | ||
== 머신러닝 파이프라인 == | ==머신러닝 파이프라인== | ||
* 많은 작업들을 일련의 흐름으로 정의하여 순차적으로 실행 | |||
*많은 작업들을 일련의 흐름으로 정의하여 순차적으로 실행 | |||
[[파일:머신러닝 파이프라인 예시.jpg|800px]] | [[파일:머신러닝 파이프라인 예시.jpg|800px]] | ||
== 관련 도구 == | *Load data : 데이터 수집, 적재 | ||
* [[큐브플로]] | *Data analysis : 데이터 분석 | ||
*[[특성 공학|Feature Engineering]] : 데이터의 특성 파악, 전처리 수행 | |||
*Data validation : 전처리된 데이터 검증 | |||
*Data Split : [[교차 검증]]을 위한 데이터 분리 | |||
*Build & Train Model : 머신러닝, 딥러닝 모델을 구축하고 훈련 진행 | |||
*Model Validation : 모델 검증 | |||
*Model Serving : 모델 기록·보관 | |||
==관련 도구== | |||
*[[큐브플로]] | |||
==기술사 기출== | |||
*정보관리기술사 121회 1교시 | |||
==같이 보기== | |||
*[[데이터 파이프라인]] | |||
* | *[[데이터 전처리]] | ||
== | ==참고 문헌== | ||
*https://lsjsj92.tistory.com/580 http://www.itbk.net/ | |||
* https://lsjsj92.tistory.com/580 | |||
2022년 5월 30일 (월) 14:39 기준 최신판
- Machine Learning Pipeline; ML Pipeline
- 머신러닝 기술을 활용함에 있어서 초기 기획부터 데이터 수집·가공, 분석과 사후관리까지 일련의 전체 과정
- 머신러닝 파이프라이닝은 이런 일련의 과정을 설계하고 관리하는 것을 의미한다.
머신러닝의 세부 업무 분야[편집 | 원본 편집]
- 머신러닝을 적용하기 위해선 수많은 선행, 후행 작업들 수행 필요
머신러닝 파이프라인[편집 | 원본 편집]
- 많은 작업들을 일련의 흐름으로 정의하여 순차적으로 실행
- Load data : 데이터 수집, 적재
- Data analysis : 데이터 분석
- Feature Engineering : 데이터의 특성 파악, 전처리 수행
- Data validation : 전처리된 데이터 검증
- Data Split : 교차 검증을 위한 데이터 분리
- Build & Train Model : 머신러닝, 딥러닝 모델을 구축하고 훈련 진행
- Model Validation : 모델 검증
- Model Serving : 모델 기록·보관
관련 도구[편집 | 원본 편집]
기술사 기출[편집 | 원본 편집]
- 정보관리기술사 121회 1교시
