작삼심일의 블로그

한빛미디어 활동을 위해서 책을 제공받아 작성된 서평입니다. 대부분의 소프트웨어 개발 과정과 마찬가지로 머신러닝이 포함된 제품을 개발하기 위해선 신경 써야 하는 것들이 한둘이 아니다. 개발 과정에서 필연적으로 나타나는 수 많은 소프트웨어의 변경사항들을 빠르게 적용하고, 운영 상황에서 벌어지는 이슈들에 빠르게 대처하기 위해 DevOps가 필요하다. 머신러닝 역시 지속적인 발전과 유연한 운영을 위해 잘 정립된 DevOps 모범사례들을 적용한 것이 바로 MLOps이다. 는 MLOps에 관심 있는 독자들부터, MLOps는 모르지만 머신러닝으로 제품화를 꿈꾸는 사람들까지 MLOps 세계에 첫발을 내딛을 수 있도록 도움을 줄 수 있는 책이다. 책에는 다양한 예제 코드들이 있어 어떤 방식으로 동작하는지 시각적으로 보여..

정말 오랫만에 머신러닝 문제에 도전해볼 기회가 찾아왔습니다. 마침 이번 챌린지를 통해 채용 가능한 기업 중에 관심이 가는 곳도 있어 겸사겸사 꿀같은 토요일 하루를 통채로 사용해 도전해 보았네요 안타깝게도 머신러닝 관련 스킬이 부족해 좋은 성적은 못 거두었을 것 같지만 간단히 느낀점을 정리해보자면 ⭐️ 문제와 조건을 잘 읽어 보자! 이번 챌린지에서 가장 골치아팠던 부분은 어떻게 답안을 제출해도 0.0의 점수를 기록했던 것 입니다. 결과적으론 예제 코드만으로는 부족했고 sample submission 파일을 열어 제대로 확인을 해봤어야 했습니다.. ⭐️ EDA는 시간을 들여서 제대로! 데이터 불균형 문제는 머신러닝 필드에선 흔하지만.. 아직은 예제 데이터만으로도 허덕이는 실력이라… 처음으로 고민을 해본 것 ..

"한빛미디어 활동을 위해서 책을 제공받아 작성된 서평입니다." 진짜 전문가가 되기 위한 머신러닝 디자인 패턴 지금은 바야흐로 인공지능의 시대라고 말해도 과언이 아닐 정도로 수많은 분야의 사람들이 기계학습, 특히 딥러닝을 활용하고 있다. 나 역시도 딥러닝에 대해 꾸준히 학습 해 가면서 시대에 뒤처지지 않고 좋은 개발자가 되기 위해 노력 중이다. 이런 상황 속에서 딥러닝 네트워크에 대해서만 막연하게 학습하는 것은 그저 암기할 대상만 늘어날 뿐 전혀 실용적이지 않아 보였다. 개발 공부를 하면서 학습한 내용을 실용적으로 만들기 위해서는 하나의 프로세스를 수행하기 위한 과정을 실천할 수 있어야 한다. 물론 학습 초기 단계에서는 문법에 익숙해지고, 간단한 어플리케이션을 만들 수 있는 것으로도 충분하다. 그러나 충분..

들어가며¶기계 학습의 대표적인 방법들은 지도학습, 비지도 학습, 그리고 강화 학습 이다. 이번 포스트에서는 이 중 비지도 학습 방법 중 하나인 K-means를 활용한 군집화(clustering)기법에 대한 예제 코드이다. 이번 포스트의 jupyter notebook과 csv파일들은 모두 github에서 확인 할 수 있다. 라이브러리 불러오기¶ In [1]: import pandas as pd import numpy as np from sklearn.cluster import KMeans from sklearn.decomposition import PCA from sklearn.preprocessing import StandardScaler import matplotlib.pyplot as plt impo..