Tech for good

들어가며 대량의 데이터를 쉽게 수집할 수 있고, 수집한 데이터를 처리하는 하드웨어의 성능은 좋아졌으며, 최신 알고리즘이 구현된 오픈소스 프레임워크를 손쉽게 사용할 수 있게 된 시대이다! 덕분에 머신러닝을 도입하기 위한 장벽은 한층 낮아졌다. 하지만 이를 실제 비즈니스에 적용하는 문제는 다르다. 해결해야 하는 문제를 스스로 정의하고 시스템을 설계하는 방법은 조금 더 고차원적이기 때문이다. 이 책은 머신러닝 입문서를 떼고 실무에 활용하려는 개발자, 머신러닝 시스템 및 기술적인 내용에 흥미가 있는 비즈니스 담당자 같은 독자를 대상으로 머신러닝과 데이터 분석 도구를 비즈니스에 활용하는 방법을 알려주고 있다. 조금 더 구체적으로 살펴보면 아래와 같은 사항들을 배울 수 있다. 머신러닝 프로젝트를 시작하는 방법 기존..

머신러닝 모델을 장착한 실용적인 애플리케이션을 만드는 방법을 쉽게 따라하며 배울 수 있는 책이다. 머신러닝 구축의 핵심인 1. 주어진 특성에 맞는 올바른 머신러닝 방법 선택, 2. 모델의 오류와 데이터 품질 문제 분석, 3. 모델의 결과를 검증하여 제품의 품질 보장 위의 일련의 과정들을 안내하고 있다. 제품 아이디어에서 프로토타입 배포까지 전체 과정을 다루고 있기에 코딩 경험과 머신러닝 기초 지식을 가지고 머신러닝 기반 제품을 구축하는 방법을 배우는데 안성맞춤이다. 머신러닝의 전체 과정 머신러닝 제품을 성공적으로 사용자에게 제공하려면 제품의 요구 사항을 머신러닝 문제로 표현하고, 적절한 데이터를 수집하고, 여러 모델을 효율적으로 반복하고, 결과를 검증하고, 견고한 방법으로 배포해야 한다. 1. 올바른 머..

안녕하세요. 오늘은 Azure Machine Learning로 자동화된 기계 학습(Auto ML)을 사용하는 방법에 대해 알아보겠습니다. 아래의 문서를 참고하여 작성하였습니다. https://docs.microsoft.com/ko-kr/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=AI-MVP-5003937 Azure Machine Learning에서 시각적 도구를 사용하여 기계 학습 모델 만들기 - Learn Azure Machine Learning에서 시각적 도구를 사용하여 기계 학습 모델 만들기 docs.microsoft.com 1. 소개 Machine Learning(기계학습; 머신러닝)은 대부분의 인공지..

www.kaggle.com/soham1024/know-about-different-automl-frameworks Know About Different AutoML Frameworks Explore and run machine learning code with Kaggle Notebooks | Using data from multiple data sources www.kaggle.com -> AutoML Frameworks에 대해 정리해놓은 글이다. docs.microsoft.com/en-us/azure/machine-learning/concept-automated-ml (영문) docs.microsoft.com/ko-kr/azure/machine-learning/concept-automated-ml (..