-
프레임워크의 구성
- AI System = Code(algorithm/model) + Data
- 프로젝트에 따라 알고리즘 개선이 중요할 수도 있고, 데이터 개선이 효율적일 수 있음, 다만, 데이터는 프로젝트 목적에 알맞게 재구성되어야 함(customizing)
-
모델 개선은 반복적인 과정
- ML프로젝트가 달성해야하는 모델의 목표
- train set에서 잘 작동
- 최소한 훈련 세트에서 성능 확보
- dev/test set에서 잘 작동
- 교차검증(cross validatin) & 테스트 셋에서 성능 확보, 1에 비해 2는 어려움, 1번 과정은 2번 목표를 달성하기 위한 과정
- 비지니스 지표/프로젝트 목표에서 잘 작동
- 1,2번까지의 성능 달성으로는 부족, 시장에서의 목표와 부합해야 함