머신러닝 디자인 패턴

데이터 준비, 모델 구축, MLOps의 일반적인 문제에 대한 솔루션 구현하기



디자인 패턴이란 전문가 수백 명의 경험을 간단하고 접근하기 쉽게 체계화한 것이다. 이 책에는 데이터의 표현, 운영, 반복성, 재현성, 유연성, 설명 가능성, 공정성에 대한 30가지 디자인 패턴이 담겨 있다. 각 패턴에는 문제에 대한 설명, 다양한 잠재적 솔루션, 상황에 적합한 기술 노하우가 포함되어 있다. 머신러닝 프로세스 전반에 걸쳐 마주하는 일반적인 문제를 해결하고 싶은 실무자라면, 저명한 3명의 구글 엔지니어가 이 책에서 분류한 ‘이미 입증된 방법’을 배우고 실천해보자.





주요 내용

ML 모델을 학습, 평가, 배포할 때 겪는 일반적인 문제와 해결법
임베딩, 특징 교차 등을 포함한 다양한 ML 모델 유형의 데이터 표현
특정 문제에 적합한 모델 유형을 선택하는 법
체크포인트, 배포 전략, 하이퍼파라미터 튜닝을 사용하는 강력한 학습 루프 구축
새로운 데이터를 반영하기 위한 재훈련, 업데이트할 수 있는 확장 가능한 ML 시스템 배포
이해관계자를 위한 모델 예측을 해석하고 공정성을 확인하는 법
모델의 정확도, 재현성, 탄력성을 향상하는 법


추천사



이 책은 다양하면서도 질 높은 예제를 담고 있습니다. 머신러닝 문제에 대한 검증된 솔루션을 필요로 하는 모든 데이터 과학자와 머신러닝 엔지니어라면 반드시 읽어봐야 할 책입니다.

_데이비드 캔터, ML Commons의 이그제큐티브 디렉터



머신러닝 솔루션을 구축하는 과정에서 겪는 어려움을 덜어내고 싶은 분들을 위한 책입니다.

_윌 그레니스, 구글 클라우드 CTO 오피스의 매니징 디렉터