한빛미디어



이 책의 저자인 칩 후옌은 클레이폿 공동 창립자이자 CEO로서 실시간 머신러닝을 위한 인프라를 개발하고 있으며 엔비디아, 스노클 AI, 넥플릭스에 재직하며 머신러닝 시스템을 개발하고 배포하는 일을 도왔으며 학생들도 가르치고 있습니다.

 

 

현재 스탠퍼드에서 이 책의 토대가 된 CS 3295 머신러닝 시스템 설계를 강의하고 있습니다.

 

 

이 책의 대상 독자는 ML를 활용하여 문제를 해결하는분들을 위한 책입니다. ML은 딥러닝과 고전적인 알고리즘 모두를 의미합니다.

 

 

ML 개론서는 아니며 ML의 실무적인 측면에 중점을 두고 쓰여진 책이기때문에 개론서가 필요하신분들은 다른 입문서를 보시는 것을 추천드립니다.

 

 

 

대표이미지 삭제

대표이미지 삭제

대표이미지 삭제

사진 설명을 입력하세요.

 

 

CONTENTS

 

 

머신러닝 시스템 개요

 

머신러닝 시스템 설계 소개

 

데이터 엔지니어링 기초

 

훈련 데이터

 

피처 엔지니어링

 

모델 개발과 오프라인 평가

 

모델 배포와 예측 서비스

 

데이터 분포 시프트와 모니터링

 

연속 학습과 프로덕션 테스트

 

MLOps를 위한 인프라와 도구

 

머신 러닝의 인간적 측면

 

 

 

머신러닝 시스템 개요

 

출처 입력

 

2016년 11월 구글은 다국어 신경만 기계 번역 시스템 MNMT 를 구글 번역에 통합했다고 발표하였습니다.

 

 

이런한 딥러닝의 성공은 머신러닝 ML 에 대한 관심을 촉발했습니다.

 

 

ML은 불과 5년만에 우리 삶 대부분의 영역에 들어와 정보에 접근하는 방식부터 의사소통하는방식까지 대부분에 영향을 미치게 되었습니다.

 

 

머신러닝 시스템이라고 하면 로지스틱 회귀나 다양한 유형의 신경망 ML 알고리즘만 떠올리는데요

 

 

프로덕션 환경에서 알고리즘은 ML시스템의 일부분일 뿐입니다.

 

 

 

머신러닝을 사용해야 하는 이유?

 

 

다양한 업계에서 ML을 도입하는 사례가 지속적으로 늘고 있는데요 ML이 광범위한 문제를 해결할 수 있는 도구이지만 만능의 도구는 아니기때문에 ML이 반드시 필요한지에 대해서 스스로 질문해야 합니다.

 

 

그렇다면 ML은 어떤 문제를 해결할 수 있을까요?

 

 

ML은 기존 데이터로부터 복잡한 패턴을 학습하고 이런 패턴을 사용해 본 적 없는 데이터에 대해서 예측을 수행하는 접근 방법입니다.

 

 

학습 : 시스템에 학습 능력이 있습니다.

 

복잡한 패턴 : 학습할 패턴이 존재하며 복잡합니다.

 

기존 데이터 : 사용 가능한 데이터가 있거나 데이터 수집이 가능합니다.

 

예측 : 예측에 대한 문제입니다.

 

본적 없는 데이터 : 본적 없는 데이터가 훈련 데이터와 동일한 패턴을 갖습니다.

 

반복적입니다.

 

잘못된 예측으로 발생하는 비용이 낮습니다.

 

8.대규모로 수행됩니다.

 

 

 

머신러닝 시스템 이해하기

 

 

ML 시스템을 이애하면 시스템을 설계하고 개발하는데 도움이 됩니다.

 

 

연구용 머신러닝 VS 프로덕선용 머신러닝

 

 

연구용 ML 과 프로덕선용 ML은 요구사항이나 계산 우선순위 데이터, 공정성, 해석 가능성에 대해서 모두 다르게 판단해야 합니다.

 

 

ML 시스템은 다양한 요소로 구성된 복잡한 시스템입니다. 프로덕션에서 ML시스템을 작업하는 데이터 과학자와 ML언제니어는 ML알고리즘에만 집중하는 걸로는 절대 충분치 않다는 사실을 깨달을 걸입니다.

 

 

알고리즘 외에 시스템의 다른 측면, 예컨대 데이터 스택, 배포, 모니터링, 유지 관리, 인프라에 관해 아는 것이 중요합니다.

 

 

 

ML은 많은 문제를 훌룡히 해결하지만 모든 문제를 해결할 수 없으면 모든 문제 해결에도 적합하지도 않습니다.

 

 

다만 ML이 해결할 수 없는 문제일지라도 ML이 해결책의 실마리가 될 수 는 있습니다.

 

 

이 책을 읽은 제가 느낀점은 프로덕선 환경에서 머신러닝을 다룰 때 무수히 생겨나는 물음표를 해결해줄 MLOps지첨서라고 느껴졌습니다.

 

 

비즈니스 관점에서 ML 시스템을 설계하고 운영할 때 맞닥뜨리는 모든 문제를 이 책을 통해서 해결 할 수 도 있을 것 같습니다.

 

 

책에서 소개하는 다양한 접근법과 사례연구는 ML시스템을 성공으로 이끌기 위한 인사이트를 제공하기때문에 이 책을 통해서 성공적인 ML 비즈니스 모델을 만들 수 있습니다.

 

 

ML을 통한 비즈니스에 관심이 많은분들에게 이 책은 꼭 한번 읽어보면 좋을 것 같습니다.