[AI Foundation] 머신러닝(ML)의 6단계 워크플로우

 

---

1. 기획 - 머신러닝 적용 타당성 검토

목표 설정과 문제 정의

• 이해하기 쉬운 비유
  머신러닝 프로젝트를 시작하기 전에, 우리는 목적지를 정하고 지도를 확인하는 여행자처럼, 무엇을 해결하려고 하는지 정확히 정의해야 합니다.
• 주요 활동
  비즈니스 문제를 이해하고, 머신러닝이 이를 해결하는 데 어떻게 도움이 될 수 있는지 타당지표를 평가합니다. 예를 들어, 고객 이탈을 줄이는 것이 목표일 수 있습니다.

2. 데이터 준비

데이터 수집 및 정제

• 이해하기 쉬운 비유
  요리를 하기 위해 식재료를 준비하듯이, 데이터를 수집하고, 정리하며, 문제에 적합하게 만듭니다.
• 주요 활동
  데이터를 수집하고, 누락된 값이나 이상치를 처리합니다. 이 단계는 종종 시간이 많이 소요되며, 데이터의 질이 프로젝트의 성공에 중요합니다.

3. 모델 엔지니어링

알고리즘 선택 및 모델 훈련

• 이해하기 쉬운 비유
  다양한 조리법을 실험해 보는 것처럼, 여러 머신러닝 알고리즘을 시도하고 최적의 모델을 찾습니다.
• 주요 활동
  적절한 머신러닝 알고리즘을 선택하고, 데이터를 사용해 모델을 훈련시킵니다. 이 과정에서 모델의 성능을 최적화하기 위해 여러 매개변수를 조정할 수 있습니다.

4. 모델 평가

성능 측정 및 검증

• 이해하기 쉬운 비유
  요리를 맛보며 조절하는 것처럼, 모델의 예측이 얼마나 정확한지 평가합니다.
• 주요 활동
  테스트 데이터를 사용하여 모델의 성능을 평가하고, 필요한 경우 모델을 조정합니다. 정확도, 정밀도, 재현율과 같은 지표를 사용하여 평가하여, 모델의 배포 여부를 결정합니다.

5. 모델 배포

실제 환경 적용

• 이해하기 쉬운 비유
  요리를 완성하여 손님에게 제공하는 것처럼, 모델을 실제 환경에 배포합니다.
• 주요 활동
  훈련된 모델을 실제 운영 환경에 통합합니다. 이를 통해 모델이 실시간 데이터에 대해 예측을 수행하거나 사용자의 입력에 반응할 수 있습니다. 일반적으로 모델은 클라우드 및 로컬 서버, 웹 브라우저, 소프트웨어 패키지 및 엣지 장치에 배포될 수 있습니다.

6. 모니터링 및 유지 관리

성능 감시 및 지속적인 개선

• 이해하기 쉬운 비유
  식당에서 손님의 피드백을 듣고 메뉴를 개선하는 것처럼, 모델의 성능을 지속적으로 모니터링하고 필요에 따라 업데이트합니다.
• 주요 활동
  모델을 배포한 후에도 시스템을 지속적으로 모니터링하고 개선해야 합니다. 모델의 성능을 주기적으로 확인하고, 데이터가 변화하거나 모델의 성능이 저하될 경우 이를 조정합니다.

---