아이디어가 현실이 되는, 나만의 머신러닝 애플리케이션 구현하기머신러닝 기반 애플리케이션을 설계, 구축, 배포하는 과정에 필요한 모든 기술을 설명하는 책이다. 초기 아이디어가 제품으로 개발되기까지의 과정을 머신러닝 에디터 예제 프로젝트를 통해 순서대로 배운다. 데이터 과학자, 소프트웨어 엔지니어, 제품 관리자가 머신러닝 애플리케이션을 단계별로 구현하는 데 필요한 도구와 실무에서 맞닥뜨리게 되는 도전 과제와 모범 사례를 살펴본다. 유용한 코드와 친절한 그림, 업계 리더와의 인터뷰를 통해 실용적인 머신러닝 개념을 터득해 본인만의 머신러닝 애플리케이션을 자신 있게 구현해보자.
수년간 머신러닝 기반 제품을 만들었고, 현재는 스트라이프(Stripe)에서 머신러닝 엔지니어링을 담당하고 있습니다. 그전에 인사이트 펠로의 AI 책임자로 150개 이상의 머신러닝 프로젝트를 이끌었습니다. 집카(Zipcar)의 데이터 과학자로 온디맨드 예측과 머신러닝 모델을 제품 환경에 배포하는 것을 돕는 프레임워크와 서비스를 만들었습니다. 파리쉬드(Paris-Sud) 대학교에서 AI 석사 학위를 받았고 동 대학교 대학원에서 엔지니어링 석사 학위를 받았습니다. ESCP에서 경영학 석사 학위를 받아 머신러닝과 비즈니스를 아우르는 배경지식을 가지고 있습니다.
[PART I 올바른 머신러닝 접근 방법 모색]CHAPTER 1 제품의 목표를 머신러닝 문제로 표현하기1.1 어떤 작업이 가능한지 예상하기1.2 머신러닝 에디터 설계1.3 모니카 로가티: 머신러닝 프로젝트의 우선순위 지정하기1.4 마치며CHAPTER 2 계획 수립하기2.1 성공 측정하기2.2 작업 범위와 문제점 예상하기2.3 머신러닝 에디터 계획하기2.4 규칙적인 향상 방법: 간단하게 시작하기2.5 마치며[PART II 초기 프로토타입 제작]CHAPTER 3 엔드투엔드 파이프라인 만들기3.1 가장 간단한 프로토타입3.2 머신러닝 에디터 프로토타입3.3 워크플로 테스트하기3.4 머신러닝 에디터 프로토타입 평가4.5 마치며CHAPTER 4 초기 데이터셋 준비하기4.1 반복적인 데이터셋4.2 첫 번째 데이터셋 탐색하기4.3 레이블링으로 데이터 트렌드 찾기4.4 데이터를 활용한 특성 생성과 모델링4.5 로버트 먼로: 데이터를 찾고, 레이블링하고, 활용하는 방법4.6 마치며[PART III 모델 반복]CHAPTER 5 모델 훈련과 평가5.1 가장 간단하고 적절한 모델5.2 모델 평가: 정확도를 넘어서5.3 특성 중요도 평가5.4 마치며CHAPTER 6 머신러닝 문제 디버깅6.1 소프트웨어 모범 사례6.2 데이터 흐름 디버깅: 시각화와 테스트6.3 훈련 디버깅: 모델 학습하기6.4 일반화 디버깅: 유용한 모델 만들기6.5 마치며 CHAPTER 7 분류기를 사용한 글쓰기 추천7.1 모델로 추천 만들기7.2 모델 비교하기7.3 추천 생성하기7.4 마치며[PART IV 배포와 모니터링]CHAPTER 8 모델 배포 시 고려 사항8.1 데이터 고려 사항8.2 모델링 고려 사항8.3 크리스 할랜드: 배포 실험8.4 마치며CHAPTER 9 배포 방식 선택9.1 서버 측 배포9.2 클라이언트 측 배포9.3 연합 학습: 하이브리드 방법9.4 마치며CHAPTER 10 모델 안전장치 만들기10.1 실패를 대비하는 설계10.2 성능 설계10.3 피드백 요청10.4 크리스 무디: 데이터 과학자에게 모델 배포 권한 부여10.5 마치며CHAPTER 11 모니터링과 모델 업데이트11.1 모니터링의 역할11.2 모니터링 대상 선택11.3 머신러닝을 위한 CI/CD11.4 마치며
