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.

구글 클라우드 플랫폼의 데이터 분석 및 AI 솔루션 글로벌 책임자. 팀원들과 함께 데이터 분석 및 머신러닝 제품을 사용하여 비즈니스 문제에 대한 소프트웨어 솔루션을 개발한다. 발리아파는 구글의 어드밴스드 솔루션 랩(Advanced Solutions Lab)에서 ML 이머전 프로그램(ML Immersion program)을 만들었으며, 구글에 합류하기 전에는 Climate Corporation의 데이터 과학 디렉터, NOAA의 연구원으로 재직했다.

CHAPTER 1 머신러닝 디자인 패턴의 필요성

1.1 디자인 패턴이란?
1.2 이 책의 사용법
1.3 머신러닝 용어
1.4 머신러닝의 문제
1.5 마치며

CHAPTER 2 데이터 표현 디자인 패턴

2.1 간단한 데이터 표현
2.2 디자인 패턴 1: 특징 해시
2.3 디자인 패턴 2: 임베딩
2.4 디자인 패턴 3: 특징 교차
2.5 디자인 패턴 4: 멀티모달 입력
2.6 마치며

CHAPTER 3 문제 표현 디자인 패턴

3.1 디자인 패턴 5: 리프레이밍
3.2 디자인 패턴 6: 멀티라벨
3.3 디자인 패턴 7: 앙상블
3.4 디자인 패턴 8: 캐스케이드
3.5 디자인 패턴 9: 중립 클래스
3.6 디자인 패턴 10: 리밸런싱
3.7 마치며

CHAPTER 4 모델 학습 디자인 패턴

4.1 일반적인 학습 루프
4.2 디자인 패턴 11: 유용한 과대적합
4.3 디자인 패턴 12: 체크포인트
4.4 디자인 패턴 13: 전이 학습
4.5 디자인 패턴 14: 분산 전략
4.6 디자인 패턴 15: 하이퍼파라미터 튜닝
4.7 마치며

CHAPTER 5 탄력성 디자인 패턴

5.1 디자인 패턴 16: 스테이트리스 서빙 함수
5.2 디자인 패턴 17: 배치 서빙
5.3 디자인 패턴 18: 연속 모델 평가
5.4 디자인 패턴 19: 2단계 예측
5.5 디자인 패턴 20: 키 기반 예측
5.6 마치며

CHAPTER 6 재현성 디자인 패턴

6.1 디자인 패턴 21: 트랜스폼
6.2 디자인 패턴 22: 반복 가능 분할
6.3 디자인 패턴 23: 브리지 스키마
6.4 디자인 패턴 24: 윈도 추론
6.5 디자인 패턴 25: 워크플로 파이프라인
6.6 디자인 패턴 26: 특징 저장소
6.7 디자인 패턴 27: 모델 버전 관리
6.8 마치며

CHAPTER 7 책임 있는 AI

7.1 디자인 패턴 28: 휴리스틱 벤치마크
7.2 디자인 패턴 29: 설명 가능한 예측
7.3 디자인 패턴 30: 공정성 렌즈
7.4 마치며

CHAPTER 8 연결 패턴

8.1 패턴 참조
8.2 패턴 상호작용
8.3 ML 프로젝트 내의 패턴
8.4 사용 사례와 데이터 유형에 따른 일반적인 패턴