<div id="readability-page-1" class="page"><div><figure><center><img src="https://lucaseo.github.io/2022-03-27-book-review-ml-powered-application/image0.jpeg" alt="머신 러닝 파워드 애플리케이션 (저자: 에마뉘엘 아메장)"></center> <center><figcaption><p>머신 러닝 파워드 애플리케이션 (저자: 에마뉘엘 아메장)</p></figcaption></center></figure><p>추천 대상:</p><ul><li>머신러닝이 적용된 제품을 만들고자 하는 분</li><li>머신러닝 엔지니어로 취업/이직하고자 하는 분</li></ul><p>한줄평: 데이터 수집, 전처리, 학습 … 이제 이걸 가지고 뭘 하지?</p><h2 id="머신러닝-모델은-서비스가-될-때-진정한-가치가-있다">머신러닝 모델은 서비스가 될 때 진정한 가치가 있다</h2><p>“머신러닝에 대해 배운다” 라고 하면 대부분의 커리큘럼은 갖가지 알고리즘과 그 작동 방식에 대해 배우는 것부터 시작한다. 가장 간단한 형태의 모델부터 최신의 복잡한 구조의 모델까지 훑고, 토이 데이터셋으로 실습까지 진행한다. 머신러닝이라는 기술을 구현하기 위한 대략적인 지식을 얻게 되었다면, 그 다음에는 이 질문이 떠올라야 한다.</p><blockquote><p>“그럼 이제 이걸 가지고 뭘 하면 되지?”</p></blockquote><p>머신러닝, 딥러닝, 인공지능이라는 신박한 기술이 소개되어 사람들을 매료시키던 시대는 이제 지났다고 할 수 있다. 기술은 실제로 사용이 되어야 그 가치가 있는 것과 마찬가지로 머신러닝 모델 또한 사용자에게 서비스가 될 때 진정한 가치가 있다. 우리는 지금 이 기술을 활용한 제대로 된 제품을 만들어 내야 하는 시기에 있다.</p><p><strong><em>머신러닝 파워드 애플리케이션</em></strong> 은 책 제목 그대로 머신러닝 기술에 기반한 제품(서비스)를 만들기 위한 내용을 담고 있다. 따라서, 현업에서 머신러닝 기술을 연구하는 단계가 아닌, 실제로 적용한 비즈니스 진행시켜야 하거나, 머신러닝 엔지니어로서 취업/이직을 고려하는 사람에게 적합하다. 단, 이 책은 머신러닝에 대한 기본적인 개념이 잡혀 있다는 것을 전제로 하고 있기 때문에, 초심자에게는 권하지 않는다. (머신러닝 개발자와 커뮤니케이션이 자주 발생하는 기획자는 업무에 참고할 만 하다.)</p><h2 id="머신러닝-제품화-길잡이">머신러닝 제품화 길잡이</h2><p>머신러닝 파워드 애플리케이션 은 머신러닝 기반 제품을 만들기 위한 아주 좋은 가이드북이다. 책에서 참고할 수 있는 내용들은 다음과 같다.</p><h3 id="1-문제를-해결하기-위한-머신러닝-모색">1. 문제를 해결하기 위한 머신러닝 모색</h3><ul><li>문제를 해결하고 편의를 제공하기 위한 어플리케이션 정의</li><li>문제를 어떻게 정의하고, 적합한 모델을 선정하여 필요한 데이터를 준비해야할 지 파악하는 과정</li><li>머신러닝 기반 제품 개발의 전체적인 프로젝트의 일정의 계획하는 과정</li></ul><figure><center><img src="https://lucaseo.github.io/2022-03-27-book-review-ml-powered-application/image1.png" alt="다양한 문제에 따른 접근 방법 예시"></center> <center><figcaption><p>다양한 문제에 따른 접근 방법 예시</p></figcaption></center></figure><h3 id="2-가장-간단하게-만드는-엔드투엔드-파이프라인">2. 가장 간단하게 만드는 엔드투엔드 파이프라인</h3><figure><center><img src="https://lucaseo.github.io/2022-03-27-book-review-ml-powered-application/image2.png" alt="간단하지만 핵심 기능을 하는 제품부터 만들어보자"></center> <center><figcaption><p>간단하지만 핵심 기능을 하는 제품부터 만들어보자</p></figcaption></center></figure><ul><li>가장 필요로 하는 서비스를 제공하기 위한 최소한의 기능을 하는 엔드투엔드(End-To-End) 파이프라인 설계</li><li>가장 간단한 파이프라인의 성능을 평가하는 다양한 시각 (모델 성능, 사용성, 비용, 속도 등)</li></ul><figure><center><img src="https://lucaseo.github.io/2022-03-27-book-review-ml-powered-application/image3.png" alt="학습과 추론 파이프라인 예시"></center> <center><figcaption><p>학습과 추론 파이프라인 예시</p></figcaption></center></figure><h3 id="3-모델-학습과-디버깅">3. 모델 학습과 디버깅</h3><figure><center><img src="https://lucaseo.github.io/2022-03-27-book-review-ml-powered-application/image4.png" alt="토이프로젝트와 실제 산업에서의 차이"></center> <center><figcaption><p>토이프로젝트와 실제 산업에서의 차이</p></figcaption></center></figure><ul><li>모델 학습 과정<ul><li>토이 프로젝트가 아닌 실제 제품 개발을 위한 데이터 준비 과정</li><li>반복적인 과정을 거친 모델 학습 과정</li></ul></li><li>실제 서비스되는 모델의 정상적인 동작을 위한 테스트 과정</li></ul><h3 id="4-모델-배포와-모니터링">4. 모델 배포와 모니터링</h3><figure><center><img src="https://lucaseo.github.io/2022-03-27-book-review-ml-powered-application/image5.png" alt="스트리밍 배포 방식"></center> <center><figcaption><p>스트리밍 배포 방식</p></figcaption></center></figure><figure><center><img src="https://lucaseo.github.io/2022-03-27-book-review-ml-powered-application/image6.png" alt="배치 배포 방식"></center> <center><figcaption><p>배치 배포 방식</p></figcaption></center></figure><ul><li>사용자가 실제로 머신러닝 모델을 사용하기 위한 다양한 배포 방식</li><li>배포 과정에서 생길 수 있는 다양한 문제점들</li><li>모델의 이상 작동을 포착하고, 데이터 분포를 감지하기 위한 모니터링의 중요성</li></ul><figure><center><img src="https://lucaseo.github.io/2022-03-27-book-review-ml-powered-application/image7.png" alt="데이터 변화에 따른 재학습 주기 예시"></center> <center><figcaption><p>데이터 변화에 따른 재학습 주기 예시</p></figcaption></center></figure><figure><center><img src="https://lucaseo.github.io/2022-03-27-book-review-ml-powered-application/image8.png" alt="이상탐지를 통한 모델의 비정상적인 동작 포착 예시"></center> <center><figcaption><p>이상탐지를 통한 모델의 비정상적인 동작 포착 예시</p></figcaption></center></figure><h2 id="마무리하며">마무리하며</h2><p>이 책은 기본적으로 다양한 예시를 들어 머신러닝 기반 제품이 만들어지는 과정을 설명한다. 따라서 읽는 사람에 내용의 흐름이 약간은 혼란스러울 수 있다. 일반적인 내용만 파악하더라도 실제로 만들고자 하는 서비스를 구현하는데에는 충분히 참고할 수 있는 책이기 때문에, 예시와 예제 코드에 너무 집중할 필요는 없다고 생각한다.</p><p>또한 위에서 서술한 바와 같이 머신러닝의 기초적인 내용은 다루지 않기 때문에, 어느 정도 개념이 잡힌 상태에서 읽는 것을 권장한다.</p><p>+) 현업 CTO / 머신러닝 엔지니어 / 데이터 사이언티스트 들의 인터뷰는 피가 되고 살이 되는 조언들이 담겨있으니 꼭 읽어보자 !!</p><hr><p><em>한빛미디어 &lt;나는 리뷰어다&gt; 활동을 위해서 책을 제공받아 작성된 서평입니다.</em></p></div></div>

WY's Tech Blog

머신 러닝 파워드 애플리케이션 (저자: 에마뉘엘 아메장)
  추천 대상:
 머신러닝이 적용된 제품을 만들고자 하는 분 머신러닝 엔지니어로 취업/이직하고자 하는 분  한줄평: 데이터 수집, 전처리, 학습 … 이제 이걸 가지고 뭘 하지?
머신러닝 모델은 서비스가 될 때 진정한 가치가 있다 “머신러닝에 대해 배운다” 라고 하면 대부분의 커리큘럼은 갖가지 알고리즘과 그 작동 방식에 대해 배우는 것부터 시작한다. 가장 간단한 형태의 모델부터 최신의 복잡한 구조의 모델까지 훑고, 토이 데이터셋으로 실습까지 진행한다.

[KR] 책 리뷰 : 머신러닝 파워드 애플리케이션

댓글