• ML Powered Application 기반으로 내용 작성
• 전체 과정

머신러닝으로 시스템을 만든다는 것은

• 기계가 데이터로부터 학습하고
• 주어진 목표에 맞게 최적화하는 확률적인 방식으로 문제를 해결
• 프로그래머가 단계별로 명령을 작성해 어떻게 문제를 해결하는지 나타내는 전통적인 프로그래밍과는 반대
• 경험적으로 해결책을 정의할 수 없는 문제에 적합한 시스템을 만들 때 특히 유용함
• 머신러닝이 어떤 작업을 해결할 수 있고, 해결해야하는지 아는 것이 중요하다.
• 데이터셋의 품질을 관리하는 것은 모델링 시작 전에 매우 x 100 중요하다.

많은 머신러닝 프로젝트가 실패하는 이유는

• 모델의 복잡도가 아니라 제품에 도움이 안되는 모델을 만들었기 때문이다.
• 프로젝트 성공 지표와 모델의 성공 지표가 불일치하면 머신러닝 프로젝트가 시작부터 실패한다.
• 때문에 제품이나 기능에 대해 뚜렷한 목표를 갖고 시작하는 것이 중요하다.
• 제품의 성능 지표가 제품이나 기능의 목표를 표현하기 때문에 궁극적으로 유일하고도 중요한 지표다.
• 처음부터 완벽한 모델을 만드는 방법은 막상 실전에서 잘 동작하지 않는다.

머신러닝을 시작할 때

• 첫 번째로 만드는 모델은 제품의 요구 사항에 맞는 가장 간단한 모델이어야만한다.