오른쪽에 Machine Learning 작업 목록이 있어요. 각 작업이 학습 데이터셋에서 해야 하는지, 테스트 데이터셋에서 해야 하는지 구분해 보세요.
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
Machine Learning은 다양한 산업과 분야에서 활용됩니다. 올바르게 적용하면 비즈니스를 근본적으로 개선할 수 있어요. 이 장에서는 Machine Learning의 활용 사례, 직무 역할, 그리고 데이터 니즈 피라미드에서 이들이 어떻게 맞물리는지 개괄합니다.
이 장에서는 다양한 Machine Learning 유형을 살펴봅니다. 인과(추론) 모델과 예측 모델의 차이를 비교하고, 지도 학습과 비지도 학습을 탐구한 뒤, 지도 학습의 하위 유형인 분류와 회귀를 이해합니다.
이 장에서는 비즈니스 요구사항 범위를 정의하는 핵심 단계, Machine Learning 기회 발굴과 규모 산정, 모델 성능 평가, 그리고 과정 전반의 성능 리스크 식별 방법을 다룹니다.
현재 연습
이 장에서는 Machine Learning 프로젝트를 관리할 때의 모범 사례와 피해야 할 관행을 살펴봅니다. 가장 흔한 실수를 파악하고, 비즈니스 팀과 ML 팀 간 커뮤니케이션을 어떻게 관리할지 배우며, 마지막으로 모델을 프로덕션에 배포할 때의 과제를 다룹니다.
