9. ML project LifeCycle

문제 정의 : 해결하는 문제는 무엇이고 어떻게 해결해야할까?

1) 현상 파악

2) 구체적인 문제 정의

3) 목표 설정, 지표 설정, 제약 조건 탐색(일정, 예산)

4) 베이스라인 구축

5) 평가 진행

6) 배포 후 모니터링

7) 추가 원인 분석

**ML 문제를 고려할 때는 얼마나 흥미로운지가 아니라 제품,회사의 비즈니스에서 어떤 가치를 줄 수 있는지를 고려해야 함.

 

 

산업에 대해 정리해둔 논문이 있는지 찾아보고, 해당 산업군에서 사용하는 기술, AI가 비즈니스에 영향을 주는 과정을 탐구해보는 것.

    - 회사의 비즈니스 모델을 파악하고, 현업분들에게 물어보는게 좋다.

    - 무엇을 고민중이고, 어떤것에 관심이 있는지 알아보자.

 

 

AI Model develop cycle

1. make baseline with no feature engineering

2. small feature engineering and see. understance data you have

3. find good CV strategy(make good valid set)

4. feature selection

5. make deeper feature engineering

6. Tune Model(적당히 했으면 추후에 큰 영향을 미치진 않으니까 적당히)

7. Try other model(never forgot about NN)

8. Try Blending

9. Ensenbling

10. Final Tuning.