핸즈온 머신러닝 with 사이킷런, 파이토치 완독 챌린지를 시작합니다. 

먼저 1장에서 다루는 내용은 아래와 같습니다. 

1. 머신러닝이 무엇이며 왜 사용하는지
2. 애플리케이션의 사례는 무엇이 있는지
3. 머신러닝 시스템의 종류
4. 머신러닝의 주요 도전 과제
5. 테스트 및 검증

1. 머신러닝이란 무엇이며 왜 사용하는가

머신러닝(Machine Learning)은 사람이 규칙을 직접 코딩하지 않고, 프로그램이 데이터에서 규칙을 스스로 배우게 하는 기술이다. 스팸 필터라면 스팸 메일과 정상 메일 샘플을 보여 주고, 둘을 가르는 패턴을 모델이 찾게 한다.

전통적인 방식은 “이 단어가 들어가면 스팸” 같은 규칙을 사람이 계속 써 넣는다. 스패머가 단어를 바꾸면 규칙도 다시 써야 해서, 규칙 목록이 끝없이 길어진다. 머신러닝은 이런 문제를 아래 네 가지 이유로 더 잘 푼다.

책 4.1절(실험 추적과 모델 레지스트리) 노트북을 홈랩 MLflow에서 돌린 기록이다. 실습 환경(MLflow, Postgres, RustFS, JupyterLab)을 Kubernetes에 올린 과정은 앞 글에 있다.

책은 로컬 mlflow ui와 Kubeflow에 딸린 MinIO를 쓰지만 여기서는 Kubernetes 위의 MLflow, Postgres, RustFS를 썼다. RustFS는 홈랩에서 이미 쓰고 있어서 골랐고 다른 이유는 없다.

1. 한눈에 보기

아래는 이번 절에서 실습할 파이프라인이다. 초록 칸은 Jupyter 노트북 셀로 직접 실행한 단계이고, 주황 칸은 노트북이 만든 결과를 MLflow에 기록하고 등록한 곳이다.