언더피팅( underfitting)

• 전혀 다르게 생긴 고양이 100장, 전형 다르게 생긴 강아지 100장 => 제대로 feature을 찾지 못하므로 학습 실패

• 학습은 다 했지만 머신러닝으로 정답을 못찾는 현상

오버피팅 (overfitting)

• 똑같이 생긴 고양이 사진 100장, 똑같이 생긴 강아지 100장 => 다른 품종의 고양이나 개 사진을 보고 판별 실패

• 너무 편향된 데이터로 학습을 하여 학습된 데이터가 아니면 정답을 맞추지 못하는 경우

느린 학습

• 해상도가 너무 높은 사진들이거나 , 너무 많은 정보의 사진으로 학습

• 데이터가 많거나 용량이 너무 크거나 할 때, 학습의 속도가 너무 느려서 실패하는 경우

MLOps

• 지속적으로 데이터 및 모델들을 관리, 재학습 하는 체계 ( ML + Dev + Ops )

• 13일차 후기
  머신러닝의 실패 사례 ( 언더피팅 오버피팅 느린학습) 과 MLOps의 개요에 대해서 배웠다.
  무료 강의들이 대개는 맛보기 강의이고 , 무료강의가 끝나면 유료강의의 홍보로 이어지는데 이번 무료강의는 교양느낌으로 듣기 좋아보였다. 학습자료가 거의 없어서 말로 들은 내용을 머릿속에서 도식화 할때 도움을 줄 수 있는 ppt 자료가 없다는 점이 좀 불편한 점이 아쉬웠다 ㅠ