<MLOps 실전 가이드> 책 실습 두번째, 공식 문서의 가이드를 따라 Flask 프로젝트를 Azure Web App에 배포해 보자. https://learn.microsoft.com/ko-kr/azure/devops/pipelines/ecosystem

SimpleNet

ㅇㅇ

알파 알고리즘은 event log를 입력으로 받아 petri-net을 산출하는 알고리즘이다. Process Discovery와 관련해서 baseline이 되는 가장 기본적이며 단순한 알고리즘이다.먼저 α-Algorithm의 Basic Idea에 대해 알아 보자.입력:

Process Discovery 추출한 event log를 통해 process model을 도출하는 과정이다. (여기서 event log는 이전 글에서 소개했듯 multiset of traces이고, process model은 set of traces를 정의한다.)

Focal loss

하나의 프로세스는 여러 케이스(cases)로 이루어진다. 하나의 케이스는 여러 이벤트(events)로 이루어지며, 각 이벤트는 정확히 하나의 케이스와 관련된다. 케이스 내의 이벤트들은 순서가 지정된다. 이벤트는 속성(attributes)을 가질 수 있다. 대표

데이터 불균형 문제 대부분의 분류 알고리즘은 학습 데이터에 범주간 비중이 비슷할 때, 각 범주의 특징을 충분히 학습할 수 있다. 하지만 현실 상황에서는 특정 범주가 다른 범주에 비해서 매우 적은 경우가 많다. 표본 수가 상대적으로 많은 class를 majority c

## Logistic Regression (로지스틱 회귀) <br> Logistic Regression (로지스틱 회귀)란 Binary Classification (이진 분류) 문제를 해결하기 위한 모델이다. ex) 스팸 메일, 질병 양성/음성 분류 등 Sigm

Vector space V 와 유한한 수의 벡터 x1,…,xk ∈V 가 있을 때, 아래의 형태를 만족하는 모든 v∈V (λ1 ,…,λk ∈R) 를 벡터 x1, …,xk 의 linear combination 이라고 한다. 간단하게 말하면 벡터를 스칼라곱과 벡터끼리의 합

Linear Regression (선형 회귀) 데이터를 가장 잘 설명하는 모델을 찾아 입력값에 따른 결과값을 예측하는 알고리즘 완벽한 예측은 불가능하기 때문에, 데이터의 실제값과 예측값의 차이를 최소한으로 하는 선을 찾아야한다. 선형 회귀는 크게 두 가지 종류로

Generalization (일반화) 학습에 사용된 데이터가 아닌 처음 보는 새로운 데이터에 대해 올바른 예측을 수행하는 능력 what is good model ? 머신러닝에서 좋은 모델은 현재 데이터를 잘 설명하며, 미레 데이터에 대한 예측 성능이 좋은 모델이다

모델의 성능을 높이기 위해 단순히 많은 feature를 사용하는 것이 항상 좋은 것은 아니다. 불필요한 feature가 많아질수록 모델은 학습 데이터에 과도하게 적합되는 overfitting 문제가 발생할 수 있다. 이를 방지하기 위해 feature selection

What is Machine Learning ? > Machine Learning is “the field of study that gives computers the ability to learn without being explicitly programmed.”

Image Processing 이미지 처리 Analog Image Processing 물리적 수단을 이용하여 이미지를 조작하거나 편집하는 것 Digital Image Processing 컴퓨터가 디지털 이미지를 처리하는 데 수학적 알고리즘과 계산 기술에 의존

최적화 : 문제가 주어졌을 때, 문제에 대한 가장 최적의 해를 찾는 것이다. 결정변수와 목적함수 (최대화 or 최소화), 제약조건들에 대한 식을 만들 수 있다. 선형계획법(LP: linear programming) : 최적화 기법 중 하나이자, 제약조건들과 목적함수