퀴즈
- domain: www.github.com
- host: www.github.com
- port: http
- path: /dlddu/seoul-line-mlops
-
IP(Internet Protocol) 주소는 네트워크 상에서 장치를 식별하기 위해 사용되는 고유한 주소이다. DNS(Domain Name System) 는 인간이 이해하기 쉬운 도메인 이름(예: www.google.com)을 IP 주소(예: 93.184.216.34)로 변환하는 시스템입니다.
-
GET, POST, PUT, PATCH, DELETE
-
json, form data, binary...
DEVCONTAINER 만들어보기
- 새로 만들기 vs 만든거 열기
베이스: 정말 기본이 되는 1개의 조건 :
언어(pyton 등) - 한 언어만 돌리는 경우
운영체제(ubuntu등) - 언어 외에도 다양한 걸 하고 싶을 때
피처: 베이스 위에다 깔고 싶은거.. git lfs, python, 등 툴/서비스 등등
postCreateCommand : 위의 셋팅 아래에서 최초로 깔아야하는 것들
customizations : 각종 플러그인들을 설정해준다.
vscode의 플러그인 개별 설명페이지에서 바로 해당 플로그인을 .devcontainer.json에 추가할래? 라고 물어보며 추가가 된다! > 단 이경우 이미 컨테이너가 켜져있으면 리빌드를 해야한다.
과제설명!!
이 과제를 다해내면 간단한 MLOPS를 혼자서 다 해본것!!
XG부스트
ML모델 데이터 중 하나!
코드 공부
돌리는 값과
테스트해보는 값 구분!
소개
통계 머신러닝의 가장 유용한친구다
- 의사결정나무
와인의 다양한 팩터들 중, 높은 점수의 와인들의 공통점들을 찾아서 의사결정나무가 갈라지는 조건을 자체적으로 만들어낸다.
최소한의 판단기준!
- 앙상블 기법
앙상블 기법의 정의는 어떤 것이든지 여러개를 쓰는 것
가장 직관적인 대표적인 앙상블기법: 배깅 = 랜덤 포레스트
의사결정 나무를 여러개 만들어서 각자 값을 내서 그 중에 다수결로..
week leaner, 즉 얕은 트리를 여러개로 다수결을 내면 값은 좋아진다!!
병렬식!
- 앙상블 중에 보깅 : gradient boosting
얕은 의사결정나무를 연달아서 태워서 값을 만든다
앙상블과다른 것은 시퀀스로 움직인다는 것!
앞의 의사결정나무가 나온 값을 뒤의 나무가 활용한다
앞의 결과를 미분적으로, 다음 에러를 줄이기 위해 학습ㅇ
로스 = ground truth와 얼마나 다른지, 틀렷는지 개량화한 것
앞의 의사결정 나무의 값의 로스를 측정하고
앞으로 일어날 에러를 예측한다
이 에러발생예측을 다음 의사결정나무에게 "넌 이러면 안대"라고 학습시키고 돌려서
그래서 나온 값의 로스를 측정하고...
에러를 예측하고 다음 의사결정나무에게 이를 학습시키고...
<> 정답지 : ground truth
에러를 줄이는 방법 중 하나로 gradient boosting
- xgboost
gradient boosting을 병렬로 해서 빠르게 해준다!
그 중 gradient boosting은?
feathre importance
커버 : 의사결정나무에서 이 팩터가 사용된 횟수
게인 : ///
웨이트 : ///
xgboost가 좋은 이유는 이 feathre importance가 나오기 떄문!
