정리 방식을 바꾸기로했다.

기존처럼 강의 내용 전체를 슬라이드 내용 위주에서 ->

목차 별로 새로 알게 됐거나 중요하다고 생각하는 내용에 대해 왜?라는 질문과 흐름 및 키워드 위주로 나의 생각을 정리하고자한다.

AI 서비스 개발 기초 4강 : 머신러닝 프로젝트 라이프 사이클

1. 머신러닝 프로젝트 Flow

1.1 문제 정의의 중요성

• 결국 어떠한 문제를 풀고자 프로젝트를 하고 업무를 하는 것임

• 그러므로, 처음 문제 정의를 명확하게해야 문제를 효율적으로 풀 수 있음

• 코딩이나 엔지니어링 역량뿐만 아니라, 근본적인 사고 능력도 중요함

• How보다 Why에 집중

• 해결해야하는 문제와 그 문제의 해결 방법 및 해결 결과 등 본질을 파악

1.2 현상 파악

• 우선 현재 상황을 파악함

1.3 구체적인 문제 정의

• 파악한 현상을 명확한 용어로 구체적으로 정리해야 함

• 무조건 데이터를 활용한 방법으로 접근하기보다 여러가지 제약사항을 고려하여 다양한 방법 중 간단한 방법부터 점진적으로 접근해야 함

• 문제를 쪼개서 자세히 파악함

1.4 프로젝트 설계

머신러닝 문제 타당성 확인

• 흥미가 아니라 비즈니스 가치를 고려

• 필요한 데이터와 기존 모델을 확인하여 문제 복잡도 평가

• 패턴/목적 함수/복잡성/데이터/반복성이 존재해야 함

목표/지표 결정

• Goal : 프로젝트의 일반적인 큰 목적

• Objectives : 목적 달성 위한 구체적인 세부 단계 목적

• Objectives가 여러 개인 경우 분리

• 라벨데이터/유사라벨데이터/라벨x데이터/데이터자체x 등 많은 케이스 존재

제약조건

• 일정

• 예산

• 관련된 사람

• privacy

• 기술적 제약(인프라)

• 윤리적 이슈

• 성능
  Baseline, Threshold, performance trade-off, 해석가능성, confidence Measurment...)

베이스라인, 프로토타입

• input 입력시 output을 반환하는 간단한 웹페이지

• Voila, Streamit, Gradio...

Metric Evaluation

• 모델의 성능 지표/비즈니스 지표

• AB Test

• 대부분 회사의 이익 극대화

1.6 Action(모델 개발 후 배포 & 모니터링)

• 정의한 지표의 변화 파악

1.7 추가 원인 분석

• 새롭게 발견한 상황을 파악해 어떤 방식으로 해결할지 모색

• 앞 과정을 반복

2. 비즈니스 모델

2.1 비즈니스 모델 파악하기

• 결국 회사는 비즈니스 모델로 수익 창출함

• 비즈니스에서 데이터를 활용할 수 있는 부분(input) 파악

• 예측의 결과를 비즈니스에 활용하는 법(output) 파악

2.2 공부 방법

• 정리된 paper 확인 (e.g., awesome mobility machine learning github)

• 책 추천 : 한 장으로 끝내는 비즈니스 모델 100

Special mission

일상에서의 문제정의 + 회사에서 활용했다고 가정 시 그 임팩트 고민

문제 : 카쉐어링 어플에서 편도 서비스가 왜 활성화되지 않을까?

1. 왜 이것이 문제인가?

기존처럼 왕복 서비스만 주로 운영할 경우 서비스 이용자의 불편 등으로 이용률이 높지 않음

2. 문제 해결 시 기대 효과

1) 편도 반납 시 예상보다 대여 시간이 부족했을 때 가까운 카쉐어링 존에서 급하게 반납할 수 있다. 이로 인해 이용자의 입장에서 반납 시간 부담이 감소해 서비스 이용이 증가할 수 있다.

2) 애초에 왕복이 아니라 편도 서비스만이 필요할 수도 있고, 그게 아니더라도 도착 위치에서 시간이 많이 소요되는 경우 갈 때와 올 때 별도로 서비스를 이용하는 것이 낫다. 즉, 이러한 유형의 서비스를 희망하는 이용자들의 서비스 이용이 증가할 수 있다.

3. 문제의 원인

1) 현재 비즈니스 모델 구조 상 편도 모델을 운영하는 데 드는 비용이 기대이익보다 클 수 있다.

4. 문제의 해결 방안

1) 현재 비즈니스 모델을 분석하고 이를 개선하여 장기적으로 더욱 큰 이익을 낼 수 있도록 편도 모델을 추가한다.