ML 서비스 개발 순서

Problem Definition -> Data Collection & Analysis -> ML Modeling -> Deployting in Production

 

좀더 세분화 하면

(https://www.evidentlyai.com/blog/machine-learning-monitoring-what-it-is-and-how-it-differs) 참고

 

Data Collection & Analysis == Data Preparation -> Feature Engineering

 

Feature Engineering 이란? 머신 러닝 모델이 작동할 수 있도록 하는 Feature들을 만드는 과정으로, 데이터에 대한 도메인 지식을 사용하며 전처리 과정도 이에 포함된다.

 

대표적인 전처리 과정

1. 데이터 클리닝 & 전처리 : 아웃라이어(Outlier) 제거, 누락값들에 대한 처리, 데이터의 비 대칭성(Skewness) 처리

2. Scaling

 

ML Modeling == Model training -> Model Evaluation

 

Deploying in Production == Model Deployment -> Model Serving