들어가며 전통적인 머신러닝에서 그래프를 다룰 때는 위 그림과 같은 프로세스를 가졌습니다. 입력값으로 그래프를 받으면 피처 엔지니어링을 통해 구조화된 피처를 생성하고 모델을 학습하여 예측값을 반환했죠. 이 모든 과정은 태스크마다 새롭게 진행되어야 했고, 많은 시간을 들여야 했습니다. 하지만 앞으로 다룰 그래프 표현 학습(Gr...

들어가며 2월 말 파일럿 강의를 시작으로 사내에서 총 네 번에 걸친 머신러닝 엔지니어링 입문 강의를 진행했습니다. 강의에서 다루는 내용을 블로그에 다 담기는 어려울 것 같지만 요약하자면 최소 MLE가 가져야 하는 역량에 대해서 주목하고 알아보는 하루 여덟 시간짜리 강의 정도가 되겠네요. 사실 이 강의를 진행하게 된 이유는 MLOps 강의를 위한 준...

본 포스트는 Towards Data Science에 기고된 글을 요약하였습니다. 들어가며 추천 시스템은 오늘날 여러 플랫폼에서 사용하는 성공적인 ML 서비스입니다. 추천 시스템은 사용자가 새로운 콘텐츠나 제품을 발견하는 데 큰 도움을 줍니다. 하지만 다양한 형태의 편향으로 인해 잘못된 추천을 제공할 수도 있고, 이에 따라 사용자 경험을 저하시킬 수...

그래프에서 ML을 위한 피처 엔지니어링 그래프 형태의 데이터를 ML로 학습한다고 할 때 전통적인 ML 파이프라인이라면 그래프의 노드, 링크, 그래프 그 자체에 대한 피처를 디자인하고 모든 학습 데이터에서 피처를 생성해야 합니다. 그 다음 로지스틱 회귀나 랜덤 포레스트같은 모델을 학습하고 새로 입력된 노드, 링크, 그래프에 대해 생성한 피처를 적용해 ...

블로그에 글을 남기는 게 거의 한 달 만이네요. 지금까지는 블로그에 글을 올리지 못하더라도 무언갈 공부하고 있었고, 그 내용들을 나중에라도 정리할 수 있었는데 이번 공백은 조금 달랐습니다. 이런 이야기를 조금이라도 남기는게 무엇보다도 제게 도움이 되는 것 같아서 짧게라도 써보려고 합니다. 최근 한 달은 저에게 매우 힘든 기간이었습니다. 몸과 마음이 ...