Jay's Blog
Node embedding

CS224W - (3) Node Embeddings

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...

Photo by [Kenny Eliason](https://unsplash.com/es/@neonbrand) on [Unsplash](https://unsplash.com)

사내 강의 회고

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...

Graph Features

CS224W - (2) Traditional Methods for Machine Learning in Graphs

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 ...