머신러닝 엔지니어링: 전처리부터 모델 서빙 및 관리까지

[강의 목표]

- 데이터의 분포, 자료 형, 값의 범위를 조정하는 스케일링, 결측치를 처리하는 방법, 범주형 변수를 다루는 방법들에 대해 배웁니다.
- 선형 회귀(Linear Regression)의 기본적인 개념에 대해 학습합니다. 
- 머신러닝 모델을 기반으로한 회귀 모델의 개념 및 실습을 진행합니다. 
- 회귀 모델을 위한 평가 방법과 회귀 모델 평가 시 주의 사항에 대해 배우고 실습을 진행합니다.

[이론]

1) 스케일링, 결측치 처리 범주형 변수 인코딩 등 기초 전처리 이론

2) 회귀 모델 기초 이론

3) 회귀 모델 평가 방법과 주의사항

4) 머신러닝 모델을 기반으로한 회귀 모델

[실습] 

1) 스케일링, 결측치 처리(MICE), 범주형 변수 인코딩 등 전처리 실습

2) Linear Regression 모델 및 머신러닝 모델을 기반으로 한 회귀 모델 실습 및 평가

3) 개인 프로젝트 데이터에 전처리 및 회귀 모델 실습

[강의 목표]

- 지도 학습 알고리즘의 종류 중 하나인 분류(Classification)에 대해 학습합니다. 
- 로지스틱 회귀, SVM, 결정 트리, 랜덤 포레스트 등 기본적인 머신러닝 알고리즘부터 경진대회에서 자주 사용되는 모델에 대해 학습하고 실습을 진행합니다. 
- 분류 모델을 위한 평가 방법과 혼동 행렬(Confusion Matrix)을 통해 분류 모델 평가 시 주의 사항에 대해 배우고 실습을 진행합니다.

[이론]

1) 분류 모델 기초 이론

2) 분류 모델 평가 방법과 주의사항

3) 경진대회에서 자주 사용되는 모델

[실습] 

1) Logistic Regression, SVM, Decision Tree, Random Forest 모델 실습 및 평가

2) XGBoost, LightGBM 라이브러리 모델 실습 및 평가

3) 개인 프로젝트 데이터에 분류 모델 실습

[강의 목표]

- 주어진 데이터 뿐만아니라 학습하지 않은 데이터에 대해 일반화 성능을 향상시키기 위한 모델 검증과 앙상블에 대해 학습합니다. 
- 교차 검증(Cross Validation), 투표 앙상블(Voting Ensemble) 등 모델의 일반화 성능을 향상시킬 수 있는 알고리즘을 배워봅니다.
- 좋은 변수를 선별하기 위한 기법 중 하나인 Permutation Importance에 대해 학습하고 실습을 진행합니다.

[이론]

1) 모델 검증 기초 이론

2) 앙상블 기초 이론

3) 변수 선택 기법 이론

[실습] 

1) k-Fold을 활용하여 모델 교차 검증 실습

2) Out-Of-Fold 모델 앙상블 실습

3) 변수 선택 기법 실습 (Permutation Importance)

4) 개인 프로젝트 데이터에 모델 검증 및 앙상블 실습

[강의 목표]

- 정형 데이터를 더 빠르게 다를 수 있는 병렬처리 방법에 대해 학습합니다.
- AutoML 라이브러리를 활용한 파라미터 튜닝에 대해 학습하고 실습을 진행합니다.

[이론]

1) 병렬 처리 기초 이론, Modin Pandas, Ray 라이브러리 소개

2) AutoML(WandB, Raytune) 라이브러리 소개

[실습] 

1) Modin Pandas 라이브러리 실습 

2) AutoML (WandB, Raytune) 라이브러리를 활용한 하이퍼 파라미터 튜닝 실습

[강의 목표]

- Rest API서버를 만들기 위해 기본 지식을 습득합니다.
- Database를 구축하기 위해 기본 지식을 습등합니다..
- Fast API 프레임워크를 사용해 Rest API서버를 구축해봅니다.
- PostgreSQL Database를 구축해봅니다.

[이론]

1) Rest API / Database 기초 이론

2) Docker 기초 이론

[실습] 

1) Fast API 프레임워크로 Rest API 서버 구축하기

2) Docker를 사용해 PostgreSQL Database 구축하기

[강의 목표]

- 학습한 모델을 서빙해 봅니다. 
- 기존 Rest API 서버에 추가적인 라이브러리(redis, bentoml)를 사용해봅니다. 
- 모델을 관리하기 위한 모델 관리 라이브러리 mlflow에 대해 학습합니다.

[이론]

1) 모델 서빙 기초 이론

2) 모델 관리 기초 이론

[실습] 

1) Redis를 이용한 예측 서비스 만들기

2) BentoML을 이용한 컨테이너 기반 예측 서비스 만들기

3) 모델 및 프로젝트를 관리하기 위한Mlflow 서버 만들기