Machine Learning 39
- NYC 택시 수요 예측 파이프라인 만들기 (8) Airflow 자동화, 모니터링, CI
- NYC 택시 수요 예측 파이프라인 만들기 (7) FastAPI 서빙과 학습-서빙 편차
- NYC 택시 수요 예측 파이프라인 만들기 (6) PostgreSQL, MinIO, MLflow 연동
- NYC 택시 수요 예측 파이프라인 만들기 (5) Baseline vs LightGBM vs PyTorch
- NYC 택시 수요 예측 파이프라인 만들기 (4) 집계와 피처 생성
- NYC 택시 수요 예측 파이프라인 만들기 (3) 데이터 수집과 EDA
- NYC 택시 수요 예측 파이프라인 만들기 (2) 개발환경 세팅
- NYC 택시 수요 예측 파이프라인 만들기 (1) 프로젝트 설계
- NYC 택시 수요 예측 파이프라인 만들기 (0) 시리즈 소개
- 머신러닝 실전 워크플로 (12) - 모니터링과 드리프트
- 머신러닝 실전 워크플로 (11) - 오케스트레이션: Airflow
- 머신러닝 실전 워크플로 (10) - 컨테이너와 배포: Docker
- 머신러닝 실전 워크플로 (9) - 서빙: 배치와 온라인, FastAPI
- 머신러닝 실전 워크플로 (8) - 모델 레지스트리와 아티팩트
- 머신러닝 실전 워크플로 (7) - 검증 전략과 누수 점검
- 머신러닝 실전 워크플로 (6) - 실험 추적: MLflow
- 머신러닝 실전 워크플로 (5) - 피처 파이프라인
- 머신러닝 실전 워크플로 (4) - EDA와 데이터 품질 자동 점검
- 머신러닝 실전 워크플로 (3) - 데이터 수집과 버전관리
- 머신러닝 실전 워크플로 (2) - 프로젝트 구조와 재현성
- 머신러닝 실전 워크플로 (1) - 문제 정의: 비즈니스 문제를 ML 문제로
- 머신러닝 실전 워크플로 (0) - 시리즈 소개
- 머신러닝 기초 (16) - 이상치 탐지
- 머신러닝 기초 (15) - 차원축소: PCA
- 머신러닝 기초 (14) - 군집화: K-means와 계층군집
- 머신러닝 기초 (13) - 데이터 누수와 파이프라인
- 머신러닝 기초 (12) - 전처리: 스케일링, 인코딩, 결측치
- 머신러닝 기초 (11) - 앙상블: 랜덤포레스트와 부스팅
- 머신러닝 기초 (10) - 결정트리
- 머신러닝 기초 (9) - 선형 모델: 선형 회귀와 로지스틱 회귀
- 머신러닝 기초 (8) - 회귀 평가: RMSE, R², 잔차
- 머신러닝 기초 (7) - 분류 평가: 혼동행렬과 ROC-AUC
- 머신러닝 기초 (6) - 규제: Ridge와 Lasso
- 머신러닝 기초 (5) - 교차검증과 하이퍼파라미터 튜닝
- 머신러닝 기초 (4) - 과대적합과 일반화: train/valid/test와 편향-분산
- 머신러닝 기초 (3) - 경사하강법: 손실을 줄이는 법
- 머신러닝 기초 (2) - 손실 함수: 모델이 최소화하는 것
- 머신러닝 기초 (1) - 지도학습이란: 회귀와 분류
- 머신러닝 기초 (0) - 시리즈 소개