HOME > Detail View

Detail View

(AI 엔지니어를 위한) 머신러닝 시스템 디자인 패턴 (Loan 1 times)

Material type
단행본
Personal Author
渋井雄介 하승민, 역
Title Statement
(AI 엔지니어를 위한) 머신러닝 시스템 디자인 패턴 / 시부이 유우스케 지음; 하승민 옮김
Publication, Distribution, etc
파주 :   위키북스,   2021  
Physical Medium
xx, 412 p. : 삽화, 도표 ; 24 cm
Series Statement
데이터 사이언스 시리즈 = DS ;75
Varied Title
AIエンジニアのための機械学習システムデザインパターン
ISBN
9791158392888
General Note
색인수록  
000 00000cam c2200205 c 4500
001 000046103095
005 20220106114007
007 ta
008 220103s2021 ggkad 001c kor
020 ▼a 9791158392888 ▼g 93000
035 ▼a (KERIS)BIB000015993132
040 ▼a 244009 ▼c 244009 ▼d 211009
041 1 ▼a kor ▼h jpn
082 0 4 ▼a 006.31 ▼2 23
085 ▼a 006.31 ▼2 DDCK
090 ▼a 006.31 ▼b 2021z30
100 1 ▼a 渋井雄介
245 2 0 ▼a (AI 엔지니어를 위한) 머신러닝 시스템 디자인 패턴 / ▼d 시부이 유우스케 지음; ▼e 하승민 옮김
246 1 9 ▼a AIエンジニアのための機械学習システムデザインパターン
246 3 ▼a Ēai enjinia no tame no kikai gakushū shisutemu dezain patān
260 ▼a 파주 : ▼b 위키북스, ▼c 2021
300 ▼a xx, 412 p. : ▼b 삽화, 도표 ; ▼c 24 cm
490 1 0 ▼a 데이터 사이언스 시리즈 = ▼a DS ; ▼v 75
500 ▼a 색인수록
700 1 ▼a 하승민, ▼e
830 0 ▼a 데이터 사이언스 시리즈 ; ▼v 75
900 1 0 ▼a 시부이 유우스케, ▼e
900 1 0 ▼a Shibui, Yūsuke, ▼e
945 ▼a KLPA

Holdings Information

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 006.31 2021z30 Accession No. 121258753 Availability Available Due Date Make a Reservation Service B M
No. 2 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 006.31 2021z30 Accession No. 521006669 Availability Available Due Date Make a Reservation Service B M

Contents information

Book Introduction

머신러닝을 실제 시스템에 탑재해 운용하기 위한 노하우를 기록한 사례집이자, 머신러닝 시스템의 디자인 패턴을 모아 놓은 해설서이다. 머신러닝 시스템의 그랜드 디자인 및 머신러닝 시스템을 파이썬으로 구현한 예를 설명함과 동시에 머신러닝을 실제로 활용하기 위한 방법론이나 운용, 개선 노하우 등에 관해서 기술한다. 또한 도커와 쿠버네티스를 활용해 코드의 재현성도 보장하고 있다. 머신러닝의 학습부터 평가, QA를 수행하고 추론기를 릴리스해서 운용하는 일련의 흐름을 아키텍처와 코드를 곁들여 설명한다.

머신러닝 시스템 구축에 필요한 디자인 패턴을 모두 모았다!

머신러닝을 시스템에 도입하고 유용하게 활용하기 위해서는 그에 맞는 설계나 구현이 필요하다.

이 책은 머신러닝을 실제 시스템에 탑재해 운용하기 위한 노하우를 기록한 사례집이자, 머신러닝 시스템의 디자인 패턴을 모아 놓은 해설서이다. 머신러닝 시스템의 그랜드 디자인 및 머신러닝 시스템을 파이썬으로 구현한 예를 설명함과 동시에 머신러닝을 실제로 활용하기 위한 방법론이나 운용, 개선 노하우 등에 관해서 기술한다.

또한 도커와 쿠버네티스를 활용해 코드의 재현성도 보장하고 있다. 머신러닝의 학습부터 평가, QA를 수행하고 추론기를 릴리스해서 운용하는 일련의 흐름을 아키텍처와 코드를 곁들여 설명한다.

★ 이 책에서 다루는 내용 ★

◎ 머신러닝을 실용화하기 위한 방법에 관해 알아본다.
◎ 파이썬을 활용한 머신러닝 워크플로와 웹 애플리케이션 개발의 개요를 배운다.
◎ 머신러닝을 도입한 시스템의 운용 노하우를 익힌다.
◎ 머신러닝 시스템의 트러블 슈팅과 장애 대응 방법을 습득한다.


Information Provided By: : Aladin

Table of Contents

[1부] 머신러닝과 ML옵스

▣ 1장: 머신러닝 시스템이란
1.1 머신러닝, ML옵스 및 시스템
___1.1.1. 시작하기
___1.1.2. 이 책의 목적
1.2 사용자 중심의 머신러닝
___1.2.1. 전자 상거래 사이트 예시
___1.2.2. 이미지 업로드 애플리케이션 예시
1.3 머신러닝 시스템에 필요한 요소
1.4 머신러닝 시스템 패턴화하기
___1.4.1. 학습
___1.4.2. 릴리스 방법
___1.4.3. 추론의 흐름
___1.4.4. 품질관리
1.5 이 책의 구성
___1.5.1. 디자인 패턴
___1.5.2. 안티 패턴

[2부] 머신러닝 시스템 만들기

▣ 2장: 모델 만들기
2.1 모델 작성
___2.1.1. 모델 개발의 흐름
___2.1.2. 데이터 분석과 수집
___2.1.3. 모델의 선정과 파라미터 정리
___2.1.4. 전처리
___2.1.5. 학습
___2.1.6. 평가
___2.1.7. 빌드
___2.1.8. 시스템 평가
___2.1.9. 모델 개발은 일방통행이 아니다
2.2 안티 패턴 (Only me 패턴)
___2.2.1. 상황
___2.2.2. 구체적인 문제
___2.2.3. 이점
___2.2.4. 과제
___2.2.5. 회피 방법
2.3 프로젝트, 모델, 버저닝
___2.3.1. 프로젝트, 모델, 버저닝 관리
___2.3.2. 구현
2.4 파이프라인 학습 패턴
___2.4.1. 유스케이스
___2.4.2. 해결하려는 과제
___2.4.3. 아키텍처
___2.4.4. 구현
___2.4.5. 이점
___2.4.6. 검토사항
2.5 배치 학습 패턴
___2.5.1. 유스케이스
___2.5.2. 해결하려는 과제
___2.5.3. 아키텍처
___2.5.4. 구현
___2.5.5. 이점
___2.5.6. 검토사항
2.6 안티 패턴 (복잡한 파이프라인 패턴)
___2.6.1. 상황
___2.6.2. 구체적인 문제
___2.6.3. 이점
___2.6.4. 과제
___2.6.5. 해결방법

▣ 3장: 모델 릴리스하기
3.1 학습환경과 추론환경
___3.1.1. 시작하기
___3.1.2. 학습환경과 추론환경
3.2 안티 패턴 (버전 불일치 패턴)
___3.2.1. 상황
___3.2.2. 구체적인 문제
___3.2.3. 이점
___3.2.4. 과제
___3.2.5. 해결방법
3.3 모델의 배포와 추론기의 가동
___3.3.1. 모델을 릴리스한다는 것이란
___3.3.2. 학습환경과 추론환경의 라이브러리와 버전 선정
___3.3.3. 추론기에 모델 포함하기
3.4 모델-인-이미지 패턴
___3.4.1. 유스케이스
___3.4.2. 해결하려는 과제
___3.4.3. 아키텍처
___3.4.4. 구현
___3.4.5. 이점
___3.4.6. 검토사항
3.5 모델 로드 패턴
___3.5.1. 유스케이스
___3.5.2. 해결하려는 과제
___3.5.3. 아키텍처
___3.5.4. 구현
___3.5.5. 이점
___3.5.6. 검토사항
3.6 모델의 배포와 스케일 아웃

▣ 4장: 추론 시스템 만들기
4.1 시스템을 만들어야 하는 이유
___4.1.1. 시작하기
___4.1.2. 머신러닝의 실용화
4.2 웹 싱글 패턴
___4.2.1. 유스케이스
___4.2.2. 해결하려는 과제
___4.2.3. 아키텍처
___4.2.4. 구현
___4.2.5. 이점
___4.2.6. 검토사항
4.3 동기 추론 패턴
___4.3.1. 유스케이스
___4.3.2. 해결하려는 과제
___4.3.3. 아키텍처
___4.3.4. 구현
___4.3.5. 이점
___4.3.6. 검토사항
4.4 비동기 추론 패턴
___4.4.1. 유스케이스
___4.4.2. 해결하려는 과제
___4.4.3. 아키텍처
___4.4.4. 구현
___4.4.5. 이점
___4.4.6. 검토사항
4.5 배치 추론 패턴
___4.5.1. 유스케이스
___4.5.2. 해결하려는 과제
___4.5.3. 아키텍처
___4.5.4. 구현
___4.5.5. 이점
___4.5.6. 검토사항
4.6 전처리ㆍ추론 패턴
___4.6.1. 유스케이스
___4.6.2. 해결하려는 과제
___4.6.3. 아키텍처
___4.6.4. 구현
___4.6.5. 이점
___4.6.6. 검토사항
4.7 직렬 마이크로서비스 패턴
___4.7.1. 유스케이스
___4.7.2. 해결하려는 과제
___4.7.3. 아키텍처
___4.7.4. 구현
___4.7.5. 이점
___4.7.6. 검토사항
4.8 병렬 마이크로서비스 패턴
___4.8.1. 유스케이스
___4.8.2. 해결하려는 과제
___4.8.3. 아키텍처
___4.8.4. 구현
___4.8.5. 이점
___4.8.6. 검토사항
4.9 시간차 추론 패턴
___4.9.1. 유스케이스
___4.9.2. 해결하려는 과제
___4.9.3. 아키텍처
___4.9.4. 구현
___4.9.5. 이점
___4.9.6. 검토사항
4.10 추론 캐시 패턴
___4.10.1. 유스케이스
___4.10.2. 해결하려는 과제
___4.10.3. 아키텍처
___4.10.4. 구현
___4.10.5. 이점
___4.10.6. 검토사항
4.11 데이터 캐시 패턴
___4.11.1. 유스케이스
___4.11.2. 해결하려는 과제
___4.11.3. 아키텍처
___4.11.4. 구현
___4.11.5. 이점
___4.11.6. 검토사항
4.12 추론기 템플릿 패턴
___4.12.1. 유스케이스
___4.12.3. 해결하려는 과제
___4.12.3. 아키텍처
___4.12.4. 구현
___4.12.5. 이점
___4.12.6. 검토사항
4.13 에지 AI 패턴
___4.13.1. 유스케이스
___4.13.2. 해결하려는 과제
___4.13.3. 아키텍처
___4.13.4. 구현
___4.13.5. 이점
___4.13.6. 검토사항
4.14 안티 패턴 (온라인 빅사이즈 패턴)
___4.14.1. 상황
___4.14.2. 구체적인 문제
___4.14.3. 이점
___4.14.4. 과제
___4.14.5. 회피 방법
4.15 안티 패턴 (올-인-원 패턴)
___4.15.1. 상황
___4.15.2. 구체적인 문제
___4.15.3. 이점
___4.15.4. 과제
___4.15.5. 회피 방법

[3부] 품질ㆍ운용ㆍ관리

▣ 5장: 머신러닝 시스템의 운용
5.1 머신러닝의 운용
5.2 추론 로그 패턴
___5.2.1. 유스케이스
___5.2.2. 해결하려는 과제
___5.2.3. 아키텍처
___5.2.4. 구현
___5.2.5. 이점
___5.2.6. 검토사항
5.3 추론 감시 패턴
___5.3.1. 유스케이스
___5.3.2. 해결하려는 과제
___5.3.2 아키텍처
___5.3.4. 구현
___5.3.5. 이점
___5.3.6. 검토사항
5.4 안티 패턴 (로그가 없는 패턴)
___5.4.1. 상황
___5.4.2. 구체적인 문제
___5.4.3. 이점
___5.4.4. 과제
___5.4.5. 회피 방법
5.5 안티 패턴 (‘그리고 아무도 없었다’ 패턴)
___5.5.1. 상황
___5.5.2. 구체적인 문제
___5.5.3. 이점
___5.5.4. 과제
___5.5.5. 회피 방법

▣ 6장: 머신러닝 시스템의 품질관리
6.1 머신러닝 시스템의 품질과 운용
6.2 머신러닝 시스템의 정상성 평가 지표
___6.2.1. 머신러닝의 정상성
___6.2.2. 소프트웨어의 정상성
6.3 부하 테스트 패턴
___6.3.1. 유스케이스
___6.3.2. 해결하려는 과제
___6.3.3. 아키텍처
___6.3.4. 구현
___6.3.5. 이점
___6.3.6. 검토사항
6.4 추론 서킷브레이커 패턴
___6.4.1. 유스케이스
___6.4.2. 해결하려는 과제
___6.4.3. 아키텍처
___6.4.4. 구현
___6.4.5. 이점
___6.4.6. 검토사항
6.5 섀도 A/B 테스트 패턴
___6.5.1. 유스케이스
___6.5.2. 해결하려는 과제
___6.5.3. 아키텍처
___6.5.4. 구현
___6.5.5. 이점
___6.5.6. 검토사항
6.6 온라인 A/B 테스트 패턴
___6.6.1. 유스케이스
___6.6.2. 해결하려는 과제
___6.6.3. 아키텍처
___6.6.4. 구현
___6.6.5. 이점
___6.6.6. 검토사항
6.7 파라미터 기반 추론 패턴
___6.7.1. 유스케이스
___6.7.2. 해결하려는 과제
___6.7.3. 아키텍처
___6.7.4. 구현
___6.7.5. 이점
___6.7.6. 검토사항
6.8 조건 분기 추론 패턴
___6.8.1. 유스케이스
___6.8.2. 해결하려는 과제
___6.8.3. 아키텍처
___6.8.4. 구현
___6.8.5. 이점
___6.8.6. 검토사항
6.9 안티 패턴 (오프라인 평가 패턴)
___6.9.1. 상황
___6.9.2. 구체적인 문제
___6.9.3. 이점
___6.9.4. 과제
___6.9.5. 회피 방법

▣ 7장: ML옵스 시스템의 End-to-End 설계
7.1 과제와 방법
___7.1.1. 머신러닝으로 해결 가능한 과제를 결정하기
___7.1.2. 머신러닝으로 해결 가능한지 검토하기
___7.1.3. 과제 해결 정도를 수치로 평가하기
___7.1.4. 머신러닝 시스템의 요건을 정의
___7.1.5. 머신러닝 모델 개발
___7.1.6. 평가 및 효과 검증
7.2 수요예측 시스템
___7.2.1. 상황과 요건
___7.2.2. 시스템 만들기
7.3 콘텐츠 업로드 서비스
___7.3.1. 상황과 요건
___7.3.2. 모델과 시스템
___7.3.3. 머신러닝 활용하기
___7.3.4. ML옵스
7.4 정리하기

New Arrivals Books in Related Fields

딥노이드. 교육팀 (2021)
Patterson, Josh (2022)