데이터 준비, 모델 구축, MLOps의 일반적인 문제에 대한 솔루션 구현하기

디자인 패턴이란 전문가 수백 명의 경험을 간단하고 접근하기 쉽게 체계화한 것이다. 이 책에는 데이터의 표현, 운영, 반복성, 재현성, 유연성, 설명 가능성, 공정성에 대한 30가지 디자인 패턴이 담겨 있다. 각 패턴에는 문제에 대한 설명, 다양한 잠재적 솔루션, 상황에 적합한 기술 노하우가 포함되어 있다. 머신러닝 프로세스 전반에 걸쳐 마주하는 일반적인 문제를 해결하고 싶은 실무자라면, 저명한 3명의 구글 엔지니어가 이 책에서 분류한 ‘이미 입증된 방법’을 배우고 실천해보자.

CHAPTER 1 머신러닝 디자인 패턴의 필요성
1.1 디자인 패턴이란?
1.2 이 책의 사용법
1.3 머신러닝 용어
1.4 머신러닝의 문제
1.5 마치며

CHAPTER 2 데이터 표현 디자인 패턴
2.1 간단한 데이터 표현
2.2 디자인 패턴 1: 특징 해시
2.3 디자인 패턴 2: 임베딩
2.4 디자인 패턴 3: 특징 교차
2.5 디자인 패턴 4: 멀티모달 입력
2.6 마치며

CHAPTER 3 문제 표현 디자인 패턴
3.1 디자인 패턴 5: 리프레이밍
3.2 디자인 패턴 6: 멀티라벨
3.3 디자인 패턴 7: 앙상블
3.4 디자인 패턴 8: 캐스케이드
3.5 디자인 패턴 9: 중립 클래스
3.6 디자인 패턴 10: 리밸런싱
3.7 마치며

CHAPTER 4 모델 학습 디자인 패턴
4.1 일반적인 학습 루프
4.2 디자인 패턴 11: 유용한 과대적합
4.3 디자인 패턴 12: 체크포인트
4.4 디자인 패턴 13: 전이 학습
4.5 디자인 패턴 14: 분산 전략
4.6 디자인 패턴 15: 하이퍼파라미터 튜닝
4.7 마치며

CHAPTER 5 탄력성 디자인 패턴
5.1 디자인 패턴 16: 스테이트리스 서빙 함수
5.2 디자인 패턴 17: 배치 서빙
5.3 디자인 패턴 18: 연속 모델 평가
5.4 디자인 패턴 19: 2단계 예측
5.5 디자인 패턴 20: 키 기반 예측
5.6 마치며

CHAPTER 6 재현성 디자인 패턴
6.1 디자인 패턴 21: 트랜스폼
6.2 디자인 패턴 22: 반복 가능 분할
6.3 디자인 패턴 23: 브리지 스키마
6.4 디자인 패턴 24: 윈도 추론
6.5 디자인 패턴 25: 워크플로 파이프라인
6.6 디자인 패턴 26: 특징 저장소
6.7 디자인 패턴 27: 모델 버전 관리
6.8 마치며

CHAPTER 7 책임 있는 AI
7.1 디자인 패턴 28: 휴리스틱 벤치마크
7.2 디자인 패턴 29: 설명 가능한 예측
7.3 디자인 패턴 30: 공정성 렌즈
7.4 마치며

CHAPTER 8 연결 패턴
8.1 패턴 참조
8.2 패턴 상호작용
8.3 ML 프로젝트 내의 패턴
8.4 사용 사례와 데이터 유형에 따른 일반적인 패턴