본 레파지토리는 구글의 공식 제품이 아닙니다.
O'Reilly 책과 함께 제공되는 소스코드:
제목: 머신러닝 디자인 패턴 Machine Learning Design Patterns
저자: Valliappa (Lak) Lakshmanan, Sara Robinson, Michael Munn
역자: 맹윤호, 임지순
머신러닝 디자인 패턴 한국 독자들을 위한 소스코드 저장소입니다. 각 장마다 새로운 코드들이 업데이트 되고 있으며, 최신 원본 코드는 아래의 링크에서 확인하실 수 있습니다.
- 서문 Preface
- 머신러닝 디자인 패턴의 필요성 The Need for ML Design Patterns
- 데이터 표현 디자인 패턴 Data representation design patterns
- #1 특징 해시 Hashed Feature
- #2 임베딩 Embedding
- #3 특징 교차 Feature Cross
- #4 멀티모달 입력 Multimodal Input
- 문제 표현 디자인 패턴 Problem representation design patterns
- #5 리프레이밍 Reframing
- #6 멀티레이블 Multilabel
- #7 앙상블 Ensemble
- #8 캐스케이드 Cascade
- #9 중립 클래스 Neutral Class
- #10 리밸런싱 Rebalancing
- 학습 모델 수정 패턴 Patterns that modify model training
- #11 유용한 과대적합 Useful overfitting
- #12 체크포인트 Checkpoints
- #13 전이학습 Transfer Learning
- #14 분산전략 Distribution Strategy
- #15 하이퍼파라미터 튜닝 Hyperparameter Tuning
- 탄력성 패턴 Resilience patterns
- #16 스테이트리스 서빙 함수 Stateless Serving Function
- #17 배치 서빙 Batch Serving
- #18 연속 모델 평가 Continuous Model Evaluation
- #19 2단계 예측 Two Phase Predictions
- #20 키 기반 예측 Keyed Predictions
- 재현성 패턴 Reproducibility patterns
- #21 트랜스폼 Transform
- #22 반복가능한 분할 Repeatable Splitting
- #23 브릿지 스키마 Bridged Schema
- #24 윈도우 추론 Windowed Inference
- #25 워크플로우 파이프라인 Workflow Pipeline
- #26 특징 저장소 Feature Store
- #27 모델 버전 관리 Model Versioning
- 책임있는 AI Responsible AI
- #28 휴리스틱 벤치마크 Heuristic benchmark
- #29 설명가능한 예측 Explainable Predictions
- #30 공정성 렌즈 Fairness Lens
- 연결 패턴 Connected Patterns
- 요약 Summary