[Boostcamp Day-87] 머신러닝 프로젝트 라이프 사이클

문제 정의

특정 현상을 파악하고 그 현상에 있는 문제를 정의하는 과정

프로젝트 Flow

현상 파악 -> 목적, 문제 정의 -> 프로젝트 설계 -> Action -> 추가 원인 분석

현상 파악

• 어떤 일이 발생하고 있는가?
• 해당 일에서 어려움은 무엇인가?
• 해당 일에서 해결하면 좋은 것은 무엇인가?
• 추가적으로 무엇을 해볼 수 있을까?
• 어떤 가설을 만들어 볼 수 있을까?
• 어떤 데이터가 있을까?

구체적인 문제 정의

• 무엇을 해결하고 싶은가?
• 무엇을 알고 싶은가?

프로젝트 설계

• 해결하려고 하는 문제 구체화
• 머신러닝 문제 타당성 확인
• 목표 설정, 지표 결정
• 제약 조건
• 베이스라인, 프로토타입
• 평가 방법 설계

프로젝트 목표

• Goal : 프로젝트의 일반적인 목적, 큰 목적
• Objectives : 목적을 달성하기위한 세부 단계의 목표

프로젝트 제약

• 일정 : 프로젝트에 사용할 수 있는 시간
• 예산 : 사용할 수 있는 최대 예산
• 관련된 사람 : 이 프로젝트에 인해 영향을 받는 사람
• Privacy : Storage, 외부 솔루션, 클라우드 서비스 등에 대한 개인정보 보호 요구
• 기술적 제약(기존에 운영하고 있던 환경) : 레거시 환경(인프라)가 머신러닝 적용할 때 큰 제약일 수 있음
• 윤리적 이슈 : 윤리적으로 어긋난 결과

Action(모델 개발 후 배포 & 모니터링)

• 현재 만든 모델이 어떤 결과를 내고 있는가?
• 잘못 예측하고 있다면 어떤 부분이 문제일까?
• 어떤 부분을 기반으로 예측하고 있을까?