Building AI Projects(1) - Workflow of a machine learning project

1. Workflow of a machine learning project

Example: Speech recognition

 

Key Steps of a machine learning project

1) Echo / Alexa

1. Collect data

• 실제로 돌아다니면서 사람을 만나 대화 내용을 기록하는 것을 가정

2. Train model

• Iterate many times until good enough
• input A로부터 output B가 mapping될 수 있도록 충분히 시행해야 한다.

3. Deploy model

• Get data back
• Maintain / update model
  예를 들어 British accent로 학습된 모델은 American accent를 잘 인식하지 못할 것이다.
  따라서 유지보수 및 업데이트가 중요하다.
• 학습된 model을 실제 제품에 적용시키는 단계를 말한다.

 

2) Self-driving car

1. Collect data

• image를 input으로 삼아 position of other cars를 output으로 mapping한다.
• image에 존재하는 자동차를 직사각형으로 감싸는 작업을 수행한다.

2. Train model

• Iterate many times until good enough
• 처음에는 image에서 잘못된 것을 차로 인식할 수 있다.
  이를 반복적인 학습을 통해 바로잡아야 한다.

3. Deploy model

• Get data back
• Maintain / update model
• 여러 종류의 차에 대한 정보를 기반으로 학습했다면, 처음 보게 되는 golf-car에 대한 것은 잘 인식하지 못할 수 있다.

 

2. Workflow of a data science project

Example: Optimizing a sales funnel

 

Key steps of a data science project

Optimizing a sales funnel

1. Collect data

2. Analyze data

• 거주하는 국가를 기반으로 해외 구매자들이 배송비때문에 구매를 하지 않게 된다는 것을 파악
• 특정 시간에 따라 쇼핑하는 사람이 많고 적음을 파악
• Iterate many times to get good insights

3. Suggest hypotheses/actions

• Deploy changes
• Re-analyze new data periodically
• 기존 아이디어를 기반으로 새로운 데이터를 수집하고 이를 기반으로 update

 

Manufacturing line

1. Collect data

2. Analyze data

• Iterate many times to get good insights
• 가마의 온도와 습도에 따라 내구성이 달라지는 것을 분석하고,
  이를 기반으로 idea를 제시한다.

3. Suggest hypotheses/actions

• 자료 분석을 기반으로 제시한 idea를 이용한다.
  생산성을 높이기 위한 방법을 모색하는 것이다.
• Deploy changes
• Re-analyze new data periodically
• 그리고 그 아이디어가 성공적이었는지 계속해서 확인하고 업데이트 해준다.

 

 

 

출처: Coursera, AI For Everyone, DeepLearning.AI