소득공제
PDF
eBook
잘되는 머신러닝 팀엔 이유가 있다
최고의 성과를 내는 머신러닝 팀의 구조적 사고, 실무 중심 엔지니어링, 문화 구축법
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
소개
목차
|
CHAPTER 01 ML 솔루션 제공의 도전과 더 나은 방향_1.1 ML을 향한 기대와 현실_1.2 시스템 사고와 린의 활용 방안_1.3 결론[PART 01 제품과 전달]CHAPTER 02 ML 팀을 위한 제품과 전달 기법_2.1 ML 제품 발견_2.2 개시: 팀의 성공을 위한 준비_2.3 제품 전달_2.4 결론[PART 02 엔지니어링]CHAPTER 03 효과적인 의존성 관리: 원칙과 도구_3.1 코드가 어디서나 항상 작동한다면 어떨까요?_3.2 도커와 batect에 대한 간단한 소개_3.3 결론CHAPTER 04 실무에서의 효과적인 의존성 관리_4.1 ML 개발 워크플로_4.2 안전한 종속성 관리_4.3 결론CHAPTER 05 자동 테스트: 신속하게 진행하되 문제는 피하기_5.1 자동 테스트: 빠르고 안정적으로 반복하기 위한 기본 요소_5.2 ML 시스템을 위한 포괄적인 테스트 전략의 구성 요소_5.3 소프트웨어 테스트_5.4 결론CHAPTER 06 자동 테스트: ML 모델 테스트_6.1 모델 테스트_6.2 모델 테스트에 필수적인 보완 기법_6.3 다음 단계: 배운 것을 적용하기_6.4 결론CHAPTER 07 간단한 기술로 코드 에디터를 효과적으로 사용하기_7.1 IDE를 아는 것의 이점(그리고 놀라운 단순성)_7.2 계획: 두 단계로 생산성 높이기_7.3 결론CHAPTER 08 리팩터링과 기술 부채 관리_8.1 기술 부채: 자동차 기어 속 모래_8.2 노트북(또는 문제가 있는 코드베이스) 리팩터링 방법_8.3 현실에서의 기술 부채 관리_8.4 결론CHAPTER 09 MLOps와 ML을 위한 지속적 전달(CD4ML)_9.1 MLOps의 강점과 부족한 퍼즐 조각들_9.2 ML을 위한 지속적 전달(CD4ML)_9.3 CD4ML이 ML 거버넌스와 책임 있는 AI를 지원하는 방법_9.4 결론[PART 03 팀]CHAPTER 10 효율적인 ML 팀의 구성 요소_10.1 ML 팀이 직면하고 있는 공통적인 문제_10.2 효율적인 팀의 내부 구성 요소_10.3 엔지니어링 효율성을 통한 흐름 개선_10.4 결론CHAPTER 11 효과적인 ML 조직_11.1 ML 조직이 직면한 일반적인 과제_11.2 팀 단위에서의 효과적인 조직 구성_11.3 효과적인 리더십_11.4 결론
|
저자 소개 4
David Tan
시니어 머신러닝 엔지니어로, 다양한 데이터 및 머신러닝 프로젝트를 수행해 왔다. 검증된 소프트웨어 엔지니어링 기법을 도입하여 반복 가능한 머신러닝 개발 환경을 구축하고, 팀이 빠르고 안정적으로 개발을 이어갈 수 있도록 지원하고 있다.
Ada Leung
소트웍스의 시니어 비즈니스 애널리스트이자 프로덕트 오너이다. 기술, 비즈니스, 공공 부문에 걸쳐 복잡한 문제를 해결해 온 실무 경험을 바탕으로, 고객 중심 애플리케이션, ML 솔루션 확장, 데이터 전략 및 플랫폼 구축 등 다양한 분야에서 활동하고 있다. 성과 중심의 팀 문화를 중요하게 여기며, 온·오프라인 협업 팀을 이끌어 왔다.
David Colls
기술 리더로서 소프트웨어 및 데이터 팀의 성과 개선을 이끌고 있다. 엔지니어링 설계, 시뮬레이션, 최적화, 대규모 데이터 처리에 전문성을 갖추고 있으며, 소트웍스에서는 애자일과 린 전환을 주도하고 오스트레일리아 데이터·AI 부문을 설립했다. 현재는 머신러닝 전략 수립과 서비스 개발, 프로젝트 리더십을 담당하고 있다.
라인 내부 여러 서비스에서 필요한 AI 제품과 공통 솔루션을 개발한다. 주로 서버 및 클라이언트에 적용되는 AI 모델, AI Face SDK, AI Effects, AI Moderation, AI Music Fingerprint 등을 연구하고 있다.
품목정보
- 발행일
- 2025년 06월 02일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 14.26MB ?
- 글자 수/ 페이지 수
- 약 485쪽 ?
- ISBN13
- 9791169219495
- AI 활용 여부
- 본 도서는 AI를 활용해 제작된 콘텐츠입니다.
출판사 리뷰
|
최고의 성과를 내는 머신러닝 팀의 비결을 파헤치다!수많은 머신러닝(ML) 프로젝트가 PoC 단계에 머물거나 성능 저하, 팀 간 갈등으로 인해 좌초되는 현실 속에서, 이 책은 단순한 기술적 해결책을 넘어 팀 운영과 협업 전략을 중심으로 문제 해결의 길을 제시합니다. ML 모델 개발, 제품화, 배포, 지속 개선까지 전 과정을 아우르며, 실제 프로젝트 현장에서 유용하게 활용할 수 있는 실질적 방법론을 담고 있습니다.LLM(대규모 언어 모델)이 자동화를 촉진하고 강력한 기반 모델을 제공하면서, ML과 AI 프로젝트에도 많은 변화가 생겼습니다. 하지만 LLM은 모든 문제를 해결할 수 있는 만능 도구는 아니며, 전통적인 ML/DL 기법이 여전히 더 적합한 경우도 많습니다. 또한 LLM을 효과적으로 활용하려면 단순히 API 호출을 넘어, 프롬프트 엔지니어링, 파인튜닝, RAG(검색 증강 생성) 시스템 구축, 결과 검증과 평가 등 높은 수준의 전문성과 관리가 필요합니다. 이러한 복잡한 작업을 효과적으로 수행하려면 여전히 전통적인 ML 팀 운영 원칙과 체계적인 엔지니어링 접근법이 필수적입니다.이 책은 이러한 변화 속에서도 ML 팀뿐 아니라 AI 프로젝트를 담당하는 팀까지 지속적으로 성과를 낼 수 있도록, MLOps, CI/CD, 자동 테스트 등 최신 엔지니어링 기법부터 린 원칙을 기반으로 한 구체적인 실무 전략, 팀 협업 전략까지 설명합니다. 복잡한 문제를 구조적으로 접근하여 성과를 극대화하고 싶은 모든 실무자와 리더에게 이 책을 추천합니다.주요 내용● 린 원칙 기반의 ML 제품 개발 방식(실패를 줄이고 성공을 반복하기)● MLOps와 CI/CD의 실질적 활용법(성능 저하와 기술 부채를 줄이는 법)● 자동 테스트, 컨테이너 환경 구성, 리팩터링 기법(실무로 통하는 ML 제품화 과정) ● ML 팀을 위한 조직 구조와 협업 전략(효율성과 효과성을 고려한 팀 운영)
|
