앞으로 겪을 일은 대부분 문제로 정의 가능
문제정의 : 특정 현상을 파악하고 그 문제를 정의 하는 과정
풀려고 하는 문제가 명확하지 않으면 그 이후 무엇을 해야할 지 결정하기 어려움
How 보다 why가 중요하다.
해결해야 하는 문제는 무엇이고 그 문제를 해결하면 무엇이 좋을까? 어떻게 해결할까?
구체적인 명확한 용어로 정리해보기
->
“문제 정의 후, 프로젝트의 설계를 최대한 구체적으로 하는 것이 좋구나..!”
- 미리 많은 것을 대비한 상황
- 대비하지 않은 상황
머신러닝이 사용되면 좋은 경우
패턴: 학습할 수 있는 패턴이 있는가?/ 생성되는 방식에 패턴이 없다면 학습 불가(복권)
목적 함수: 학습을 위헌 목적 함수를 만들 수 있어야 함
복잡성: 패턴이 복잡해야 함
데이터 존재 여부: 데이터가 존재하거나 수집할 수 있어야 함
반복: 사람이 반복적으로 실행 하는 경우
목표 설정, 지표 결정
Goal = 프로젝트의 일반적인 목적, 큰 목적
Objectives = 목적을 달성하기 위한 세부 단계의 목표(구체적인 목적)
Multiple Objective Optimization
최적화하고 싶은 목적함수가 여러가지 있는 경우 서로 충돌할 가능성이 있음
Objective가 여러개이면 분리하자
학습하기 용이, 모델을 재학습하지 않도록 모델을 분리, objective들은 유지보수 일정이 모두 다름
제약조건
모델이 더 좋아졌다고 판단할 수 있는 Baseline이 필요하다.
자신이 모델이라 생각하고 어떻게 분류할지 Rule Base 규칙 설계
새롭게 발견한 상황을 파악해 어떤 방식으로 문제를 해결할지 모색 -> 이를 반복
기존 회사의 비즈니스모델/ 해당 비즈니스 모델에서 어떤 데이터가 존재하고 그 데이터를 통해 어떤 것을 만들 수 있을지 생각
비즈니스 모델 파악하기
회사 홈페이지의 product 라인업 -> ex)차량 서비스 -> 수요와 공급을 매칭시켜 손님과 드라이버가 만날 수 있는 플랫폼 역할
