05.15

MLOps 스터디

• BentoML?: 쿠버네티스는 아예 밑바닥부터, BentoML은 패킹해서 보다 손쉽게 쓸 수 있게 만드는 툴
• MLOps engineer: 모델러, 리서쳐가 효율적으로 연구할 수 있는 환경을 제공하는 일
  그러기 위해 kubeflow 같은 툴을 잘 다뤄야..

기계학습 스터디

• Conditional independence: condition이라는건 given Y에 대한 얘기? --> $P(Y)$는 prior기 때문에 이미 알고 있는(or dataset에서 알 수 있는) 정보 아닐까
• Naive classifier: conditional independent를 가정해 고려해야할 case의 수를 줄임
• 잡담
  • Mode collapse: GAN에서 generator, discriminator 간 성능차이가 너무 나면 학습이 안 되는 경우가 발생(D가 너무 발달해서 모두 fake로 판단하면 G가 학습을 포기한다든가, G가 너무 발달하면 D를 속이는 방향으로만 특화한다든가)

05.16

알고리즘

• 이분탐색, Binary Search
  결과가 Yes/No인 문제로 정의, 보통은 1개의 parameter를 가짐
  1. 경계를 포함하도록, 즉 Check(lo) != Check(hi)가 되도록 [lo, hi]를 잡음
  2. lo + 1 < hi인 동안, Check(lo) == mid라면 lo = mid, 아니라면 hi = mid를 반복
  3. lo + 1 == hi가 되면 탈출, lo, hi는 경계에 위치

• lower_bound, upper_bound
  • lower_bound(v,n): v에서 값인 n인 인덱스 중 가장 작은 값을 return
  • upper_bound(v,N): v에서 값이 N보다 큰 인덱스 중 가장 작은 값(== N보다 큰 인덱스 중 가장 큰 값+1)을 return
  • upper_bound(v,n) - lower_bound(v,n): v에서 값이 n인 원소의 개수
  • upper_bound(v,r) - lower_bound(v,l): [l,r] 범위의 수의 개수

v = [1,2,3,3,3,4,5,5,6,7,7,7]

lower_bound(v,3) # 2
upper_bound(v,5) # 8
upper_bound(v,3) - lower_bound(v,3) # 3
upper_bound(v,6) - lower_bound(v,4) # 4