MLOpsKR

Пікірлер

@C0dewave Жыл бұрын

영상 잘 봤습니다 저희도 도입해볼께요

@뚜시뚜시-d1d Жыл бұрын

댕큐

@Learn96 2 жыл бұрын

깊이가 상당하시네요.

@jinwonjang3915 2 жыл бұрын

ML Ops 에 대해 파악하고 학습하는데 좋은 강의라고 생각합니다 감사합니다 :)

@wendypark3848 2 жыл бұрын

도움 많이 되었습니다. 혹시 예시로 보여준 open source 링크를 공유해주신면 감사하겠습니다.

@katehan9623 2 жыл бұрын

경험치를 나눠주셔서 감사합니다. human in the loop 안에 human in the loop을 구현하셨다는 말이 잘 이해가 안되어 궁금하네요! 그리고 NLP task에서도 data consistency를 구축하는 방법이 궁금합니다.

@mlopskr4661 2 жыл бұрын

안녕하세요 운영진 올리비아입니다! 댓글 감사합니다! :) SuperbAI의 정권님께 답변을 직접 받아 전달드립니다. 해당 영상을 블로그로 정리해둔 글도 전달드리니 혹시 이해에 도움되셨으면 좋겠습니다 (www.superb-ai.com/ko-blog/data-centric-mlops) 추가 질문이나 문의가 있으시면 [email protected]으로 연락주시고 Suite 무료 체험으로 직접 경험도 도와드릴 수 있습니다 :) 감사합니다 1. human in the loop 안에 human in the loop 이야기는 고객사에서 실제 서비스를 만들면서, 서비스를 만드는 과정에 데이터를 개선해나가고 사람을 참여시키는 일련의 과정을 human in the loop으로 보통 부르는데, 현실적으로 이 과정을 라벨링 작업 효율 상승에 기여할 수 있도록 피드백을 형성시키는게 어려웠기 때문에, auto-label이라는 라벨링을 위해서, 고유한 AI 모델을 학습시키고 개선시키는 과정을 서비스를 아우르는 큰 human in the loop 과정 안에 라벨링을 위한 AI모델을 만드는 human in the loop을 넣었다는 의미로 이야기한 것입니다. 2. NLP쪽은 잘 모르지만 마찬가지로 ROI를 설정하고 (글 이니까 1차원일 것이고) 거기에 적절한 정보를 tag하는 작업을 일반적으로 하게 될 텐데, 그렇다고 한다면 Computer vision 데이터에서 저희들이 활용하고 있는 (영상에 소개되었는지는 모르겠지만) Review, consensus 같은 사람의 개입이 필요한 통계적인 방법부터, 영상에서 간단하게 소개한 불일치를 찾는 AI 모델 응용이 비슷하게 가능할 것 같습니다. (mislabel detection이라는 단어를 굳이 쓰는게 의미가 있을지는 모르겠네요)