머신러닝 프로젝트 준비
프로젝트 구조
머신러닝 문제별 Foundry 프로젝트를 하나씩 만들고 data에는 데이터셋, models에는 모델, code에는 학습 로직을 둡니다. 프로젝트 생성 권한이 없다면 기존 프로젝트의 새 폴더를 실습 루트로 사용할 수 있습니다.
+New > Modeling Objective에서 House Price Prediction Objective를 만듭니다. 이름은 해결할 문제와 연결합니다.
학습 데이터와 추론 데이터
지도 학습은 특성과 정답 라벨의 관계를 학습한 뒤 라벨이 없는 특성에 예측을 적용합니다. 학습 및 시험용 라벨 데이터와 최신 특성만 있는 추론 데이터를 구분합니다. 실제 업무에서는 원천 연결이나 온톨로지에서 만들지만 이 실습은 CSV를 사용합니다.
- housing_features_and_labels.csv를 data 폴더의
housing_features_and_labels구조화 데이터셋으로 올립니다. - housing_inference_data.csv를 같은 폴더의
housing_inference_data구조화 데이터셋으로 올립니다.
폴더에 CSV를 끌어다 놓고 구조화 데이터셋으로 저장합니다.
모델과 코드 관리
Foundry에서 학습한 모델은 사용 데이터, 코드와 개발 환경에 연결됩니다. Code Repositories의 Model Integration 저장소와 Model Training 템플릿은 학습 파이프라인을 구성하는 경로입니다. 로컬 Git으로 반복 개발할 수 있지만 Foundry 빌드는 커밋된 코드를 사용합니다.
외부 모델은 가중치 파일, Hugging Face 파일, 컨테이너 또는 외부 호스팅 API로 통합할 수 있습니다. 이 실습 준비 단계에서 외부 모델을 추가할 필요는 없습니다.
문제 문맥 기록
Modeling Objectives는 평가 기준, 여러 검토자의 승인, 운영 모델 이력과 배치/온라인 배포를 관리합니다. 생성한 목표의 머리글에서 펜 아이콘으로 요약과 Markdown 설명을 입력합니다.
다음은 예시 설명입니다. 한 행은 1990년 캘리포니아 census block group에 대응하며 목표는 median_house_value입니다. Block group은 표본 데이터를 공개하는 작은 지리 단위이며 보통 인구 600~3,000명입니다.
#### Goal: Build forecasting model to predict median house prices across America.
#### Data
This dataset was derived from the California responses in the 1990 U.S. census, using one row per census block group. A block group is the smallest geographical unit for which the U.S. Census Bureau publishes sample data (a block group typically has a population of 600 to 3,000 people).
The target variable is the **median_house_value** for California districts.
#### Reference
Pace, R. Kelley, and Ronald Barry, "Sparse Spatial Autoregressions," Statistics and Probability Letters,
Volume 33, Number 3, May 5 1997, p. 291-297.
Data derived from StatLib repository. <http://lib.stat.cmu.edu/datasets/>
이후 Model Studio, 빠른 대화형 반복의 Jupyter, 운영 파이프라인의 Code Repositories 중 경로를 선택합니다.