MLOps: Concept Drift 탐지 전략 - 통계·모델 기반 방법 비교
mlops
Concept Drift는 시간이 지남에 따라 데이터의 통계적인 특성이 변하는 것을 말합니다. 이에 학습된 모델은 자연스레 성능이 떨어지기 때문에 drift를 잘 감지해야 합니다. 감지하는 방법들이 무엇이 있는지 살펴봅니다.
최근 포스트
Effective Python 2장: 리스트·딕셔너리 활용 패턴 & 성능 팁
python
파이썬 코딩의 기술 개정 2판 책에 대한 내용입니다. 시퀀스, 슬라이싱, 스트라이드, 언패킹, key, 딕셔너리, in, get, defaultdict, missing
논문 리뷰: Characterizing signal propagation to close the performance gap in unnormalized resnets (NF-ResNet)
paper
배치 정규화는 SOTA 이미지 분류기에서 대다수 사용하고 있었습니다. NF-Resnet은 배치 정규화의 단점들을 명시하고 이를 대체해 당시 SOTA인 EfficientNet과 경쟁을 이뤘습니다.
Effective Python 1장: 파이썬다운 사고방식 & 코드 스타일 원칙
python
파이썬 코딩의 기술 개정 2판 책에 대한 내용입니다. PEP 8 style, f-문자열, 도우미 함수, 대입, enumerate, zip, 반복문, 대입식…
논문 리뷰: Aggregated Residual Transformations for Deep Neural Networks (ResNeXt)
paper
ResNeXt는 ResNet 성능을 한 단계 향상시켜 ILSVRC 2016 대회에서 2등을 차지한 모델입니다.
ResNeXt50 Scratch: Cardinality(그룹) 확장으로 성능/파라미터 균형
code
Split-Transform-Merge·grouped conv(cardinality) 설계를 ResNet과 비교 구현하며 파라미터 증가 없이 표현력 높이는 원리 분석
CS231n 강의 8-2: 정규화 기법 & 하이퍼파라미터 튜닝 전략
cs231n
본 글은 2021년 4월에 강의한 스탠포드 대학의 Convolutional Neural Networks for Visual Recognition 2021년 강의를 듣고 정리한 내용입니다. Lecture8 신경망 학습 중 규제, 하이퍼파라미터에 대해 정리했습니다.
CS231n 강의 8-1: 옵티마이저 동작 메커니즘 & 비교
cs231n
본 글은 2021년 4월에 강의한 스탠포드 대학의 Convolutional Neural Networks for Visual Recognition 2021년 강의를 듣고 정리한 내용입니다. Lecture8 신경망 학습 중 옵티마이저, 학습률에 대해 정리했습니다.