406
머신러닝 시스템 설계
의 사용자이면서 개발자이기도 합니다.
사람들은 대부분 주제 전문 지식을 데이터 레이블링 단계에만 생각합니다. 예를 들어, 폐
CT
스캔이 암 징후를 나타내는지 레이블링하려면 훈련된 전문가들이 필요합니다. 그런데
ML
모
델 훈련 프로세스가 프로덕션에서도 이어서 진행됨에 따라 레이블링과 재레이블링 프로세스
또한 전체 프로젝트 수명 주기에 걸쳐 진행됩니다. 나머지 수명 주기에
SME
를 포함시키면 많
은 이점을 얻을 수 있습니다. 예를 들어, 문제 정의 및 공식화, 피처 엔지니어링, 오류 분석, 모
델 평가, 리랭킹
reranking
예측 및 사용자 인터페이스 (사용자 및 시스템의 다른 부분에 결과를 가
장 잘 표시하는 방법 )에
SME
가 큰 도움이 됩니다.
한 프로젝트에서 서로 다른 역할을 담당하는 인력이 협업할 때는 많은 어려움이 있습니다. 예
를 들어, 엔지니어링이나 통계 지식이 없는
SME
에게
ML
알고리즘의 한계와 기능을 어떻게 설
명할까요?
ML
시스템을 구축하기 위해 모든 것을 버저닝하고 싶을 때 도메인 전문 지식, 예컨
대 ‘
X
와
Y
사이에 작은 점이 있으면 암의 징후일 수 있음’은 어떻게 코드로 변환하고 버저닝할
까요? 의사가 깃
Git
을 사용하도록 해야 할까요?
SME
가 프로젝트 계획 단계 초기에 참여하도록 하고, 엔지니어들에게 권한 부여를 요청하지
않고도 프로젝트에 기여할 수 있도록 해야 합니다. 많은 기업에서 코드를 작성하지 않고도 변
경 가능한 노코드
no
-
code
및 로우코드
low
-
code
플랫폼을 ...