350
살아 움직이는 머신러닝 파이프라인 설계
(
https
://
oreil
.
ly
/_
Iubw
). 시스템이 매우 커지면 피드백 루프의 결과를 모두 예측하기가
매우 어렵습니다. 따라서 주의 깊게 진행하고 사용자를 위한 안전장치가 있는지 확인해야 합니다.
이런 사례에서 알 수 있듯이 피드백 루프는 긍정적일 수 있으며, 모델을 개선하고 비즈니스를
구축하는 데 사용할 더 많은 학습 데이터를 얻도록 도와줍니다. 하지만 피드백 루프는 심각한
문제로 이어지기도 합니다. 피드백 루프가 긍정적이도록 모델에 대한 지표를 신중하게 선택했
다면, 다음 단계로 피드백을 수집하는 방법을 알아보죠. 다음 절에서 자세히 설명하겠습니다.
13.2
피드백 수집 패턴 설계
이 절에서는 피드백을 수집하는 일반적인 방법을 몇 가지 설명합니다. 다음 사항에 따라 방법
을 선택할 수 있습니다.
●
해결하려는 비즈니스 문제
●
앱 또는 제품의 유형 및 디자인
●
머신러닝 모델의 종류 (예: 분류 시스템, 추천 시스템 )
제품 사용자에게서 피드백을 수집할 계획이라면 사용자에게 현재 상황을 알려 피드백 제공에
동의할 수 있도록 해야 합니다. 이렇게 하면 더 많은 피드백을 수집할 수 있습니다. 사용자가
시스템 개선에 투자하면 피드백을 제공할 가능성이 더 높습니다.
이 장에서는 피드백을 수집하는 다양한 옵션을 세분화합니다. 디자인 패턴의 선택은 머신러닝
파이프라인이 해결하려는 문제에 따라 어느 정도 좌우되며, 선택 결과는 피드백을 추적하는 방
식과 머신러닝 파이프라인에 피드백을 다시