ML 코드 작성시 유의사항
유의사항
- 코드의 작성방식: 다른사람이 코드를 읽고 이해할 수 있는가?
- 코드의 성능: 의도치 않은 부작용이 발생하는가?
- 코드의 복잡성: 유스케이스에 비해 설계가 과도하고 부족한가
- 개선의 용이성: ML코드가 지속적으로 리팩토링 되는가?
코드 작성방식에 따른 개발자(+데이터과학자)의 유형 분류
Read more
Coming soon
This is RE-CONSIERDED, a brand new site by Bongho Lee that's just getting started. Things will be up and running here shortly, but you can subscribe in the meantime if you'd like to stay up to date and receive emails when new content is published!
DataFrame은 Pandera로, 모델은 Pydantic으로 데이터를 검증한다.
Pandera: 데이터프레임 검증에 최적화된 도구 주요 장점 * Pandas와 통합: Pandas 데이터프레임에 대해 스키마 기반 검증을 수행합니다. * 유연한 검증 조건: 열 데이터 타입, 값 범위, Null 여부 등 다양한 검증 조건을 정의할 수 있습니다. * 명확한 오류 메시지: 스키마 불일치에 대한 명확한 오류 메시지를 제공합니다. 단점 * 대용량 데이터 검증에서는 속도가 느릴 수
Docker 모니터링하면서 죽으면 재시작시키는 스크립트
Docker 재시작 스크립트 #!/bin/bash CONTAINERS=("container1_name" "container2_name") # 감시할 컨테이너 이름 입력 CHECK_INTERVAL=600 # 체크 주기 (초 단위) while true; do for CONTAINER_NAME in "${CONTAINERS[@]}"; do # 컨테이너 상태 확인 CONTAINER_STATUS=$(docker inspect -f '{{.State.Status}}' "$CONTAINER_
Tobit Regression은 Censored Data에 적합한 Regression이다.
Tobit Regression * Tobit 회귀(Tobit Regression)는 종속 변수가 특정 값에서 절단(Censored)된 상황에서 데이터를 분석하기 위해 사용되는 통계 기법입니다. * James Tobin이 처음 제안한 이 모델은 경제학과 사회과학 분야에서 자주 사용되며, 일반 선형 회귀로는 설명할 수 없는 상황에서 효과적으로 적용할 수 있습니다. Tobit Regression 수식 1. 관측된 종속 변수