By Bongho, Lee in Data — 2024년 9월 5일 ML 코드 작성시 유의사항 Photo by Ali Shah Lakhani / Unsplash 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 출처 머신러닝 엔지니어링 인 액션
Data Conformalized Quantile Regression은 예측 불확실성을 정량화한다. CQR is * **Conformalized Quantile Regression(CQR)**은 예측 불확실성을 정량화하기 위해 개발된
Statistics Zero Inflated Negative Binomial Model은 0이 과도하게 많은 데이터에 유용하다. Motivation * **Zero-Inflated Negative Binomial Model(ZINB)**은 데이터셋에서 0 값이 과도하게 나타나는
A/B Test 탐험과 활용의 균형을 맞추기 위한 알고리즘, 톰슨샘플링 톰슨 샘플링이란? * 톰슨 샘플링(Thompson Sampling)은 멀티 암드 밴딧 문제(Multi-Armed