파이썬으로 하는 데브옵스 - 14장 #4

쿠버 네티스와 도커를 활용한 sklearn 플라스크
- 도커와 쿠버 네티스를 사용한 실제 sklearn 기반 머신러닝 모델 배포에 대한 예제 소개

EDA
- 모델의 특성 소개

모델링
- 노트북에서 모델링이 수행되는 곳. 주요 섹션을 생성

스케일 GBM 조정
- 대부분의 머신러닝 알고리즘은 정확한 예측을 생성하기 위해 스케일링을 필요로 함

모델 맞춤
- 모델 학습 후 마지막 단계는 모델을 맞추고 따로 준비해둔 데이터를 사용해 오차를 확인하는 것. 정확도는 '평균 제곱 오차' 메트릭을 사용해 평가

평가
- 머신러닝의 까다로운 측면 중 하나는 모델을 평가하는 것.

adhoc_predict
- 언피클 후 워크 플로우가 어떻게 되는지 확인하기 위해 예측 모델 테스트.

JSON 워크플로우
- 머신러닝 프로젝트 내에서 API 코드를 개발하고 잘 동작하는지 확인 후 해당 코드를 스크립트로 옮기는 것이 간단.

스케일 입력
- 예측을 위해서는 데이터를 스케일링해야 함.