원문정보
Resolving Data Drift in Disaster Response Model using MLOps
피인용수 : 0건 (자료제공 : 네이버학술정보)
초록
한국어
기계학습에서 Data Drift는 정확도에 큰 영향을 주는 중요한 문제이며, 재난 대응과 같이 모델의 잘못된 예측 피해가 큰 분야에서 더 중요하다. 본 논문에서는 재난 분야 Data Drift 문제에 대해 MLOps를 이용하여 모델의 재학습을 효과적으로 수행할 수 있는 방안으로 MLOps 기법과 툴들을 사용하는 것을 제안하고, Kaggle 데이터와 MLFlow를 기반으로 정확도 실험을 수행하여 주장을 검증하였다.
목차
요약
1. 서론
2. 관련연구
3. 실험 구성
3.1. 데이터 셋
3.2. 실험 환경
3.3. 실험 방법
4. 실험결과
4.1. Drift에 따른 모델 정확도 변화
4.2. 재학습률에 따른 정확도 변화
5. 결론
Acknowledgement
참고문헌
1. 서론
2. 관련연구
3. 실험 구성
3.1. 데이터 셋
3.2. 실험 환경
3.3. 실험 방법
4. 실험결과
4.1. Drift에 따른 모델 정확도 변화
4.2. 재학습률에 따른 정확도 변화
5. 결론
Acknowledgement
참고문헌
저자정보
참고문헌
자료제공 : 네이버학술정보