인공지능 영문 뉴스 (2)
Have you thought of using ChatGPT to help augment your machine learning tasks? Check out our latest cheat sheet to find out how.
머신러닝 작업을 강화하기 위해 ChatGPT를 사용하는 것을 생각해 본 적이 있습니까? 방법을 알아보려면 당사의 최신 치트 시트를 확인하십시오.
Leverage ChatGPT for Your Entire ML Pipeline
전체 ML 파이프라인에 ChatGPT 활용
ChatGPT is being used for everything from education, to meal and fitness planning, to programming, and beyond.
ChatGPT은 교육, 식사 및 피트니스 계획, 프로그래밍 및 그 이상의 모든 것에 사용되고 있습니다.
Have you thought of using ChatGPT to help augment your machine learning tasks?
머신러닝 작업을 강화하기 위해 ChatGPT를 사용하는 것을 생각해 본 적이 있습니까?
For more on using ChatGPT for machine learning, check out our latest cheat sheet.
기계 학습을 위한 ChatGPT 사용에 대한 자세한 내용은 당사의 최신 치트 시트를 참조하십시오.
우리가 작성할 프롬프트의 예시를 다뤄주고 있다. 아무래도 의역하면서 어감이 이상하게 느껴지겠지만, Chat GPT에게 명령하고 있는 상황임을 인지하고 아래 글을 읽으면 된다. 프롬프트 입력에는 '>>' 를 붙여두겠다. 이 글을 쓰는 이유는 결국 우리가 이 도구에게 '어떤 질문을 잘 하느냐'를 배워갈 수 있다는 생각에서다. 어떤 질문을 순차적으로 해야하는지 초점을 두고 봤으면 좋겠다.
프로젝트 기획
키워드 방법론(Keyword Methodology)
>> 고객 이탈 예측(predict customer churn), 화장품 데이터(cosmetic data), 로지스틱 회귀(logistic regression), 정확도와 재현율(accuracy and recall) 키워드를 사용하여 내 기계 학습 프로젝트 아이디어를 간략히 요약해보면 됩니다. 요약문에서 지시사항의 내용을 반복하지 마세요.
추가 제안
>> 요약문을 개선하기 위해서는, 화장품 데이터가 왜 중요한지, 어떤 종류의 데이터가 포함되어 있는지와 같은 추가적인 문맥을 추가할 수 있습니다. 또한, 로지스틱 회귀 모델에서 어떤 특성들을 사용할 계획인지, 고객 이탈 예측 모델의 결과에 따라 화장품 회사가 어떤 조치를 취할 수 있는지 명시할 수 있습니다.
데이터 설명 방법론(Data Description Methodology)
>> [열 이름 리스트]로 구성된 10,000개의 행과 16개의 열로 이루어진 화장품 데이터셋을 갖고 있습니다. 고객 분류 프로젝트를 끝까지 개발하기 위해 따라야 할 단계를 나열해보면 다음과 같습니다.
특징 공학
일반적인 방법
>> 특징 공학을 수행할 파이썬 코드 작성합니다.
특성 엔지니어링과 열 (Feature Engineering with Columns)
>> ['product_name', 'ingredients', 'price', 'allergens', 'positive_reviews', 'positive_reviews'] 열을 사용하여 특징 공학을 위한 파이썬 코드를 작성합니다. 특징 공학 부분만 추가하십 시오.
데이터 전처리
일반
>> 화장품 데이터 세트를 정리하고 전처리하기 위해 파이썬 코드를 작성합니다
데이터 정리
>> 누락된 값을 처리하고 데이터의 이상값을 처리하기 위한 파이썬 코드를 작성합니다.
전처리
>> 파이썬 코드를 작성하여 범주형 변수를 숫자 변수로 변환하고 데이터의 배율을 조정/정규화합니다.
클래스 불균형 문제
>> 계층 불균형 문제는 소수 계층을 오버샘플링하거나 다수 계층을 언더샘플링하여 해결하십시오.
모델 선택
일반
>> 모델 선택을 위한 파이썬 코드를 작성합니다. 의사 결정 트리, 임의 포리스트, 로지스틱 회귀 분석 또는 지원 벡터 시스템(SVM)을 포함하십시오.
교육 및 테스트 세트
>> 후속 파이썬 코드를 작성하여 데이터 세트를 교육 및 테스트 세트로 분할합니다.
평가 메트릭스
>> 모델 선택 섹션에서 모델 발전을 위해 정확도, F1 점수, AUC 점수를 사용해보세요.
하이퍼 파라미터 튜닝
모델 평가
>> 로지스틱 회귀 모델에 대한 모델 평가를 수행하려면 파이썬 코드를 작성하십시오. 모형이 교육 데이터에 너무 적합하지 않은지 확인하려면 교차 검증을 사용하십시오. 정확도, 정밀도, 리콜 및 F1 점수를 평가 지표로 사용합니다.
하이퍼파라미터 튜닝
>> 위의 코드를 하이퍼파라미터 튜닝을 포함하도록 수정하고 가장 성능이 좋은 모델을 저장할 수 있습니까?
베이지안 최적화
>> 베이지안 최적화를 사용하여 하이퍼 파라미터를 조정하기 위해 파이썬 코드를 작성할 수 있습니까?
추적 실험
제안
>> 기계 학습 프로젝트에서 실험 추적을 위한 몇 가지 인기 있는 도구를 제안할 수 있습니까?
MLFlow를 사용한 실험 추적
>> 로지스틱 회귀 분석을 통한 실험 추적을 위해 MLflow를 사용하여 파이썬 코드를 작성할 수 있습니까? 코드에는 실험 설정, 하이퍼 파라미터 정의, 모델 교육, 메트릭 로깅 및 훈련된 모델을 MLflow에 저장하는 작업이 포함되어야 합니다. 또한 실험 후 MLflow 실행을 올바르게 종료해야 합니다.
추적 코드, 모델 및 데이터 세트
>> 기계 학습 프로젝트에서 DVC를 사용하여 코드, 모델 및 데이터 세트를 추적하는 방법을 설명합니다. DVC에 데이터를 추가하는 방법, 모델 교육 및 MLflow를 사용한 실험 추적을 위한 Python 스크립트를 만드는 방법, Git에 변경 사항을 커밋하는 방법 등을 포함한 단계별 가이드를 제공합니다.
MLOps
스트림릿 앱
>> 파이썬에서 고객 분류기용 스트림릿 웹 앱을 만드는 방법을 설명합니다. 또한 저장된 모델 및 피쳐 스케일러를 로드하고 사용자 입력을 기반으로 예측하는 샘플 코드를 제공합니다.
공간에서의 모델 배치
>> 허깅 페이스 스페이스를 사용하여 도커 파일을 만들지 않고 스트림릿 앱을 배포하는 방법을 설명합니다. requirements.txt과 runtime.txt 파일을 만드는 것을 포함하여 필요한 단계를 나열하고 허깅 페이스 스페이스 계정으로 로그인하고 허깅 페이스 CLI를 사용하여 앱을 만들고 배포하는 방법을 다룹니다.
모델 모니터링
>> 허깅 페이스 스트림릿 앱에서 모델을 모니터링하는 방법에 대해 설명합니다. 모델 성능 및 사용 상황을 모니터링하는 것의 중요성을 논하고 모니터링을 위한 도구 및 기술에 대해 설명합니다.
자동화
>> 파이썬을 사용하여 허깅 페이스의 모델을 최신 데이터 세트로 정기적으로 업데이트하기 위해 지속적인 통합 및 전달(CI/CD) 파이프라인을 만드는 방법에 대한 자세한 가이드를 제공할 수 있습니까? 데이터 정리, 전처리, 모델 교육 및 배포를 자동화하는 단계를 포함하십시오.
With ChatGPT, building a machine learning project has never been easier. By simply writing follow-up prompts and analyzing the results, you can quickly and easily train the model to respond to user queries and provide helpful insights.
ChatGPT를 통해 머신러닝 프로젝트를 구축하는 것이 그 어느 때보다 쉬워졌습니다. 후속 프롬프트를 작성하고 결과를 분석하기만 하면 모델이 사용자 쿼리에 응답하고 유용한 통찰력을 제공하도록 빠르고 쉽게 교육할 수 있습니다.
In this cheat sheet, learn how to use ChatGPT to assist with the following machine learning tasks:
이 치트 시트에서 ChatGPT를 사용하여 다음 기계 학습 작업을 지원하는 방법에 대해 알아보십시오:
- Project Planning
- Feature Engineering
- Data Preprocessing
- Model Selection
- Hyperparameter Tuning
- Experiment Tracking
- MLOps
By KDnuggets on May 1, 2023 in Machine Learning
댓글