51. 딥러닝 : 비즈니스 솔루션 : 필요한 절차, 사례

50. 딥러닝 : 비즈니스 사례 솔루션 : 필요한 절차, 사례

 

서비스를 개발하기 위해 무엇이 필요한 지 알아보았습니다. 실생활 데이터로 작업하고 있기 때문에 어떻게 할 것인지 살펴 보았습니다. 데이터 과학 팀의 머신 러닝을 위해서는 사전 처리가 중요합니다. 분석을 위한 데이터 세트를 준비하는 것이 작업입니다.

이것이 여기에서 머신 러닝 알고리즘을 처음부터 생성하기 위한 몇 가지 일반적인 기술을 보여 드리고자 합니다. 세 가지 중요한 단계가 필요합니다.

 

첫 번째 단계는 데이터 세트의 균형을 맞추는 것입니다.

두 번째 단계는 데이터 세트를 훈련 검증과 테스트로 세 부분으로 나누는 것입니다.

 

이미 수행해야하는 이유를 이미 알고 있습니다. 이제 처음부터 수행하는 방법을 살펴 보겠습니다. 새로 생성된 세트를 텐서 친화적인 형식으로 저장합니다. 마지막으로 기계 학습 알고리즘을 생성 할 것입니다. 코드는 예제의 코드와 90 % 동일합니다. 텐서 플로우의 진정한 힘은 다음과 같습니다.

동일한 구조를 사용하여 다른 모델을 만듭니다. 끝까지 모든 데이터 세트를 가져와 코드를 사용하여 이 작업을 반복하여 수 많은 문제에 대한 심층 신경망을 만들 수 있습니다. 다음 포스팅에서는 좀 더 구체적으로 조사해보도록 하겠습니다.