피드백 루프, 재학습, 라벨링

엔드 투 엔드 Machine Learning

Joshua Stapleton

Machine Learning Engineer

피드백 루프

  • 모델 출력이 시스템 입력으로 활용:
    • 지표/예측으로 시스템 개선 방향 결정
    • 모델 모니터링 활용 가능

 

  • ML의 핵심 요소:
    • 빠른 학습과 조정 가능
    • 변화에 더 잘 적응

피드백 루프 원리를 보여주는 두 개의 순환 화살표

엔드 투 엔드 Machine Learning

피드백 루프 구현

데이터 드리프트 감지

  • 입력 데이터 분포가 시간에 따라 변함
  • 피드백 루프: 최신 데이터로 재학습

온라인 러닝

  • 변화하는 데이터에 맞춰 주기적 재학습
  • 단순 드리프트를 넘어 구조 변화에도 적응

데이터 드리프트

온라인 러닝

엔드 투 엔드 Machine Learning

피드백 루프의 위험

위험...

  • 모델 출력이 입력에 영향
  • 예: 소셜 미디어 추천
    • 사용자 참여 극대화
    • 특정 유형 콘텐츠 제공을 학습
    • 사용자가 해당 콘텐츠를 더 봄
    • 등
  • 바람직하지 않은 행동 패턴 형성
  • 자동화될수록 위험 증가

위험을 나타내는 큰 빨간색 X 표시

엔드 투 엔드 Machine Learning

피드백 루프의 바람직한 사용

  • 반응형:

    • 인간 검토 포함
    • 모델 예측이 입력 데이터를 바꾸지 않음

  • 신중함과 감독이 핵심!

더 나은 사용을 의미하는 큰 초록색 체크 표시

엔드 투 엔드 Machine Learning

연습해 봅시다!

엔드 투 엔드 Machine Learning

Preparing Video For Download...