이 과정에서는 먼저 데이터에 관해 논의하면서 데이터 품질을 개선하고 탐색적 데이터 분석을 수행하는 방법을 알아봅니다. Vertex AI AutoML과 코드를 한 줄도 작성하지 않고 ML 모델을 빌드하고, 학습시키고, 배포하는 방법을 설명합니다. 학습자는 Big Query ML의 이점을 이해할 수 있습니다. 그런 다음, 머신러닝(ML) 모델 최적화 방법과 일반화 및 샘플링으로 커스텀 학습용 ML 모델 품질을 평가하는 방법을 다룹니다.
이 과정에서는 먼저 데이터에 관해 논의하면서 데이터 품질을 개선하고 탐색적 데이터 분석을 수행하는 방법을 알아봅니다. Vertex AI AutoML과 코드를 한 줄도 작성하지 않고 ML 모델을 빌드하고, 학습시키고, 배포하는 방법을 설명합니다. 학습자는 Big Query ML의 이점을 이해할 수 있습니다. 그런 다음, 머신러닝(ML) 모델 최적화 방법과 일반화 및 샘플링으로 커스텀 학습용 ML 모델 품질을 평가하는 방법을 다룹니다.
From the lesson
데이터 파악하기: 탐색적 데이터 분석을 통한 데이터 품질 개선
이 모듈에서는 데이터 품질을 개선하는 방법과 탐색적 데이터 분석을 통해 데이터를 탐색하는 방법을 알아봅니다. 머신러닝에서 정리된 데이터가 중요한 까닭과 데이터 품질에 미치는 영향을 살펴봅니다. 예를 들어 값이 누락되면 결과가 왜곡될 수 있습니다. 아울러 데이터 탐색의 중요성도 배웁니다. 데이터를 깔끔하게 정리하고 나면 데이터 세트에 대해 탐색적 데이터 분석을 수행합니다.