Contents

Airflow 사용하기 (1) - 설치 및 DAG 등록

Database, Workers, Webserver, Scheduler, Executor, DAGs

Airflow의 아키텍처를 알아보자

Database, Workers, Webserver, Scheduler, Executor, DAGs

MLflow에 대해서 알아보자 - Plugins

MLflow Python API

MLflow에 대해서 알아보자 - Model Registry

Model, Registered Model, Model Version, Model Stage

MLflow에 대해서 알아보자 - Models

MLflow에 대해서 알아보자 - Project

Entry Points, Environment, MLproject file, Deployment Mode

MLflow에 대해서 알아보자 - Tracking

Tracking Server, Backend Storage, Artifact Storage

MLflow란 무엇인가

Tracking, Projects, Models, Registry

MLOps를 위한 ML 워크플로우

MLOps, Work flow, Life cycle

MLOps, 나는 어디인가

MLOps, MLOps level,

MLOps란 무엇인가

MLOps, MLOps level,

파일 포맷과 이미지 크기에 따른 학습시간 변화

tfrecord, png

Tensorboard 활용 (1)

remote, tensorboard.dev

TFRecord를 이용한 학습 (2)

data pipeline

TFRecord를 이용한 학습 (1)

train, data pipeline

TFRecord란?

serialization, protobuf

중심극한정리(Central Limit Theorem) 이해하자

Central Limit Theorem, 모집단, 모수, 추정

[Bayesian] 확률밀도함수와 기대값

확률분포도, 확률밀도, 확률변수, 기대값

[Bayesian] 베이즈 추정의 패러독스

몬티 홀 문제

[Bayesian] 네이만-피어슨 통계와 베이즈 통계의 공통점과 차이점

추론, 최우원리

[Bayesian] 베이즈 추정이란

사전분포, 사후분포

[Basic Statistics] 모평균과 모분산 추정

t분포, 카이제곱분포

[Basic Statistics] 표본평균

랜덤샘플링, 표본평균

[Basic Statistics] 가설검정

정규분포, 표준정규분포, 가설검정

[Basic Statistics] 통계란 무엇인가?

기술통계, 추론통계, 통계량

딥러닝의 올바른 학습의 방향 - Regularization

L1, L2

Gradient Descent 이해하기

learning rate, initial point, stochastic gradisen descent

Softmax 이해하기

logistic regression softmax, cross entrophy

풀링의 의미

invariant, max pooling

합성곱과 풀링의 의미

prior probability distribution

CNN 특성을 살펴보자

sparse interaction, parameter share, equivariant representation

Floating point 연산

floating point, fixed point

Deep Learning 학습을 위한 GPU 연동

tensorflow, nvidia driver, cuda

Protocol Buffer란

serialization

텐서와 넘파이의 차이

tensorflow, numpy

Docker에 대해 알아보자

docker, image, container