Feature Engineering - 한국어

이 과정에서는 Vertex AI Feature Store 사용의 이점, ML 모델의 정확성을 개선하는 방법, 가장 유용한 특성을 만드는 데이터 열을 찾는 방법을 살펴봅니다. 이 과정에는 BigQuery ML, Keras, TensorFlow를 사용한 특성 추출에 관한 콘텐츠와 실습도 포함되어 있습니다.

• 소개
• 이 모듈은 과정 및 과정 목표에 대한 개요를 제공합니다.
• Vertex AI Feature Store 소개
• 이 모듈에서는 Vertex AI Feature Store를 소개합니다.
• 원시 데이터와 특성
• 특성 추출은 ML 프로젝트 빌드 절차에서 가장 오래 걸리고 까다로운 단계인 경우가 많습니다. 특성 추출 절차에서는 원시 데이터로 시작한 후 고유한 전문 분야 지식을 활용하여 머신러닝 알고리즘이 작동하는 특성을 생성합니다. 이 모듈에서는 좋은 특성을 만드는 요소와 ML 모델에서 이러한 특성을 표현하는 방법을 설명합니다.
• 특성 추출
• 이 모듈에서는 머신러닝과 통계의 차이점과 BigQuery ML 및 Keras 모두에서 특성 추출을 수행하는 방법을 살펴봅니다. 몇 가지 고급 특성 추출 방법도 살펴봅니다.
• 전처리 및 특성 만들기
• 이 모듈에서는 Apache Beam의 보완 기술이자 전처리 및 특성 추출을 빌드하고 실행하는 데 도움이 되는 Dataflow에 대해 자세히 알아봅니다.
• 특성 교차 - TensorFlow Playground
• 기존의 머신러닝에서 특성 교차는 그다지 중요한 역할을 하지 않았지만 최신 ML 방법에서는 특성 교차가 툴킷에서 매우 중요한 부분을 담당합니다. 이 모듈에서는 어떤 유형의 문제에서 특성 교차가 머신의 학습을 효과적으로 돕는지 알아내는 방법을 배웁니다.
• TensorFlow Transform 소개
• TensorFlow Transform(tf.Transform)은 TensorFlow를 사용해 데이터를 전처리할 때 필요한 라이브러리입니다. tf.Transform은 데이터 전체 전달이 필요한 전처리에 유용합니다. 예: - 평균 및 stdev로 입력 값 정규화 - 모든 입력 예에서 값을 확인하여 어휘 정수화 - 관찰된 데이터 배포를 기반으로 입력 버킷화. 이 모듈에서는 tf.Transform의 사용 사례를 살펴봅니다.
• 요약
• 이 모듈은 특성 추출 과정의 요약입니다.