jybaek

데이터를 기반으로 문제를 정의하고, 그 판단 근거와 의사결정 과정을 명확하게 설명하는 능력을 기르게 된다. 또한 단일 모델의 성능에만 집중하는 것이 아니라, 머신러닝 워크플로 전체의 완성도와 신뢰성을 평가하는 파이프라인 관점의 사고를 갖추게 된다. 아울러 오류가 발생했을 때 그 원인을 역추적하고 개선 방향을 도출하는 문제 해결 능력을 강화하며, 엔드투엔드 프로젝트 수행 경험을 통해 현업에 즉시 적용 가능한 실무형 ML 파이프라인 역량을 습득하게 된다.

국립부경대학교 소프트웨어융합혁신원

기계학습 파이프라인(Machine Learning Pipeline)

ai 코딩

AI 코딩

backend basics

백엔드이해하기

실습 중심

You will develop the ability to define problems based on data and clearly explain the rationale and decision-making process behind them. Additionally, rather than focusing solely on the performance of a single model, you will acquire a pipeline-oriented mindset that evaluates the completeness and reliability of the entire machine learning workflow. Furthermore, you will strengthen your problem-solving skills by tracing back the causes of errors when they occur and deriving improvement directions, and through end-to-end project experience, you will acquire practical ML pipeline capabilities that can be immediately applied in real-world settings.