https://github.com/zkfmapf123/mlops-parctice

mlops-tutorial
https://github.com/zkfmapf123/mlops-parctice

Last synced: 10 months ago
JSON representation

mlops-tutorial

• Host: GitHub
• URL: https://github.com/zkfmapf123/mlops-parctice
• Owner: zkfmapf123
• Created: 2025-03-15T06:00:19.000Z (over 1 year ago)
• Default Branch: master
• Last Pushed: 2025-03-15T06:00:50.000Z (over 1 year ago)
• Last Synced: 2025-06-13T14:07:05.970Z (about 1 year ago)
• Language: Go
• Size: 562 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# 머신러닝 개념 이해

## 머신러닝이란?

- 머신러닝 vs 통계 vs 딥러닝

- 지도학습 vs 비지도학습

## 머신러닝 개념

- 머신러닝(Machine Learning)은 데이터를 바탕으로 패턴을 학습하고, 이를 기반으로 예측이나 분류를 수행하는 알고리즘을 의미해. 사람이 일일이 명령어를 작성하는 것이 아니라, 모델이 데이터를 통해 스스로 규칙을 찾아내는 방식이야.

## 머신러닝 vs 통계 vs 딥러닝

- 통계학: 데이터의 관계를 분석하고 해석하는 학문. (ex. 평균, 분산, 회귀 분석)

- 머신러닝: 데이터에서 패턴을 학습해 예측하는 알고리즘. (ex. 선형 회귀, 의사결정나무)

- 딥러닝: 신경망을 기반으로 한 머신러닝의 하위 분야. (ex. CNN, RNN)

- 지도학습 vs 비지도학습

  - 지도학습(Supervised Learning): 입력과 정답(출력) 데이터가 있는 상태에서 학습하는 방식.

  - 예) 이메일이 스팸인지 아닌지 분류하는 모델 (입력: 이메일 내용, 정답: 스팸/비스팸)

    대표적인 알고리즘: 선형 회귀, 로지스틱 회귀, KNN, 의사결정나무

    비지도학습(Unsupervised Learning): 정답이 없이 데이터의 패턴을 학습하는 방식.

  - 예) 고객 데이터를 군집화해서 그룹을 나누는 모델

    대표적인 알고리즘: K-Means, PCA(주성분 분석)

## 머신러닝 알고리즘

### 선형회귀 알고리즘

- 근사값을 찾는 알고리즘

1. y=ax + b를 구하고

2. 입력값에 따라서 근사값을 추출

[선형회귀방식을 활용한 근사값 찾기](./linear.go)

![linear](./public/linear.jpeg)

### 로지스틱 회귀

- 분류문제를 해결하는 알고리즘

![logistic](./public/logi.jpeg)

[로지스틱회귀방식을 이용한 방법](./logistic.go)

- use Devops

  - 사용자 이탈 예측

  - 보안 침입 탐지

```sh

  입력데이터 : 로그인위치, 로그인시간, 요청한 API Pattern, 사용 브라우저 / 디바이스

  출력 : 공격시도 가능성

```

### KNN

[knn](./knn.go)

- 최근접 이웃 알고리즘

- 데이터 포인트들을 가장 가까운 이웃 데이터 포인트들의 특성을 참고해 새로운 데이터 포인트를 분류하는 알고리즘

## I Want

- 현재 서버에 문제가 있는지 탐지 <- 선형회귀

- 메트릭에 이슈가 있다면 알림 및 Auto Scaling 구성 <- 로지스틱 회귀

- WAF 모니터링 과정에서 문제가 있다고 판단되면 COUNT -> BLOCK 상태로 변환 <- KNN

## Conclusion

- SageMaker 공부해보자