AI & Data
학습 데이터와 평가 데이터 나누기, 대안을 선택하는 기준 정리
같은 데이터로 학습과 평가를 모두 하면 모델이 새로운 입력을 얼마나 잘 처리하는지 알기 어렵다. 장점과 비용을 함께 보기를 중심으로 작은 예제와 확인 기준을 정리합니다.
만들며 배우고, 배운 것을 나눕니다.
더 나은 제품을 향한 개발의 기록.
작은 발견부터 깊이 있는 고민까지.
같은 데이터로 학습과 평가를 모두 하면 모델이 새로운 입력을 얼마나 잘 처리하는지 알기 어렵다. 장점과 비용을 함께 보기를 중심으로 작은 예제와 확인 기준을 정리합니다.
로컬 저장소의 데이터 모양을 바꾼 뒤 예전 값 때문에 화면 초기화가 실패할 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
결론만 남은 설계 문서는 시간이 지나면 왜 그런 선택을 했는지 설명하지 못한다. 제약이 달라졌을 때 바꿀 부분과 지킬 부분을 구분할 수 있어야 한다. 장점과 비용을 함께 보기를 중심으로 작은 예제와 확인 기준을 정리합니다.
과거에는 되던 동작이 언제 깨졌는지 모를 때 모든 커밋을 순서대로 읽는 것은 비효율적이다. 명확한 재현 명령이 있으면 변경 범위를 이분 탐색할 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
외부에서 들어오는 웹훅은 보낸 쪽을 주장하는 헤더만으로 신뢰할 수 없다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
같은 사례에 서로 다른 기준으로 라벨을 붙이면 모델의 한계와 데이터의 모호함을 구분하기 어렵다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.