[태그:] 머신 러닝
연합 학습에 대한 종합 가이드
연합 학습이란 무엇인가요? 연합 학습은 여러 기기 또는 시스템이 원시 데이터를 교환하지 않고도 공유 모델을 공동으로 학습할 수 있는 머신 러닝(ML) 접근 방식입니다. 중앙 서버로 데이터를 전송하는 대신 각 참가자는 다음과 같은 방식으로 데이터를 전송합니다.
머신 러닝(ML)에서 데이터 전처리의 중요성
데이터 전처리는 지저분한 원시 데이터를 모델 학습을 위한 깔끔하고 구조화된 형식으로 변환하는 머신 러닝의 중요한 단계입니다. 여기에는 데이터를 정리, 변환, 인코딩 및 분할하여 모델 정확도를 개선하고 데이터 유출을 방지하며 다음을 보장하는 작업이 포함됩니다.
ML 모델 미세 조정을 위한 데이터 세트 준비하기: 종합 가이드
머신러닝 모델을 미세 조정하려면 잘 준비된 데이터셋을 확보하는 것부터 시작해야 합니다. 이 가이드에서는 데이터 수집부터 명령어 파일 만들기까지 이러한 데이터 세트를 만드는 방법을 안내합니다. 이 가이드가 끝날 때쯤이면 실용적인 지식과 도구를 갖추게 될 것입니다.
차세대 기술로 비즈니스 사용자의 공급망 최적화를 지원하는 SWARM 엔지니어링
새해를 맞이하는 압도적인 화두는 인공지능(AI)과 머신러닝(ML)을 둘러싼 모든 것입니다. 이러한 기술은 사회 전반에 어떤 의미가 있으며, 일상 생활에 어떻게 접목될까요? 핵심은...
모바일 데이터베이스 플랫폼을 통한 클라우드 투 엣지 AI
엣지 컴퓨팅은 데이터 처리를 클라우드에서 엣지로 확장하여 모바일 디바이스를 비롯한 상호 작용 지점에 더 가깝게 이동시키는 기술 아키텍처입니다. 데이터베이스 관점에서 보면 일반적인 아키텍처에는 클라우드에 있는 데이터베이스가 포함됩니다.
카우치베이스 애널리틱스 사용자 정의 함수(UDF)로 ML 모델 활용하기
이제 Couchbase 7.0을 통해 Python UDF를 Couchbase Analytics와 통합할 수 있습니다. 이 블로그 시리즈의 1부에서는 Couchbase와 머신 러닝용 분석(ML)을 설정하는 데 필요한 필수 사항을 다루었습니다. ML에는...
Couchbase가 데이터 과학을 간소화하는 방법(1부)
이 게시물은 고등학생 인턴인 Karen Yuan이 공동 집필했습니다. 데이터 과학은 데이터에서 지식을 추출하고 그 지식을 적용하여 문제를 해결합니다. 다음 두 개의 게시물에서는 Couchbase 데이터 플랫폼이 어떻게 다양한 문제를 해결할 수 있는지 알아보겠습니다.
카우치베이스와 주피터 노트북으로 선형 회귀 모델 훈련하기: 단계별 튜토리얼
데이터 과학자들은 Jupyter Notebook을 좋아하며, Couchbase 문서 데이터베이스와도 자연스럽게 어울립니다. 왜 그럴까요? Jupyter Notebook 웹 애플리케이션을 사용하면 사용 사례에 대한 설명 텍스트, 방정식 등이 포함된 문서를 만들고 공유할 수 있습니다.
이제 외부 분석 컬렉션을 사용하여 Azure Blob 저장소를 지원하는 Couchbase Analytics
이제 바이트 단위로 이동하거나 마이그레이션할 필요 없이 Couchbase Analytics를 사용하여 더 많은 엔터프라이즈 데이터를 분석할 수 있습니다. 오늘부터 외부 분석 컬렉션에 대한 Microsoft Azure Blob 저장소 지원을 발표하게 되어 기쁩니다...
Couchbase Server 7.0 발표
Couchbase Server 7.0은 최신 애플리케이션 개발의 요구 사항을 해결합니다. 이를 통해 관계형 데이터베이스 또는 NoSQL 데이터베이스 사용에 대한 논쟁을 해결합니다. 더 이상 타협할 필요가 없습니다. (여기에서 직접 사용해 보거나 바로 건너뛰세요...
![How to Use Couchbase as a Machine Learning Model Store [Part 2 of 2]](https://www.couchbase.com/blog/wp-content/uploads/sites/1/2021/07/machine-learning-model-store-couchbase-data-platform-800x280.png)
카우치베이스를 머신 러닝 모델 저장소로 사용하는 방법 [2부 2편]
머신러닝과 관련해서는 ML 모델 훈련에 대해 많은 말과 글이 있습니다. 하지만 그에 못지않게 중요한 것은 실시간 예측을 제공할 준비가 되면 그 모델을 어디에 저장하는가 하는 것입니다. 지난 주에는