[Day 34] Deploying ML models 및 TensorBoard

 안녕하세요?
오늘은 Day 34입니다!

오늘의 내용이 다음과 같이 간단하다

• TensorFlow: Data and Deployment Specialization

어제 시작하고 오늘 끝냈다

iOS/Android 위해 앱을 만들 때 다음과 같은 step-by-step 방벙을 따르면 좋겠다

 Set up the model in the desired platform > process input provided by the user > pass the input to the model > get results and show them

그 다음에 tensorflow datasets (tfds) 기초 지식을 얻었다 

   split 위와 같이 할 수 있구나 ~ (tfds 사용할 때)

성능을 개선하기 위해 cache 할 수 있다

memory cache는 더 빠른 접근 시간을 제공하며 소~중 사이즈 데이터셋에 잘 어울린다. disk cache는 persistence와 확장성을 제공하며 큰 데이터셋에 잘 어울린다

그 다음에 ~ TensorBoard 말이다

다음과 같이 구성할 수 있다

callback 함수 같은 것이다~
TensorBoard에서 epoch마다 평균과 표준 편차를 볼 수 있다 (멋있다!)

또한 분류 모델을 만들면 각 epoch의 confusion matrix도 볼 수 있다

예를 들어자면 ~ epoch 1:

epoch 3:

 

마지막으로 ~ Federated learning에 대해 처음으로 공부했다

Federated learning은 중앙 서버와 local clients이 협력하여 데이터를 탈중앙화된 상황에서 글로벌 모델을 학습하는 기술이다. 이는 데이터 privacy와 통신 효율성 측면에서 장점을 가지는데 완전 탈중앙 학습과 같은 문제에 대한 해결책이 필요하며 데이터가 비동일하게 분포되는 상황에서의 모델 학습 등 여러 과제가 있다. 또한 모델 update 백도어 공격 등의 보안 문제도 주목해야 한다.

사실 오늘은 TF developer certification 하려고 했는데 신용 카드 계속 거절되었다 :/ (구글에게 이메일 문의 보냈다)

그리고 ~~~ 자격증 못 하게 된다면 뭐 할까 했는데 2가지 것이 나왔다

• TensorFlow: Advanced Techniques Specialization
  
• opencv university course (computer vision)

내일 선정할 것이다 ~ 

오늘은 여기까지입니다!

내일 뵐게요!