실시간 ML 패러다임의 So-fine

에스티의 연례 코드 모자이크 해커톤은 상태 있는 머신 러닝 훈련 및 온라인 러닝 시스템 개발을 목표로 하는 대담한 프로젝트를 선보였다. 팀은 모델 가중치를 증분적으로 업데이트하여 비용을 절감하고 지표를 개선하는 것을 목표로 했다. 1일차에는 팀이 접근 방식을 계획하고, 실시간 훈련 데이터, 러닝 서비스, 평가에 초점을 맞춘 하위 팀으로 나누어졌다. 2일차에는 팀들이 계획을 구현하는 데에 초점을 맞추고, 데이터 형식화 및 모델 선택과 같은 도전 과제를 맞이하게 되었다. 평가 팀은 지속적으로 훈련된 모델과 일괄 훈련된 모델의 성능을 비교하는 경쟁을 제안했다. 3일차에는 발표와 시스템의 잠재적 영향을 논의하는 시간이 있었다. 특히 광고 모델만으로도 연간 약 212,000 달러의 비용 절감이 예상되는 등이었다. 팀은 시스템을 프로덕션화하는 데 필요한 인프라 및 품질 보증과 같은 장애물들을 인정했지만, 복잡한 ML 구조의 미래에 대한 낙관론을 표현했다.