반응형 딥러닝2 AI 학습(Training)과 추론(Inference) 완전 정리: 모델 개발 단계 vs 서비스 운영 단계 AI 학습(Training)과 추론(Inference) 완전 정리, 모델 개발 단계 vs 서비스 운영 단계AI 프로젝트는 크게 모델을 만드는 단계(Training)와 모델을 현장에서 쓰는 단계(Inference)로 나뉩니다. 이 글에서는 데이터 파이프라인부터 배포·모니터링·재학습까지 실무 라이프사이클 관점으로 구조를 깔끔하게 정리합니다. I. 한 문장 요약Training은 AI를 “교육시키는 단계(모델 생성)”,Inference는 AI를 “현장에서 일하게 하는 단계(서비스 운영)”입니다.II. AI 학습(Training) 단계: 모델 개발 프로세스Training은 모델의 파라미터(가중치)를 데이터로부터 학습해 “쓸 수 있는 모델”로 만드는 과정입니다. 비용과 시간이 가장 많이 들고, 실험/개선이 반복되.. 2026. 1. 31. TensorFlow란? 개념부터 학습·배포 생태계까지 한 번에 정리 TensorFlow란? 핵심 개념부터 학습·배포 생태계까지 한 번에 정리I. TensorFlow 한 줄 정의TensorFlow는 구글이 주도하는 오픈소스 머신러닝/딥러닝 프레임워크로, 데이터 준비부터 모델 학습, 평가, 그리고 서비스 배포(서버/모바일/브라우저/엣지)까지 전 과정을 하나의 생태계로 묶어 제공하는 것이 특징입니다. 핵심 요약: “모델을 만들고 끝”이 아니라, 학습 → 최적화 → 저장 → 배포까지 한 번에 이어지는 엔드투엔드(End-to-End) 경험을 제공하는 플랫폼에 가깝습니다. II. TensorFlow의 핵심 원리: 텐서·자동미분·실행 엔진A. 텐서(Tensor): 데이터의 표준 단위Tensor는 다차원 배열(스칼라, 벡터, 행렬, 고차원 텐서 포함)을 의미합니다.NumPy 배열과 .. 2026. 1. 22. 이전 1 다음 반응형
