이 슬라이드는 Azure ML Studio에서
Movie Lenz 연관추천을 구현하는 과정을 정리합니다.


1부 : 학습 파이프라인 생성

이제부터 Movie Lens 연관추천을 한번 만들어보겠습니다.


ML Studio 하단 New -> Black Experiment 선택


기본적으로는 아래와 같은 빈화면 구성입니다.


데이터셋 로드(1/3)


데이터셋 로드(2/3)


데이터셋 로드(3/3)


메타데이터 Casting(1/3)


Object간 연결

Movie Ratings 데이터를 출력 -> Edit Metadata로 데이터를 입력시킴


프로퍼티 설정

각 Object마다 클릭시 오른쪽 Property영역이 바뀝니다.


메타데이터 Casting(2/3)

Rating을 선택


메타데이터 Casting(3/3)

스크린샷이 빠졌는데 rating만 integer로 casting 정의해줍니다.


데이터 Join 기능(1/2)


데이터 Join 기능(2/2)


특정 칼럼 데이터만 추출(1/2)


특정 칼럼 데이터만 추출(2/2)


중복데이터 제거(1/2)


중복데이터 제거(2/2)


데이터 Split 생성


Train Object 생성(1/2)


Train Object 생성(2/2)


Score Object 생성


Evaluation Object 생성


파이프라인 실행(1/3)


파이프라인 실행(2/3)


파이프라인 실행(3/3)


Score 결과확인(1/3)


Score 결과확인(2/3)


Score 결과확인(3/3)


Evaluation 결과확인(1/2)


Evaluation 결과확인(2/2)


2부 : 웹서비스 API 생성

이제부터 웹서비스를 한번 만들어 보겠습니다.


웹서비스 생성

ML Studio 하단에서 Web Service를 생성할 수 있습니다.


웹서비스 생성결과 확인(1/2)


웹서비스 생성결과 확인(2/2)


웹서비스 API로 Inference 해보기(1/3)


웹서비스 API로 Inference 해보기(2/3)


웹서비스 API로 Inference 해보기(3/3)


One More Thing

추가로 살펴본것들…


ML Studio로 할수 있는 것들


ML Studio 지원 알고리즘(1/2)


ML Studio 지원 알고리즘(2/2)


감사합니다.