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.