MLE: Appendix
용어집
저희는 명확한 언어를 사용하기 위해 노력하고 있지만, 몇 가지 단어에 대해서는 해석을 설명하는 것이 도움이 될 수 있습니다.
기술 책임 정의
The responsibilities defined below make up the foundation of the Machine Learning Engineer craft:
- ML Fluency: Ability to select the right ML algorithm, tooling, and technique for ML projects and following through with robust statistical analyses and visualization techniques.
- ML Design: Ability to formulate business objectives to ML tasks; defining quality metrics and experimentation strategy that lead up to the objectives; proficiency in designing for different lifecycle* stages and interactions thereof in an ML project.
- 코드 유창성: 코드를 유창하고 잘 읽고 쓸 수 있는 능력.
- 소프트웨어 설계: 합리적인 API와 상호 작용 패턴으로 소프트웨어 구성 요소를 설계하는 능력(좋은 클래스, 모듈 등을 작성하여 아키텍처 다이어그램에 상자를 구축하는 것)
- 아키텍처 설계: 상호 작용하는 구성 요소의 시스템(예: 상호 작용하는 기능 모음 또는 제품, 바이너리 또는 중요한 서비스의 아키텍처)을 설계하는 능력(아키텍처 다이어그램의 상자는 무엇이며, 어떻게 상호 작용하는지)
- 기술 전략: 어떤 시스템을 구축해야 하는지, 명확한 솔루션이 없을 때 어떤 기술적 선택을 해야 하는지 등 조직에서 장기적으로 올바른 기술 결정을 내릴 수 있도록 보장합니다. 조직 아키텍처 다이어그램의 모든 상자에 어떤 표준이 적용되는가?
* ML development lifecycle refers to the stages/tasks in the life of an ML projects: task formulation; dataset collection, cleaning, and aggregation; feature extraction; modeling, optimization, and evaluation; off/on-line testing, deployment and monitoring; and iteration based on feedback from each stage.