online-ml/awesome-online-machine-learning

이 프로젝트는 online machine learning에 관한 고품질 리소스를 모아놓은 "awesome list" 형태의 큐레이션 목록입니다. 온라인 머신러닝은 데이터를 한꺼번에 처리하는 대신, 하나씩 들어오는 데이터로부터 모델이 학습하는 머신러닝의 한 분야입니다. 이 목록은 커뮤니티에 의해 유지 관리되며 대중적인 "awesome" 형식을 따릅니다.

README는 온라인 머신러닝이 전체 데이터셋을 한 번에 처리하는 기존의 배치 학습과 달리, 새로운 데이터 포인트가 들어올 때마다 모델을 점진적으로 업데이트한다고 명확하게 정의합니다.

포함된 내용은 무엇인가요?

• 코스 및 도서 — 무료 강의 노트, 교과서, 온라인 코스 링크. "Machine Learning for Streaming Data with Python"이나 MIT의 "Online Methods in Machine Learning" 코스 등이 포함됩니다. 많은 자료가 Vowpal Wabbit 라이브러리 사용과 같은 실용적인 측면에 초점을 맞추고 있습니다.

• 블로그 게시물 — 개념을 설명하고 튜토리얼을 제공하는 짧은 기사들. 실시간 ML 과제부터 River 라이브러리를 사용한 이상 탐지까지 다양한 주제를 다룹니다. 영어로 된 것도 있고 포르투갈어로 된 것도 있습니다.

• 소프트웨어 — 두 부분으로 나뉩니다:

  • 모델링 — 온라인 학습 알고리즘을 구현하는 라이브러리 및 도구. River (Python), MOA (Java), Vowpal Wabbit (C++) 등이 있습니다. 목록에는 scikit-learn이 완전한 온라인 학습은 아니지만 일부 점진적 학습 기능을 가지고 있다는 점도 언급되어 있습니다.
  • 배포 — KappaML이나 django-river-ml이라는 Django 플러그인과 같이 온라인 모델을 프로덕션 환경에 적용하기 위한 도구.

• 논문 — 선형 모델, 서포트 벡터 머신, 신경망, 의사결정 나무, 비지도 학습, 시계열, 드리프트 탐지, 이상 탐지, 메트릭 학습, 그래프 이론, 앙상블 모델, 전문가 학습, 능동 학습 등 여러 섹션으로 분류된 학술 연구 논문. 각 논문에는 직접 링크가 있으며, 소스 코드나 구현체로 연결되는 등 관련 정보가 짧게 메모되어 있습니다.

어떻게 구성되어 있나요?

모든 내용은 명확한 제목과 함께 깔끔한 목록으로 정리되어 있어 필요한 정보로 쉽게 이동할 수 있습니다. 이 목록은 튜토리얼이 아니라 시작점입니다. 머신러닝에 대한 기본적인 지식이 있지만 온라인 학습 변형에 관한 최고의 자료를 찾고 있는 사람들을 대상으로 합니다.

누구를 위한 것인가요?

스트리밍 데이터를 배우거나 작업하려는 학생, 연구원, 실무자를 위한 것입니다. 실시간으로 예측을 업데이트해야 하는 시스템을 구축 중이라면, 이 목록이 올바른 기술과 도구를 안내해 줄 것입니다.

정확성에 대한 참고 사항: 위의 모든 세부 정보는 이 프로젝트의 README에서 직접 가져온 것입니다. README에 명시된 내용 외에 추가적인 기능이나 사실을 덧붙이지 않았습니다.