An Efficient Dynamic Workload Balancing Strategy

머신러닝 학습 부산물 추적을 위한 프레임워크

  • Kim, Eunjin (Department of Aerospace and Software Engineering, Gyeongsang National University) ;
  • Lee, Yeongseop (Department of Aerospace and Software Engineering, Gyeongsang National University) ;
  • Lee, Seongjin (Department of Aerospace and Software Engineering, Gyeongsang National University)
  • 김은진 (경상대학교 기계항공정보융합공학부 항공우주및소프트웨어공학전공) ;
  • 이영섭 (경상대학교 기계항공정보융합공학부 항공우주및소프트웨어공학전공) ;
  • 이성진 (경상대학교 기계항공정보융합공학부 항공우주및소프트웨어공학전공)
  • Published : 2020.01.08

Abstract

머신러닝이 보편화되면서 모델 학습을 돕기 위한 머신러닝 및 데이터과학 도구의 수요가 증가하고 있다. 머신 러닝을 사용하는 연구에서는 다양한 파라미터에 대한 실험이 진행되어 많은 학습 부산물이 생성 된다. 하지만 기존의 학습 부산물을 관리하는 프레임워크는 하나의 실험을 진행하는데 모든 경우의 수를 진행해 그 규모가 크다. 본 연구는 기존의 도구가 가지는 규모 문제를 개선하고, 주기적으로 메일을 사용자에게 전송해 실험과정을 보고하는 새로운 도구를 제안한다. 이러한 시스템은 학습과정에서 사용자가 의도한 파라미터의 학습이 진행되는지 추적가능하다.

Keywords