Day 3 - SageMaker Builtin 2: Text, Image, Time Series, Recommendation

📌 핵심 정리

• 지문에 텍스트·이미지·시계열·희소라는 단어가 보이면 XGBoost가 아니라 전문 빌트인으로 답이 밀린다.
• BlazingText는 두 모드다. 레이블이 있고 문서를 분류하면 supervised, 레이블 없이 단어 벡터를 얻으면 Word2Vec.
• 이미지 + 데이터 부족의 정석은 use_pretrained_model=1 전이 학습 + 데이터 증강이다. 객체 위치까지 필요하면 Object Detection.
• DeepAR는 관련 시계열 수천 개를 한 모델로 함께 학습해 신규·짧은 시계열까지 예측하고, 점 추정이 아니라 P10/P50/P90 확률 구간을 낸다.
• Factorization Machines는 원핫으로 폭발한 초고차원 희소 데이터의 2차 상호작용 전용이며, 입력은 **RecordIO-protobuf(float32)**를 권장한다.

데이터 형태가 알고리즘을 정한다

어제는 정형 데이터 알고리즘을 다뤘다. 오늘은 데이터 형태가 특수할 때 — 텍스트, 이미지, 시계열, 희소 상호작용 — 쓰는 전문 빌트인을 정리한다.