LEVEL 98 QUEST
모델 학습 파이프라인 & 하이퍼파라미터 자동 튜닝
수익 예측, 조회수 예측, 최적 업로드 시간 예측... 3개 ML 모델을 자동으로 학습하고 튜닝하는 MLOps 파이프라인
LEVEL 98 - ML TRAINING PIPELINE
AI가 수익을 예측한다!
3 ML Models
조회수 예측 (XGBoost) + 수익 예측 (LightGBM) + 최적 시간 예측 (Neural Net)
3개 모델이 자동으로 학습하고, 자동으로 튜닝하고, 자동으로 배포됩니다
Netflix의 자동 ML 파이프라인과 동일한 아키텍처로
사람 개입 없는 완전 자동 학습 시스템을 구축합니다
1 3개 ML 모델 설계
YouTube Shorts 수익 극대화를 위해 3개의 전문 모델을 설계합니다. 각 모델은 서로 다른 알고리즘을 사용하며, 앙상블로 결합하여 최종 의사결정에 활용됩니다.
조회수 예측 모델
XGBoost (Gradient Boosted Trees)
업로드 전에 예상 조회수를 예측합니다. 제목, 썸네일, 카테고리, 채널 상태, 업로드 시간 등을 분석하여
72시간 내 예상 조회수를 산출합니다.
XGBoost는 tabular 데이터에서 여전히 최고의 성능을 보이며, Kaggle 우승 모델의 70%가 사용합니다.
RMSE: 12.3%
MAE: 8.7%
R2: 0.89
추론: 0.3ms
수익 예측 모델
LightGBM (Light Gradient Boosting Machine)
조회수 예측을 기반으로 예상 RPM과 총 수익을 계산합니다.
카테고리별 CPM 변동, 시즌 효과, 광고주 경쟁률 등을 반영합니다.
LightGBM은 XGBoost 대비 학습 속도 10배, 메모리 사용량 1/3로 대규모 데이터에 최적입니다.
MAPE: 15.2%
MAE: $0.12
학습: 2.3초
추론: 0.1ms
최적 업로드 시간 예측 모델
Neural Network (3-Layer MLP + Attention)
카테고리, 타겟 시청자, 채널 특성을 분석하여 최적 업로드 시간대를 추천합니다.
168개 시간 슬롯(24h x 7d)에 대한 확률 분포를 출력합니다.
Neural Net은 시간/요일의 복잡한 비선형 패턴을 포착하는 데 최적입니다.
Top-1 Acc: 67%
Top-3 Acc: 89%
NDCG: 0.92
추론: 0.8ms
왜 3개 모델을 분리하는가?
하나의 거대한 모델보다 전문화된 3개 모델이 더 효과적입니다.
Uber는 ETA 예측, 가격 예측, 수요 예측을 별도 모델로 운영하고,
Netflix는 콘텐츠 추천, 썸네일 선택, 시청 시간 예측을 각각 독립된 모델로 관리합니다.
모델 분리는 독립적 업데이트, 독립적 스케일링, 독립적 디버깅을 가능하게 합니다.
🔒
여기까지는 미리보기입니다
모델 학습 파이프라인 & 하이퍼파라미터 자동 튜닝
무료 가입하면 이어서 볼 수 있고, 강의를 완료할 때마다 XP와 레벨이 쌓입니다.
Google로 3초 만에 시작 →🧵 Threads로 시작무료 공개 강의 둘러보기 (Lv.1~3)무료 가입하면 이어서 볼 수 있고, 강의를 완료할 때마다 XP와 레벨이 쌓입니다.