머신러닝 모델이 적절히 동작하려면 모델에 입력될 수 있는 형태로 데이터를 변환하는 ‘전처리 파이프라인’, 그리고 모델의 출력 결과를 정리해 해석할 수 있는 형태로 만드는 ‘후처리 파이프라인’ 이 필요하다. 각 파이프라인은 다시 파이프라인을 이루는 요소들로 구성된다. 전처리-예측 패턴은 파이프라인 요소별 독립성(from1)을 유지하기 위해 모델-뷰-컨트롤러 패턴의 컨트롤러같은 존재가 필요하다.
이때 프록시가 모든 것을 다 알고 있는 존재(참고1), 즉 컨트롤러의 역할을 수행한다. 컨트롤러를 거치지 않고 컴포넌트들 사이에서 직접적으로 통신을 하면 데이터바인딩에서 나타났던 것과 같이(from2), 파이프라인 간 의존성 문제가 발생할 수 있으므로 주의가 필요하다.
parse me : 언젠가 이 글에 쓰이면 좋을 것 같은 재료들.
1.
None
from : 과거의 어떤 생각이 이 생각을 만들었는가?
supplementary : 어떤 새로운 생각이 이 문서에 작성된 생각을 뒷받침하는가?
opposite : 어떤 새로운 생각이 이 문서에 작성된 생각과 대조되는가?
1.
None
to : 이 문서에 작성된 생각이 어떤 생각으로 발전되고 이어지는가?
1.
None
참고 : 레퍼런스