무엇을 연습하나요?

학습 단계와 예측 단계의 입력 처리 흐름을 맞춥니다.

같은 모델이라도 입력 형태가 달라지면 결과가 쉽게 달라질 수 있기 때문입니다.

모델 서빙 패키지

할 일

학습 코드와 예측 코드를 하나의 작은 패키지로 정리해요. 학습 함수는 모델 파일을 저장하고, 예측 함수는 저장된 파일을 읽어 새 샘플의 예측값을 돌려줍니다. 할 일: train_and_save 와 load_and_predict 를 완성하세요. 기술 메모: scikit-learn 의 LogisticRegression 을 사용합니다. 저장 파일 경로는 인자로 받습니다.

지킬 조건

•joblib 으로 저장·로드한다.
•예측 함수는 학습 데이터를 다시 받지 않는다.

안 해도 되는 것

•모델 registry 서버.
•온라인 API 서버.
•실험 추적 UI.

▶이 문제에 대해

모델을 저장하고 다시 불러 예측할 때 입력 데이터 처리 흐름을 일관되게 유지하는 문제입니다.

서빙 코드는 모델 파일만 읽는 것이 아니라, 예측 전에 데이터가 어떤 형태로 들어가는지도 함께 맞춰야 합니다.

무엇을 연습하나요?: 학습 단계와 예측 단계의 입력 처리 흐름을 맞춥니다.
왜 중요한가요?: 같은 모델이라도 입력 형태가 달라지면 결과가 쉽게 달라질 수 있기 때문입니다.