Credit: Getty Images Bank
이번 글에서는 스피드 데이팅(speed dating) 데이터 집합을 사용한 머신러닝 워크플로우를 살펴본다. 전체적인 목표는 머신이 제안한 매치와 사람이 직접 다른 사람의 프로필을 보고 선택한 매치를 비교하는 것이다. 데이터 집합의 출처는 캐글(Kaggle)의 스피드 데이팅 실험 데이터다.
이 과정에서 멤SQL(MemSQL) 파이프라인을 사용해 카프카의 데이터를 데이터베이스로 실시간으로 스트리밍하는 방법을 자세히 살펴본다. 데이터가 흡수되면 몇 가지 기본 텐서플로우 알고리즘을 사용해 데이터를 학습시키는 동시에 분류한다. 마지막으로 머신이 매치를 얼마나 잘 결정하는 지를 확인해본다.
여기 소개하는 전체적인 아키텍처는 새로운 데이터 집합을 사용한 더 복잡한 머신러닝 워크플로우를 만들기 위한 템플릿으로 사용할 수 있다.
텐서플로우로 머신러닝 워크플로우 추가
이 아키텍처는 학습 및 분류 데이터가 카프카를 통해 스트리밍되어 질의 가능한 영구 데이터베이스에 저장되는 구조다. 스트림을 데이터베이스에 집어넣기 전에 멤SQL과 파이프라인 함수를 활용해 스트림에서 텐서플로우 작업을 실행한다.
Credit: MemSQL
카프카에서는 분류와 학습, 두 개의 카프카 주제를 설정한다. 원시 학습 및 분류 데이터는 카프카 주제에서 멤SQL 파이프라인으로 스트리밍된다. 데이터베이스에서는 speed_dating_matches라는 데이터베이스를 만들고 이 데이터베이스 안에서 dating_training과 dating_results, 두 개의 테이블을 만든다.
- dating_training은 단일 행 테이블로, 여기에 학습 평가의 출력을 저장해서 학습이 이뤄지는 동작을 보여준다.
- dating_results에는 가능한 데이트에 대한 모든 데이터와 이 데이트가 매치로 결정되었는지 여부가 저장된다.
isMatch = 1은 데이트가 매치였음을 의미
isMatch = 0은 데이트가 매치가 아니었음을 의미
그 다음 두 개의 파이프라인 speed_dating_training과 speed_dating_results를 만들어 카프카 주제에서 데이터를 스트리밍하고 이 데이터를 사용해 학습 및 분류하고 최종 결과를 해당 테이블에 넣는다.
머신러닝을 적용해 매치 예측
스피드 데이팅 정보에는 6가지 특성(매력, 지능, 재미, 공통 관심사, 성실성, 포부)을 대상으로 한 100점의 우선순위 포인트가 포함된다. 또한 약력, 고향에 관한 흥미로운 정보, 학습 관심사(대학생들을 대상으로 데이터 수집), 그리고 영화와 요가, 여행, 비디오 게임 등의 취미도 포함된다.
학습 데이터는 사전에 결정된 매치 집합이며 분류 데이터는 예측된 매치 가능성을 반영한다. 이 정보를 사용해 학습 데이터에서 매치가 된 사람을 보고, 질문에 대해 스스로 답을 해서 누구와 매치가 되고 싶은 지를 확인한다.
데이트 특성이나 관심사 측면에서 평균적인 사람이 중요시하는 요소는 무엇인지, 평균적인 사람과 내가 직접 매치로 선택한 사람 간에는 어떤 차이점이 있는지 등 더 세부적인 질문을 할 수 있다. 또한 전체 데이터 집합을 대상으로 쿼리하거나 매치로 결정된 데이터 집합의 하위 집합을 쿼리할 수 있다.
내장된 텐서플로우 모델 사용하기
텐서플로우에는 다음을 포함해서 선택 가능한 여러 가지 내장된 모델이 있다.
- DNNClassifer
- DNNRegressor
- DNNLinearCombinedClassifier
- DNNLinearCombinedRegressor
- LinearClassifier
- LinearRegressor
이 데모에서는 선형 분류기(Linear classifier)를 선택하고, 다음 데이터 형식의 조합을 모델 입력의 기반으로 사용한다.
- CSV 필드 이름 : CSV 필드 이름은 CSV를 판다스(Pandas) 데이터프레임으로 읽어 들일 때 사용하는 이름이다.
- 텐서플로우 범주 특징 열 : 범주 특징 열은 개별 수로 표현할 수 없는 모든 항목이다. 거주 국가, 직업, 모교 등은 모두 범주 특징 열의 예다. 텐서플로우의 좋은 점 가운데 하나는 주어진 범주에 대한 개별 값이 몇 개가 될지 알 필요가 없고, 희소 벡터를 알아서 생성해준다는 점이다. 텐서플로우 문서의 텐서플로우 선형 모델 자습서에서 "기본 범주 특징 열" 단원을 참조하라.
- 텐서플로우 연속 특징 열 : 연속 특징은 수로 표현 가능한 모든 것이다. 나이, 급여, 최고 달리기 속도는 모두 연속 특징 열을 사용해 표현할 수 있는 항목에 해당된다. 더 자세한 내용은 텐서플로우 선형 모델 자습서의 "기본 연속 특징 열" 단원에서 볼 수 있다.
학습 및 분류 데이터 활용
이 예에서 스피드 데이팅 데이터 집합의 사람들은 각자가 매긴 특성의 순위, 작성한 약력 정보 및 관심사로 구성된 벡터로 표현된다.
Person <traits, biographical info, interests>
학습 데이터는 다음과 같이 표현된다.
<Person A, Person B, 0>
여기서 최종 값은 매치 아님 또는 매치에 따라 각각 0 또는 1이다. 분류 데이터는 다음과 같이 전달되며 여기서 출력은 예측된 매치에 따라 0 또는 1이다.
<Person A, Bryan>
다음 다이어그램에서 학습 데이터가 전달되어 선형 분류기 모델을 학습시키는 것과 분류 데이터가 텐서플로우 모델로 전달되어 매치의 가능성에 따라 0 또는 1을 출력하는 것을 볼 수 있다.
Credit: MemSQL
텐서플로우와 멤SQL을 사용한 사랑 예측
이 인프라를 구축한 후 각자 자신의 정보를 추가할 수 있다. 이 경우 개인의 데이팅 정보를 분류 워크플로우에 집어넣고 매치의 가능성을 예측할 수 있다. 타당성을 검증하고자 한다면 매치를 보고 본인이 직접 선택했을만한 매치인지 여부를 확인하면 된다.
전체적인 아키텍처는 여러 가지 이점을 제공한다. 카프카를 통한 간단한 신규 데이터 스트리밍을 지원하며 텐서플로우 모델을 기본 상태 그대로 활용하며 SQL로 손쉽게 쿼리가 가능한 형식으로 데이터를 저장한다.
기본적으로 맴SQL에 데이터를 스트리밍하는 동시에 분류하는 기능을 제공한다. 이와 관련해 더 자세한 내용을 알아보려면 텐서플로우 모델 사용에 관한 텐서플로우 문서를 참고하면 된다.
이 애플리케이션의 실제 동작 데모를 보려면 2017년 스트라타 데이터 컨퍼런스 뉴욕(Strata Data Conference New York 2017)의 10분짜리 비디오 "텐서플로우, 카프카, 멤SQL을 사용한 실시간 머신러닝"을 참고하라. editor@itworld.co.kr
함께 보면 좋은 콘텐츠
Sponsored
Surfshark
“유료 VPN, 분명한 가치 있다” VPN 선택 가이드
ⓒ Surfshark VPN(가상 사설 네트워크, Virtual Private Network)은 인터넷 사용자에게 개인 정보 보호와 보안을 제공하는 중요한 도구로 널리 인정받고 있다. VPN은 공공 와이파이 환경에서도 데이터를 안전하게 전송할 수 있고, 개인 정보를 보호하는 데 도움을 준다. VPN 서비스의 수요가 증가하는 것도 같은 이유에서다. 동시에 유료와 무료 중 어떤 VPN을 선택해야 할지 많은 관심을 가지고 살펴보는 사용자가 많다. 가장 먼저 사용자의 관심을 끄는 것은 별도의 예산 부담이 없는 무료 VPN이지만, 그만큼의 한계도 있다. 무료 VPN, 정말 괜찮을까? 무료 VPN 서비스는 편리하고 경제적 부담도 없지만 고려할 점이 아예 없는 것은 아니다. 보안 우려 대부분의 무료 VPN 서비스는 유료 서비스에 비해 보안 수준이 낮을 수 있다. 일부 무료 VPN은 사용자 데이터를 수집해 광고주나 서드파티 업체에 판매하는 경우도 있다. 이러한 상황에서 개인 정보가 유출될 우려가 있다. 속도와 대역폭 제한 무료 VPN 서비스는 종종 속도와 대역폭에 제한을 생긴다. 따라서 사용자는 느린 인터넷 속도를 경험할 수 있으며, 높은 대역폭이 필요한 작업을 수행하는 데 제약을 받을 수 있다. 서비스 제한 무료 VPN 서비스는 종종 서버 위치가 적거나 특정 서비스 또는 웹사이트에 액세스하지 못하는 경우가 생긴다. 또한 사용자 수가 늘어나 서버 부하가 증가하면 서비스의 안정성이 저하될 수 있다. 광고 및 추적 위험 일부 무료 VPN은 광고를 삽입하거나 사용자의 온라인 활동을 추적하여 광고주에게 판매할 수 있다. 이 경우 사용자가 광고를 보아야 하거나 개인 정보를 노출해야 할 수도 있다. 제한된 기능 무료 VPN은 유료 버전에 비해 기능이 제한될 수 있다. 예를 들어, 특정 프로토콜이나 고급 보안 기능을 지원하지 않는 경우가 그렇다. 유료 VPN의 필요성 최근 유행하는 로맨스 스캠은 인터넷 사기의 일종으로, 온라인 데이트나 소셜 미디어를 통해 가짜 프로필을 만들어 상대를 속이는 행위다. 이러한 상황에서 VPN은 사용자가 안전한 연결을 유지하고 사기 행위를 방지하는 데 도움이 된다. VPN을 통해 사용자는 상대방의 신원을 확인하고 의심스러운 활동을 감지할 수 있다. 서프샤크 VPN은 구독 요금제 가입 후 7일간의 무료 체험을 제공하고 있다. ⓒ Surfshark 그 외에도 유료 VPN만의 강점을 적극 이용해야 하는 이유는 다음 3가지로 요약할 수 있다. 보안 강화 해외 여행객이 증가함에 따라 공공 와이파이를 사용하는 경우가 늘어나고 있다. 그러나 공공 와이파이는 보안이 취약해 개인 정보를 노출할 위험이 있다. 따라서 VPN을 사용하여 데이터를 암호화하고 개인 정보를 보호하는 것이 중요하다. 서프샤크 VPN은 사용자의 개인 정보를 안전하게 유지하고 해킹을 방지하는 데 유용하다. 개인정보 보호 인터넷 사용자의 검색 기록과 콘텐츠 소비 패턴은 플랫폼에 의해 추적될 수 있다. VPN을 사용하면 사용자의 IP 주소와 로그를 숨길 수 있으며, 개인 정보를 보호할 수 있다. 또한 VPN은 사용자의 위치를 숨기고 인터넷 활동을 익명으로 유지하는 데 도움이 된다. 지역 제한 해제 해외 여행 중에도 한국에서 송금이 필요한 경우가 생길 수 있다. 그러나 IP가 해외 주소이므로 은행 앱에 접근하는 것이 제한될 수 있다. VPN을 사용하면 지역 제한을 해제해 해외에서도 한국 인터넷 서비스를 이용할 수 있다. 따라서 해외에서도 안전하고 편리하게 인터넷을 이용할 수 있다. 빠르고 안전한 유료 VPN, 서프샤크 VPN ⓒ Surfshark 뛰어난 보안 서프샤크 VPN은 강력한 암호화 기술을 사용하여 사용자의 인터넷 연결을 안전하게 보호한다. 이는 사용자의 개인 정보와 데이터를 보호하고 외부 공격으로부터 사용자를 보호하는 데 도움이 된다. 다양한 서버 위치 서프샤크 VPN은 전 세계 곳곳에 여러 서버가 위치하고 있어, 사용자가 지역 제한된 콘텐츠에 액세스할 수 있다. 해외에서도 로컬 콘텐츠에 손쉽게 접근할 수 있음은 물론이다. 속도와 대역폭 서프샤크 VPN은 빠른 속도와 무제한 대역폭을 제공하여 사용자가 원활한 인터넷 경험을 누릴 수 있도록 지원한다. 온라인 게임, 스트리밍, 다운로드 등 대역폭이 필요한 활동에 이상적이다. 다양한 플랫폼 지원 서프샤크 VPN은 다양한 플랫폼 및 디바이스에서 사용할 수 있다. 윈도우, 맥OS, iOS, 안드로이드 등 다양한 운영체제 및 디바이스에서 호환되어 사용자가 어디서나 안전한 인터넷을 즐길 수 있다. 디바이스 무제한 연결 서프샤크 VPN은 무제한 연결을 제공하여 사용자가 필요할 때 언제든지 디바이스의 갯수에 상관없이 VPN을 사용할 수 있다.