그러나 기술력 문제를 해결하기는 어렵다. 데이터 과학자는 인건비가 상당히 비싼 경우가 많고, 그나마도 찾기 힘들다. 구글은 많은 자체 직원들에게 텐서플로우(TensorFlow) 프레임워크를 교육시켰지만, 일반 기업은 교육은 커녕 스스로 머신러닝 및 딥러닝 모델을 구축할 만큼의 기술력 있는 인력도 갖추지 못한 경우가 많다.
AutoML이란?
자동화된 머신러닝, 즉 AutoML은 머신러닝과 딥러닝 모델을 구축하는 데 있어 기술력을 갖춘 데이터 과학자란 필요조건을 제거하는 데 목적을 둔다. AutoML 시스템을 사용하면 레이블링된 학습 데이터를 입력으로 제공하고 최적화된 모델을 출력으로 받을 수 있다.방법은 두 가지다. 하나는 소프트웨어에서 단순히 데이터에 대해 모든 종류의 모델을 학습시킨 다음 가장 결과가 좋은 모델을 선택하는 방법이다. 이를 개량하는 방법 중 하나는 다른 모델을 결합하는 하나 이상의 앙상블 모델을 만드는 것이다. 이렇게 하면 (항상 그렇지는 않지만) 더 나은 결과를 얻을 수도 있다.
두 번째 방법은 최적 모델의 초매개변수(hyperparameter)를 최적화해서 더 나은 모델을 학습시키는 것이다. 특성 엔지니어링(Feature Engineering)은 모든 모델 학습에서 유용하다. 딥러닝의 탈숙련화 방법 중 하나는 전이 학습(Transfer Learning)을 사용해서 기본적으로 잘 학습된 범용 모델을 특정 데이터에 대해 맞춤 구성하는 것이다.
초매개변수 최적화란?
모든 머신러닝 모델에는 매개변수, 즉 모델의 각 변수 또는 특성에 대한 가중치가 있다. 매개변수는 일반적으로 확률적 기울기 하강(Stochastic Gradient Descent)과 같은 옵티마이저의 통제 하에 반복과 오류의 역전파(back-propagation)에 의해 결정된다.대부분의 머신러닝 모델에는 학습 루프 외부에 설정되는 초매개변수도 있다. 학습률, 배제율, 그리고 랜덤 포레스트(Random Forest)의 트리 수와 같은 모델별 매개변수 등이 초매개변수에 포함된다.
초매개변수 튜닝 또는 초매개변수 최적화(HPO)는 하나 이상의 모델 초매개변수를 자동으로 탐색 또는 검색해서 최선의 학습된 모델로 이어지는 집합을 찾는 것이다. 탐색(외부 루프)의 각 초매개변수 값에 대해 모델을 다시 학습시켜야 하므로(내부 루프) 많은 시간이 소비될 수 있다. 많은 수의 모델을 병렬로 학습시키면 하드웨어를 늘려 필요한 시간을 줄일 수 있다.
특성 엔지니어링이란?
특성은 관찰 대상 현상의 측정 가능한 개별 속성 또는 특징이다. “특성” 개념은 선형 회귀와 같은 통계 기법에 사용되는 설명 변수와 관련된다. 특성 벡터는 단일 행의 모든 특성을 하나의 수치 벡터로 결합한다. 특성 엔지니어링은 모든 학습 프로세스의 입력을 위해 최적의 변수 집합과 최적의 데이터 인코딩 및 정규화를 찾는 과정이다.특성을 선택하는 기법 중 하나는 문제를 설명하는 독립 변수의 최소 집합을 선택하는 것이다. 두 개의 변수가 고도로 상호 연관된다면, 둘을 하나의 특성으로 결합하거나 하나를 배제해야 한다. 주성분분석(PCA)을 수행해서 상호 연관된 변수를 선형적 비상관 변수 집합으로 변환하는 경우도 있다.
머신 분류에 범주 데이터를 사용하려면 텍스트 레이블을 다른 형식으로 인코딩해야 한다. 일반적으로 사용되는 인코딩은 두 가지다.
하나는 각 텍스트 레이블 값이 숫자로 대체되는 레이블 인코딩, 다른 하나는 각 텍스트 레이블 값이 이진 값(1 또는 0)이 있는 열로 변환되는 원핫 인코딩(one-hot encoding)이다. 대부분의 머신러닝 프레임워크는 변환을 위한 함수가 있다. 레이블 인코딩의 경우 머신러닝 알고리즘이 인코딩된 열이 순서가 지정된 것으로 착각하는 경우가 있으므로 일반적으로 원핫 인코딩이 더 많이 사용된다.
머신 회귀에 수치 데이터를 사용하려면 일반적으로 데이터를 정규화해야 한다. 그렇지 않으면 범위가 더 큰 수치가 특성 벡터 간의 유클리드 거리를 독점해서 그 영향이 다른 필드의 희생을 통해 확대되고 가장 가파른 하강 최적화의 수렴에 어려움이 발생할 수 있다. 머신러닝을 위해 데이터를 정규화, 표준화하는 방법은 여러 가지다. 최소최대 정규화, 평균 정규화, 표준화, 단위 길이로 스케일링 등이 포함된다. 이 프로세스를 흔히 특성 스케일링이라고 한다.
새 특성을 구축하거나 특성 벡터의 차원을 줄이기 위해 사용되는 일부 변환은 간단하다. 예를 들어 Year of Death에서 Year of Birth를 빼면 Age at Death를 구축할 수 있고, 이는 수명 및 사망 분석을 위한 주요 독립 변수다. 특성 구축이 이처럼 명확하지 않은 경우도 있다.
전이 학습이란?
전이 학습은 맞춤 머신러닝이라고도 하고 AutoML(주로 구글이 이렇게 지칭함)로도 불린다. 구글 클라우드 AutoML은 데이터로 모델을 처음부터 새로 학습시키는 대신 언어 쌍 번역, 자연어 분류, 이미지 분류를 위해 자동 심층 전이 학습(다른 데이터로 학습된 기존 심층 신경망을 사용해 시작)과 신경 아키텍처 검색(부가적인 네트워크 계층의 적절한 조합을 찾음)을 구현한다.일반적인 AutoML의 의미와는 다른 프로세스이며, 다루는 사용 사례도 일반적인 AutoML에 비해 적다. 반면 지원되는 영역에서 맞춤화된 딥러닝 모델이 필요한 경우 전이 학습이 더 우수한 모델을 생산하는 경우가 많다.
AutoML 구현
시도해볼 수 있는 AutoML 구현은 많다. 유료 서비스도 있고 무료 소스 코드도 있다. 다음 목록은 완전한 목록도, 최종적인 목록도 아니므로 참고만 하기 바란다.AutoML 서비스
3대 클라우드 서비스에는 모두 일종의 AutoML이 있다. 아마존 세이지메이커(Amazon SageMaker)는 초매개변수 튜닝을 수행하지만 자동으로 여러 모델을 시도하거나 특성 엔지니어링을 수행하지는 않는다. 애저 머신러닝의 경우 AutoML(특성과 알고리즘을 탐색)과 초매개변수 튜닝(일반적으로 AutoML에 의해 선택된 최적의 알고리즘을 대상으로 실행)이 모두 있다. 구글 클라우드 AutoML은 앞서 언급했듯이 언어 쌍 번역, 자연어 분류, 이미지 분류를 위한 심층 전이 학습이다.3대 클라우드 외에도 규모는 작지만 AutoML 서비스를 제공하는 업체가 있다. 예를 들어 AutoML을 창시했다고 주장하는 데이터로봇(DataRobot)은 시장에서 견고한 입지를 보유하고 있다. 닷데이터(dotData)의 경우 시장 점유율이 미미하고 UI도 썩 좋은 편이 아니지만 특성 엔지니어링 기능이 강력하고 많은 기업 사용 사례를 포괄한다. 필자가 2017년에 리뷰했던 H2O.ai 드라이브리스 AI(H2O.ai Driverless AI)는 특성 엔지니어링, 알고리즘 탐색, 초매개변수 최적화를 통일된 방식으로 수행하며 데이터 과학자가 캐글(Kaggle) 마스터와 같은 모델을 도출하는 데 도움이 될 수 있다.
AutoML 프레임워크
에이다넷(AdaNet)은 전문가 개입을 최소화하면서 고품질의 모델을 자동으로 학습시키기 위한 가벼운 텐서플로우 기반 프레임워크다. 오토케라스(Auto-Keras)는 텍사스 A&M에서 개발된 자동 머신러닝을 위한 오픈소스 소프트웨어 라이브러리로, 딥러닝 모델의 아키텍처 및 초매개변수를 자동으로 검색하기 위한 함수를 제공한다. NNI(Neural Network Intelligence)는 마이크로소프트가 제공하는 툴킷으로, 사용자가 머신러닝 모델(예를 들어 초매개변수), 신경망 아키텍처 또는 복잡한 시스템의 매개변수를 효율적이고 자동화된 방식으로 설계, 튜닝하는 데 도움이 된다.또한 깃허브에서 다른 AutoML 프로젝트, 그리고 AutoML에 대한 포괄적인 현재 논문 목록을 볼 수 있다. 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.