2021.09.09

로우코드⋅노코드 플랫폼에서 머신러닝 구현 시 주의해야 할 점

Isaac Sacolick | InfoWorld
로우코드 플랫폼은 애플리케이션 개발, 통합, 데이터 시각화의 속도와 품질을 높인다. 로우코드 플랫폼을 이용하면 코드로 양식과 워크플로우를 구축할 필요가 없다. 웹과 모바일 애플리케이션에 사용되는 화면, 워크플로우, 데이터 시각화를 디자인할 수 있는 드래그 앤 드롭 인터페이스를 제공하기 때문이다. 로우코드 통합 도구는 데이터 통합과 준비, API 오케스트레이션, 많이 이용되는 SaaS 플랫폼과의 연결성을 지원한다. 대시보드와 보고서를 디자인한다면, 데이터 소스를 연결해 데이터 시각화를 구현할 로우코드 옵션도 많다.

코드 작업에서 개발 프로세스를 가속화하고 지속될 유지관리를 능률화하도록 도움을 줄 수 있는 로우코드나 노코드 기술이 있을 것이다 물론 플랫폼이 기능 요건, 비용, 컴플라이언스, 기타 요소 등을 충족하는지부터 평가해야 한다. 그러나 로우코드 플랫폼은 스스로 구축할 때와 SaaS 솔루션을 구입할 때 사이의 ‘중간지대’에 위치한 옵션을 제공한다.
 
ⓒ metamorworks / Getty Images

그러나 로우코드 플랫폼은 단순히 애플리케이션 개발, 통합, 시각화를 가속화하고, 그 품질을 개선하는 것에만 필요한 것일까? 더 발전한 새로운 기능을 더 빨리, 능률적으로 이용하도록 도와줄 수도 있을까?

기업 IT 부서가 머신러닝 기능을 구현해 실험할 수 있도록 도와주는 로우코드 및 노코드 플랫폼을 찾아 시험했다. 주로 로우코드 애플리케이션 개발 플랫폼에 초점을 맞췄고, 최종 사용자의 경험 및 환경을 강화한 머신러닝 기능에 초점을 맞췄다.

이 과정에서 얻은 몇 가지 교훈을 공유한다.
 

플랫폼은 다양한 개발 페르소나를 대상으로 할 것

새로운 머신러닝 알고리즘을 시험해보거나, 파이톤 코딩 방식보다 더 빠르고 쉬운 모델옵스(Modelops)를 지원하기 위해 로우코드를 찾는 데이터 과학자를 예로 들 수 있다. 새로운 데이터 소스를 발견해 검증하거나, 데이터를 머신러닝 모델에 연결하거나, 데이터옵스에 초점을 맞추는 데이터 엔지니어도 대상이다.

알테릭스(Alteryx), 데이터아이쿠(Dataiku), 데이터로봇(DataRobot), H20.ai, KNIME, 래피드마이너(RapidMiner), 세이지메이커(SageMaker), SAS, 기타 많은 플랫폼 등 데이터 사이언스 및 모델옵스 플랫폼은 데이터 과학자와 다른 데이터 전문가의 작업을 단순화하고 속도를 높인다. 포괄적이면서 종합적인 머신러닝 기능을 지원하지만, 데이터 사이언스 및 데이터 엔지니어링 스킬 세트를 갖춘 전문가에게 접근성이 더 높다.

KNIME의 수석 데이터 과학자 겸 에반젤리스트인 로사리아 실리포 박사는 로우코드 머신러닝 및 AI 플랫폼에 대해, “로우코드 플랫폼은 전통적인 AI 스크립트 기반 플랫폼의 유효한 대체재다. 로우코드 솔루션은 코딩과 관련된 장벽을 없애, 도구에 요구되는 학습 시간을 줄이고 이를 통해 새로운 아이디어와 패러다임, 전략, 최적화, 데이터 실험 및 시험에 더 많은 시간을 할애할 수 있을 것”이라고 강조했다.

애플리케이션 및 통합에 머신러닝을 활용하려는 소프트웨어 개발자에게 적당한 플랫폼도 많다.

• GCP AutoML과 애저 머신러닝 디자이너(Azure Machine Learning Designer) 같은 퍼블릭 클라우드 도구들은 개발자가 머신러닝 기능에 접근할 수 있도록 도움을 준다.
• 구글 앱시트(Google AppSheet), 마이크로소프트 파워 오토메이트AI 빌더(Power Automate AI Builder), 아웃시스템즈 ML 빌더(OutSystems ML Builder)는 머신러닝 기능을 지원한다.
• 파이캐럿(PyCaret) 같은 로우코드 학습 라이브러리는 데이터 과학자, 개발자의 학습을 돕고, 이들이 오픈 소스 툴킷에 머신러닝을 구현하는 데 도움을 준다.

이런 로우코드 예제는 코딩 스킬을 갖춘 개발자와 데이터 과학자가 대상이며, 이들이 여러 머신러닝 알고리즘을 테스트할 때 유용하다. ML옵스(MLops) 플랫폼은 개발자, 데이터 과학자, 운영 담당 엔지니어들을 대상으로 한다. 머신러닝용 디봅스인 ML옵스(MLops) 플랫폼들은 머신러닝 모델 인프라, 배포, 운영(Ops) 관리를 단순화한다.


시민 애널리스트를 위한 노코드 머신러닝
비즈니스 애널리스트를 타깃으로 하는 새로운 노코드 머신러닝 플랫폼이 부상하고 있다. 쉽게 클라우드 데이터 소스를 업로드하거나 연결하고, 머신러닝 알고리즘을 테스트할 수도 있다는 것이 장점이다.

누가타(Noogata) 공동 창업자 아사프 에고지에게 비즈니스 애널리스트를 대상으로 하는 노코드 머신러닝 플랫폼이 숙련된 데이터 사이언스 팀을 보유한 대기업에서도 게임 체인저가 될 수 있는 이유를 물었다. 애고지는 “조직 내 데이터 소비자 대부분은 처음부터 알고리즘을 개발할 스킬, 더 나아가 오토ML 도구를 효과적으로 응용할 스킬을 갖고 있지 않으므로 기대해서는 안 된다. 대신 시민 데이터 애널리스트로 불리는 데이터 소비자에게 고급 분석 기능을 비즈니스 프로세스에 통합할 간단한 방법을 제공해야 한다”라고 답했다.

모니타우르(Monitaur) 공동 창업자 앤드류 클라크도 동의했다. “머신러닝에 대한 비즈니스의 접근성을 높이는 것은 아주 좋은 일이다. 비즈니스 요구에 맞춰 모델을 생산화 하는 전문성을 갖춘 훈련된 데이터 과학자나 엔지니어가 충분하지 않다. 로우코드 플랫폼은 그 사이에서 ‘연결고리’를 제공한다”라고 설명했다.

로우코드는 머신러닝 실험을 민주화 및 가속화하지만, 그렇다 하더라도 훈련된 실천과 데이터 거버넌스 정책 준수, 편견이나 편향에 대한 검토가 요구된다. 클라크는 “기업은 로우코드를 AI/ML의 혜택을 구현하는 기회 창출 도구로 인식해야 한다. 지름길을 선택해서는 안 된다. 비즈니스 가시성, 통제, 모델 관리에 대해 생각해야 한다. 비즈니스를 위해 신뢰할 수 있는 결정을 내리기 위해서다”라고 말했다.
 

소프트웨어 개발자들을 위한 로우코드의 기능

이제 소프트웨어 개발자들에게 머신러닝 기능을 제공하는 로우코드 플랫폼에 대해 초점을 맞춰보자. 이들 플랫폼은 자신의 프로그래밍 모델을 토대로 머신러닝 알고리즘과 지원할 로우코드 기능의 종류를 선택한다.

•    에이피안(Appian)은 GCP 네이티브 랭귀지(Naitve Language), GCP 트랜스레이션, GCP비전 등 몇몇 구글 API와 애저 랭귀지 언더스탠딩(LUIS, Azure Language Understanding)을 통합할 수 있는 기능을 제공한다.

•    프로세스와 CRM(Customer Relationship Management)용 로우코드 플랫폼인 크리에이티오(Creatio)는 이메일 텍스트 마이닝, 리드와 기회, 고객에 대한 범용 스코어링 모델 등 몇몇 머신러닝 기능들을 제공한다.

•    구글 앱시트는 스마트 검색, 콘텐츠 분류, 감성 분석 등 몇몇 텍스트 처리 기능과 함께 트렌드 예측 기능을 지원한다. 구글 스프레드시트 같은 데이터 소스를 통합한 후 여러 모델에 대한 테스트를 시작할 수 있다.

•    멘딕스 마켓플레이스(Mendix Marketplace)는 애저 페이스(Azure Face) API와 아마존 레콕니션(Amazon Rekognition)을 연동할 수 있는 머신러닝 연동 도구를 갖고 있다.

•    마이크로소프트 파워 오토메이트 AI빌더는 명함 판독과 송장 및 영수증 처리 등 비구조화 데이터 처리와 관련된 기능을 갖고 있다. 키 위상 추출(Key Phase Extraction), 카테고리 분류, 엔티티 추출 등 몇몇 알고리즘을 활용한다.

•    아웃시스템즈 ML빌더는 텍스트 분류, 속성 예측, 이상 감지, 이미지 분류 등 엔드 유저 애플리케이션 개발할 때 표면화될 수 있는 몇몇 기능을 지원한다.

•    씽크와이즈(Thinkwise) 오토ML은 분류 및 회귀 머신러닝 문제 해결을 위해 고안되었으며, 예약된 프로세스 흐름에 이용할 수 있다.

•    밴티크(Vantiq)는 로우코드, 이벤트 기반 아키텍처 플랫폼이다. 공장 근로자들에 대한 AI 모니터링과 HMI용 실시간 해석 같은 실시간 머신러닝 애플리케이션을 지원한다.

이 밖에도 더 있다. 또 다른 로우코드 및 노코드 머신러닝 플랫폼으로 크리에이트 ML(Create ML), 메이크ML(MakeML), 몽키런 스튜디오(MonkeyLearn Studio), 아비어스리 AI(Obviously AI), 티처블 머신(Teachable Machine) 등이 있다. 또한 2021년 노코드 머신러닝 플랫폼과 노코드 머신러닝 플랫폼 링크를 참조하기 바란다. 또한 머신러닝 기능을 개발하거나, 제휴를 통해 구현하는 로우코드 플랫폼이 증가하는 추세이다.
 

로우코드 플랫폼에서 머신러닝 기능을 이용할 때

로우코드 플랫폼은 앞으로도 계속 기능들을 계속 차별화할 전망이다. 필자는 이들이 구현하는 사용자 경험과 환경에 필요한 머신러닝 기능들이 더 많이 추가될 것으로 예상한다. 워크플로우를 지원하기 위한 더 많은 텍스트 및 이미지 처리 기능, 포트폴리오 플랫폼을 위한 트렌드 분석, CRM 및 마케팅 워크플로우 클러스터링 기능들을 예로 들 수 있다.

그러나 대규모의 지도 및 비지도 머신러닝, 딥 러닝, 모델옵스의 경우, 전문 데이터 사이언스 및 모델옵스 플랫폼을 사용하거나, 이와 통합을 할 필요성이 커질 것이다. AWS나 애저, GCP, 기타 퍼블릭 클라우드에서 머신러닝 기능이 구현되도록 연결 고리를 제공하거나, 통합을 지원하는 로우코드 기술 공급업체들이 늘어나고 있다.

로우코드 기술은 개발자가 더 쉽게 애플리케이션과 통합, 시각화를 구현하고 지원하도록 발전하는 것이 앞으로도 계속 중요할 전망이다. 이제 기준을 높이고, 더 많은 지능형 자동화 및 머신러닝 기능과 역량을 기대해야 한다. 로우코드 플랫폼은 자체 AI 역량 개발에 투자를 하거나, 써드파티 데이터 사이언스 플랫폼과의 통합 기능을 제공할 것이다. editor@itworld.co.kr


2021.09.09

로우코드⋅노코드 플랫폼에서 머신러닝 구현 시 주의해야 할 점

Isaac Sacolick | InfoWorld
로우코드 플랫폼은 애플리케이션 개발, 통합, 데이터 시각화의 속도와 품질을 높인다. 로우코드 플랫폼을 이용하면 코드로 양식과 워크플로우를 구축할 필요가 없다. 웹과 모바일 애플리케이션에 사용되는 화면, 워크플로우, 데이터 시각화를 디자인할 수 있는 드래그 앤 드롭 인터페이스를 제공하기 때문이다. 로우코드 통합 도구는 데이터 통합과 준비, API 오케스트레이션, 많이 이용되는 SaaS 플랫폼과의 연결성을 지원한다. 대시보드와 보고서를 디자인한다면, 데이터 소스를 연결해 데이터 시각화를 구현할 로우코드 옵션도 많다.

코드 작업에서 개발 프로세스를 가속화하고 지속될 유지관리를 능률화하도록 도움을 줄 수 있는 로우코드나 노코드 기술이 있을 것이다 물론 플랫폼이 기능 요건, 비용, 컴플라이언스, 기타 요소 등을 충족하는지부터 평가해야 한다. 그러나 로우코드 플랫폼은 스스로 구축할 때와 SaaS 솔루션을 구입할 때 사이의 ‘중간지대’에 위치한 옵션을 제공한다.
 
ⓒ metamorworks / Getty Images

그러나 로우코드 플랫폼은 단순히 애플리케이션 개발, 통합, 시각화를 가속화하고, 그 품질을 개선하는 것에만 필요한 것일까? 더 발전한 새로운 기능을 더 빨리, 능률적으로 이용하도록 도와줄 수도 있을까?

기업 IT 부서가 머신러닝 기능을 구현해 실험할 수 있도록 도와주는 로우코드 및 노코드 플랫폼을 찾아 시험했다. 주로 로우코드 애플리케이션 개발 플랫폼에 초점을 맞췄고, 최종 사용자의 경험 및 환경을 강화한 머신러닝 기능에 초점을 맞췄다.

이 과정에서 얻은 몇 가지 교훈을 공유한다.
 

플랫폼은 다양한 개발 페르소나를 대상으로 할 것

새로운 머신러닝 알고리즘을 시험해보거나, 파이톤 코딩 방식보다 더 빠르고 쉬운 모델옵스(Modelops)를 지원하기 위해 로우코드를 찾는 데이터 과학자를 예로 들 수 있다. 새로운 데이터 소스를 발견해 검증하거나, 데이터를 머신러닝 모델에 연결하거나, 데이터옵스에 초점을 맞추는 데이터 엔지니어도 대상이다.

알테릭스(Alteryx), 데이터아이쿠(Dataiku), 데이터로봇(DataRobot), H20.ai, KNIME, 래피드마이너(RapidMiner), 세이지메이커(SageMaker), SAS, 기타 많은 플랫폼 등 데이터 사이언스 및 모델옵스 플랫폼은 데이터 과학자와 다른 데이터 전문가의 작업을 단순화하고 속도를 높인다. 포괄적이면서 종합적인 머신러닝 기능을 지원하지만, 데이터 사이언스 및 데이터 엔지니어링 스킬 세트를 갖춘 전문가에게 접근성이 더 높다.

KNIME의 수석 데이터 과학자 겸 에반젤리스트인 로사리아 실리포 박사는 로우코드 머신러닝 및 AI 플랫폼에 대해, “로우코드 플랫폼은 전통적인 AI 스크립트 기반 플랫폼의 유효한 대체재다. 로우코드 솔루션은 코딩과 관련된 장벽을 없애, 도구에 요구되는 학습 시간을 줄이고 이를 통해 새로운 아이디어와 패러다임, 전략, 최적화, 데이터 실험 및 시험에 더 많은 시간을 할애할 수 있을 것”이라고 강조했다.

애플리케이션 및 통합에 머신러닝을 활용하려는 소프트웨어 개발자에게 적당한 플랫폼도 많다.

• GCP AutoML과 애저 머신러닝 디자이너(Azure Machine Learning Designer) 같은 퍼블릭 클라우드 도구들은 개발자가 머신러닝 기능에 접근할 수 있도록 도움을 준다.
• 구글 앱시트(Google AppSheet), 마이크로소프트 파워 오토메이트AI 빌더(Power Automate AI Builder), 아웃시스템즈 ML 빌더(OutSystems ML Builder)는 머신러닝 기능을 지원한다.
• 파이캐럿(PyCaret) 같은 로우코드 학습 라이브러리는 데이터 과학자, 개발자의 학습을 돕고, 이들이 오픈 소스 툴킷에 머신러닝을 구현하는 데 도움을 준다.

이런 로우코드 예제는 코딩 스킬을 갖춘 개발자와 데이터 과학자가 대상이며, 이들이 여러 머신러닝 알고리즘을 테스트할 때 유용하다. ML옵스(MLops) 플랫폼은 개발자, 데이터 과학자, 운영 담당 엔지니어들을 대상으로 한다. 머신러닝용 디봅스인 ML옵스(MLops) 플랫폼들은 머신러닝 모델 인프라, 배포, 운영(Ops) 관리를 단순화한다.


시민 애널리스트를 위한 노코드 머신러닝
비즈니스 애널리스트를 타깃으로 하는 새로운 노코드 머신러닝 플랫폼이 부상하고 있다. 쉽게 클라우드 데이터 소스를 업로드하거나 연결하고, 머신러닝 알고리즘을 테스트할 수도 있다는 것이 장점이다.

누가타(Noogata) 공동 창업자 아사프 에고지에게 비즈니스 애널리스트를 대상으로 하는 노코드 머신러닝 플랫폼이 숙련된 데이터 사이언스 팀을 보유한 대기업에서도 게임 체인저가 될 수 있는 이유를 물었다. 애고지는 “조직 내 데이터 소비자 대부분은 처음부터 알고리즘을 개발할 스킬, 더 나아가 오토ML 도구를 효과적으로 응용할 스킬을 갖고 있지 않으므로 기대해서는 안 된다. 대신 시민 데이터 애널리스트로 불리는 데이터 소비자에게 고급 분석 기능을 비즈니스 프로세스에 통합할 간단한 방법을 제공해야 한다”라고 답했다.

모니타우르(Monitaur) 공동 창업자 앤드류 클라크도 동의했다. “머신러닝에 대한 비즈니스의 접근성을 높이는 것은 아주 좋은 일이다. 비즈니스 요구에 맞춰 모델을 생산화 하는 전문성을 갖춘 훈련된 데이터 과학자나 엔지니어가 충분하지 않다. 로우코드 플랫폼은 그 사이에서 ‘연결고리’를 제공한다”라고 설명했다.

로우코드는 머신러닝 실험을 민주화 및 가속화하지만, 그렇다 하더라도 훈련된 실천과 데이터 거버넌스 정책 준수, 편견이나 편향에 대한 검토가 요구된다. 클라크는 “기업은 로우코드를 AI/ML의 혜택을 구현하는 기회 창출 도구로 인식해야 한다. 지름길을 선택해서는 안 된다. 비즈니스 가시성, 통제, 모델 관리에 대해 생각해야 한다. 비즈니스를 위해 신뢰할 수 있는 결정을 내리기 위해서다”라고 말했다.
 

소프트웨어 개발자들을 위한 로우코드의 기능

이제 소프트웨어 개발자들에게 머신러닝 기능을 제공하는 로우코드 플랫폼에 대해 초점을 맞춰보자. 이들 플랫폼은 자신의 프로그래밍 모델을 토대로 머신러닝 알고리즘과 지원할 로우코드 기능의 종류를 선택한다.

•    에이피안(Appian)은 GCP 네이티브 랭귀지(Naitve Language), GCP 트랜스레이션, GCP비전 등 몇몇 구글 API와 애저 랭귀지 언더스탠딩(LUIS, Azure Language Understanding)을 통합할 수 있는 기능을 제공한다.

•    프로세스와 CRM(Customer Relationship Management)용 로우코드 플랫폼인 크리에이티오(Creatio)는 이메일 텍스트 마이닝, 리드와 기회, 고객에 대한 범용 스코어링 모델 등 몇몇 머신러닝 기능들을 제공한다.

•    구글 앱시트는 스마트 검색, 콘텐츠 분류, 감성 분석 등 몇몇 텍스트 처리 기능과 함께 트렌드 예측 기능을 지원한다. 구글 스프레드시트 같은 데이터 소스를 통합한 후 여러 모델에 대한 테스트를 시작할 수 있다.

•    멘딕스 마켓플레이스(Mendix Marketplace)는 애저 페이스(Azure Face) API와 아마존 레콕니션(Amazon Rekognition)을 연동할 수 있는 머신러닝 연동 도구를 갖고 있다.

•    마이크로소프트 파워 오토메이트 AI빌더는 명함 판독과 송장 및 영수증 처리 등 비구조화 데이터 처리와 관련된 기능을 갖고 있다. 키 위상 추출(Key Phase Extraction), 카테고리 분류, 엔티티 추출 등 몇몇 알고리즘을 활용한다.

•    아웃시스템즈 ML빌더는 텍스트 분류, 속성 예측, 이상 감지, 이미지 분류 등 엔드 유저 애플리케이션 개발할 때 표면화될 수 있는 몇몇 기능을 지원한다.

•    씽크와이즈(Thinkwise) 오토ML은 분류 및 회귀 머신러닝 문제 해결을 위해 고안되었으며, 예약된 프로세스 흐름에 이용할 수 있다.

•    밴티크(Vantiq)는 로우코드, 이벤트 기반 아키텍처 플랫폼이다. 공장 근로자들에 대한 AI 모니터링과 HMI용 실시간 해석 같은 실시간 머신러닝 애플리케이션을 지원한다.

이 밖에도 더 있다. 또 다른 로우코드 및 노코드 머신러닝 플랫폼으로 크리에이트 ML(Create ML), 메이크ML(MakeML), 몽키런 스튜디오(MonkeyLearn Studio), 아비어스리 AI(Obviously AI), 티처블 머신(Teachable Machine) 등이 있다. 또한 2021년 노코드 머신러닝 플랫폼과 노코드 머신러닝 플랫폼 링크를 참조하기 바란다. 또한 머신러닝 기능을 개발하거나, 제휴를 통해 구현하는 로우코드 플랫폼이 증가하는 추세이다.
 

로우코드 플랫폼에서 머신러닝 기능을 이용할 때

로우코드 플랫폼은 앞으로도 계속 기능들을 계속 차별화할 전망이다. 필자는 이들이 구현하는 사용자 경험과 환경에 필요한 머신러닝 기능들이 더 많이 추가될 것으로 예상한다. 워크플로우를 지원하기 위한 더 많은 텍스트 및 이미지 처리 기능, 포트폴리오 플랫폼을 위한 트렌드 분석, CRM 및 마케팅 워크플로우 클러스터링 기능들을 예로 들 수 있다.

그러나 대규모의 지도 및 비지도 머신러닝, 딥 러닝, 모델옵스의 경우, 전문 데이터 사이언스 및 모델옵스 플랫폼을 사용하거나, 이와 통합을 할 필요성이 커질 것이다. AWS나 애저, GCP, 기타 퍼블릭 클라우드에서 머신러닝 기능이 구현되도록 연결 고리를 제공하거나, 통합을 지원하는 로우코드 기술 공급업체들이 늘어나고 있다.

로우코드 기술은 개발자가 더 쉽게 애플리케이션과 통합, 시각화를 구현하고 지원하도록 발전하는 것이 앞으로도 계속 중요할 전망이다. 이제 기준을 높이고, 더 많은 지능형 자동화 및 머신러닝 기능과 역량을 기대해야 한다. 로우코드 플랫폼은 자체 AI 역량 개발에 투자를 하거나, 써드파티 데이터 사이언스 플랫폼과의 통합 기능을 제공할 것이다. editor@itworld.co.kr


X