머신러닝을 보면 마법의 블랙 박스 같다는 생각이 들곤 한다. 상자에 데이터를 집어넣으면 반대쪽에서 예측이 튀어나온다. 그러나 그 과정에 마법은 없다. 데이터와 알고리즘, 그리고 알고리즘을 통해 데이터를 처리해 만들어진 모델이 있을 뿐이다.
머신러닝을 통해 데이터에서 행동 가능한 통찰력을 끌어내는 일을 하는 사람에게는 이 프로세스를 구체적으로 아는 것이 도움이 된다. 그 상자 내부가 어떻게 돌아가는지 잘 알수록 데이터가 예측으로 변환되는 과정의 각 단계에 대한 이해도를 높이고 예측의 정확도를 향상시킬 수 있다.
데브옵스 사람들은 소스 코드에서 배포에 이르기까지 소프트웨어의 제작 과정을 “파이프라인 빌드”라고 표현한다. 데이터에도 여러 머신러닝 솔루션을 거치는 흐름, 즉 파이프라인이 있다. 이 파이프라인의 구성 원리를 마스터하면 머신러닝을 속속들이 이해할 수 있다.
머신러닝을 위한 데이터 소스와 흡수
위키본 리서치(Wikibon Research) 분석가 조지 길버트의 설명에 따르면 머신러닝 파이프라인은 4단계로 구성된다.
1. 데이터 흡수(ingest)
2. 데이터 준비(데이터 탐색 및 거버넌스 포함)
3. 모델 교육
4. 예측 제공
머신러닝 파이프라인이 시작되려면 교육에 사용할 데이터, 그리고 교육을 수행할 알고리즘, 두 가지가 필요하다. 대부분의 경우 데이터는 다음 두 가지 형태 중 하나로 유입된다.
1. 정기적으로 업데이트되는 예측을 수행하기 위해 이미 어딘가에 수집해서 집계하고 있는 라이브 데이터.
2. 다운로드해서 그대로 사용하거나 ETL 작업을 통해 기존 데이터 소스에서 얻은 “동결된” 데이터 집합.
동결된 데이터의 경우 일반적으로 한 가지 종류의 처리만 수행한다. 즉, 데이터로 모델을 교육하고 그 모델을 배포하고 필요한 경우 정기적으로 모델을 업데이트한다.
그러나 스트리밍되는 데이터의 경우 데이터에서 모델과 결과를 생산하는 방법은 두 가지다. 첫 번째 옵션은 어딘가에 데이터를 저장하고(데이터베이스, 데이터 호수), 나중에 그 데이터를 분석하는 것, 두 번째 옵션은 스트리밍되는 데이터가 들어오는 대로 모델을 교육하는 것이다.
머신러닝 솔루션 제공업체 빅ML(BigML)의 찰스 파커에 따르면 스트리밍되는 데이터를 사용한 교육에도 두 가지 형태가 있다. 한 가지 시나리오는 정기적인 최근 데이터 흐름을 모델에 적용해 예측을 수행하는 경우다. 여기서는 바탕이 되는 모델을 조정하는 일이 별로 없다. 두 번째 시나리오는 시간이 지난 데이터는 의미가 없어지므로 흡수하는 데이터를 사용해 주기적으로 완전히 새로운 모델을 교육하는 경우다.
이러한 이유로 초기에 알고리즘을 선택하는 것이 중요하다. 일부 알고리즘은 증분 재교육을 지원하지만 새 데이터로 처음부터 새로 교육해야 하는 알고리즘도 있다. 모델에 공급할 신선한 데이터를 스트리밍으로 받아 빈번하게 재교육을 해야 한다면 증분 재교육을 지원하는 알고리즘을 선택해야 한다. 예를 들어 스파크 스트리밍(Spark Streaming)은 이와 같은 증분 재교육을 지원한다.
머신러닝을 위한 데이터 준비
교육할 데이터 소스를 확보했으면 다음 단계는 이 데이터 소스를 교육에 사용할 수 있도록 하는 것이다. 사용할 데이터에서 일관성을 확보하는 작업을 일컫는 포괄적인 용어는 정규화(normalization)다.
실제 세계의 데이터에는 잡음이 섞일 수 있다. 데이터베이스에서 가져온 데이터인 경우 데이터베이스에서 일정 수준의 정규화가 자동으로 실행된다. 그러나 많은 머신러닝 애플리케이션은 데이터 호수 또는 기타 균일하지 않은 여러 소스에서 바로 데이터를 끌어오며, 그 데이터 중에는 프로덕션 용도에 맞게 정규화되지 않은 데이터도 있다.
‘파이썬 머신러닝(Python Machine Learning)’의 저자 세바스찬 라슈카가 정규화, 그리고 일반적인 몇 가지 형태의 데이터 집합을 대상으로 정규화를 수행하는 방법에 대해 자세히 쓴 글이 있다. 라슈카가 사용한 예제는 파이썬을 중심으로 하지만 기본 개념은 두루 적용된다.
정규화는 항상 필요한가? MIT 박사 과정에 있는 프랭크 더논코트는 스택 오버플로우(Stack Overflow)에서 이에 대해 자세히 설명하면서 정규화가 항상 필요한 것은 아니라고 말했다. 다만 더논코트도 언급했듯이 “정규화를 해서 손해가 되는 경우는 거의 없다.” 더논코트는 중요한 것은 사용 사례라고 말했다. 인공 신경망의 경우 정규화가 필요하진 않지만, 하면 유용할 수도 있다. 반면 K-평균 클러스터링 알고리즘과 같은 경우에는 정규화가 필수적이다.
‘데이터에서 배우기(Learning from Data)’의 공동 저자 맬릭 매그돈-이스마일에 따르면 “데이터의 규모가 중요한 의미를 가질 때”는 정규화가 맞지 않는다. 예를 들어, “여신 승인에서 부채보다 수입이 두 배로 중요하다면 수입의 규모가 부채보다 두 배로 큰 것이 적절하다”와 같은 경우이다.
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.