AutoML이란?

최근 들어 AutoML에 대한 기술지원을 요청하는 고객 분들이 계셔서, AutoML의 개념에 대해 간단히 정리해 봅니다. AutoML(Automated Machine Learning)은 용어 그대로 이해하자면 자동화된 기계학습(이하 'ML')입니다. 위키피디아(Wikipedia)에 따르면, 현실 문제에 ML을 적용하는 업무를 자동화하는 프로세스를 AutoML이라고 합니다. 즉 AutoML은, 문제를 정의하고, 로우 데이터 세트를 준비하는 업무부터 시작해서 ML 모델 학습과 검증, 그리고 서비스 적용을 위한 배포 등의 모든 ML 라이프사이클 단계를 포함합니다. AutoML의 궁극적인 목적은, ML의 비전문가들이 ML 전문가가 되지 않아도 ML/DL 기술을 사용할 수 있도록 만드는 것입니다. 즉 데이터 수집에서부터, 모델을 Service 형태로 만들어 주는 서빙(Serving)까지의 전 과정을 자동화함으로써, ML 비전문가들도 더욱 더 빠르고 정확하게 ML/DL 업무를 가능하게 합니다. AutoML을 이해하기 위해서는 ML 라이프사이클을 이해해야 합니다. ML 라이프사이클 관련 기사는 아래 링크를 참고해 주세요. https://raonsaeron.com/2022/12/ml-lifecycle-automl/ ML 라이프사이클과 관련해서 최근에는 기존 SDLC(Software Development LifeCycle)에 보편적으로 적용되는 DevOps 개념을 결합한 MLOps의 형태로 많이 구현하고 있는 추세입니다. AutoML에 사용되는 일반적인 기술로는 하이퍼파라미터 최적화(hyperparameter optimization), 메타 학습(meta-learning) 및 신경망 아키텍처 검색(NAS, neural architecture search) 등이 포함되며, 해당 기술들에 대해서는 기회가 되면 다음 시간에 알아보도록 하겠습니다. AutoML을 위한 대표적인 오픈소스 플랫폼으로 쿠브플로우(Kubeflow)를 들 수 있습니다. 다음 기사에서는 AutoML을 실무에 적용하기 위한 쿠브플로우에 대해 살펴 보겠습니다. 감사합니다.