10장. AI 애플리케이션 아키텍처
이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: translation-feedback@oreilly.com
이 장에서는 AI 및 ML 애플리케이션을 구축할 때 아키텍처와 프레임워크에 대해 내려야 하는 높은 수준의 의사 결정에 대해 알아봅니다. 먼저 AI/ML이 어떤 종류의 문제를 해결하는 데 적합한지, 그리고 책임감 있게 AI를 개발하고 배포하는 방법을 고려합니다. ML이 문제에 적합하다고 결정한 후에는 엔터프라이즈 접근 방식(구매, 적용 또는 구축)을 결정하는 단계로 넘어가야 합니다. 이러한 각 시나리오의 예와 각 접근 방식을 채택할 경우 고려해야 할 사항을 살펴봅니다. 구축하는 경우에는 여러 가지 아키텍처를 선택할 수 있으며, 해결하고자 하는 문제의 유형에 따라 선택이 달라집니다.
이 장에서는 애플리케이션 수준에서 AI 아키텍처 고려 사항과 의사 결정 기준을 다룹니다. 데이터 과학자와 ML 엔지니어가 이러한 애플리케이션을 개발하고 배포할 플랫폼은 11장에서 다룹니다. 이 장을 건너뛰지 말고 바로 다음 장의 기술적 세부 사항으로 넘어가세요. Cloud 아키텍트는 모든 애플리케이션 팀이 플랫폼에서 구축하는 각 애플리케이션의 구매, 조정 또는 구축과 AI 아키텍처 선택에 관한 올바른 결정을 내릴 수 있도록 조언을 제공해야 합니다.
참고
이 장과 다음 장의 목적은 Cloud 기술을 사용하여 ML 플랫폼을 설계하는 방법을 보여드리는 것입니다. 데이터 웨어하우징 장에서 SQL을 다루지 않은 것처럼, 이 장에서는 TensorFlow를 다루지 않습니다. ML을 사용하는 방법을 배우고 싶으시다면, Aurélien Géron(O'Reilly)이 저술한 Hands-on Machine Learning with Scikit-Learn, Keras, TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems를 적극 추천합니다.
AI/ML 문제인가요?
ML로 어떤 종류의 문제를 해결할 수 있는지 알아보려면 1장에서 간략하게 살펴본 몇 가지 기본 사항부터 살펴보겠습니다. 먼저 몇 가지 정의부터 살펴본 다음, 일반적으로 ML이 솔루션으로 적합한 문제 유형을 살펴보겠습니다 .
AI의 하위 분야
AI는 컴퓨터가 인간처럼 생각하고 행동하도록 하여 문제를 해결하는 학문 분야입니다. 역사적으로 AI에는 몇 가지 접근 방식이 시도되어 왔습니다. 한 가지 접근 방식은 컴퓨터에게 각 잠재적 상황에서 무엇을 해야 하는지 명시적으로 알려주는 코드를 작성하는 것입니다. 오늘날에도 제조 로봇이나 가정용 진공청소기 등 많은 로봇 기기가 이 방식으로 작동합니다. 문제는 이러한 규칙을 작성하는 것이 어렵다는 것입니다. 또 다른 접근 방식은 전문가를 인터뷰하거나 관찰하고 그들의 행동을 사용하여 규칙을 코딩하는 것입니다. 실험용 의약품의 임상시험에 환자가 참여할 수 있는지 여부를 승인하는 AI 모델이 이러한 방식으로 작동합니다. 하지만 전문가조차도 자신이 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access