로우코드 AI

28

로우코드 AI

1.2.6

AutoML

(노코드 솔루션)로 모델 선택 연구하기

이 단계에서는 문제에 맞는 데이터 유형에 가장 적합한 모델을 조사하거나 데이터셋에 기반해

적절한 모델을 선택하고, 학습시키고, 검증하고, 평가 지표를 생성하는

AutoML

이라는 노코

드 솔루션을 사용할 수 있습니다. 기본적으로

AutoML

은 모델의 선택, 학습, 튜닝, 평가 지표

생성 등의 무거운 작업을 자동으로 수행합니다.

3

장에서는

AutoML

을 소개하고,

4

장에서는

AutoML

실습을 시작합니다. 한편, 로우코드 솔루션을 사용한다면 어떤 모델을 선택할지 알아

야만 합니다.

ML

문제의 약

80

%는

AutoML

로 해결할 수 있지만, 맞춤형 솔루션을 구축해야 할 때도 있습

니다. 이럴 때는

ML

알고리즘이 해결할 수 있는 문제 유형을 전반적으로 파악해 두어야 합니

다. 문제 유형에 따라 알고리즘을 선택해야 하기 때문이죠. [표

1

-

2

]는 문제 유형별 설명을 보

여줍니다.

표

1-2

모델 유형 설명

문제 또는 질문 문제 설명

얼마나 많은 우산이 필요할까요? 회귀 문제

회귀 알고리즘은 연속적인 숫자 출력 문제를 처리하는 데 사용합

니다. 보통 얼마 또는 몇 개와 같은 질문을 다루는 문제에 사용합

니다.

고객이 장우산(

A

)을 구매했나요, 아니면

접이식 우산(

B

)을 구매했나요?

분류 문제

예/아니오나 ...