로우코드 AI

207

7

장

파이썬으로 사용자 정의 ML 모델 학습시키기

ML

모델 학습 시 많은 특징을 통합하거나 생략할 수 있음을 배우게 될 것입니다. 그러나 모델

학습의 준비 과정으로 정리와 추가 변형이 필요한 특징도 많습니다.

7.2

노코드, 로우코드, 사용자 정의 코드 중 알맞은

ML

솔루션

선택하기

사이킷런, 케라스, 기타 사용자 맞춤형 학습 도구를 사용하는 방법을 살펴보기에 앞서, 사용자

맞춤형 솔루션을 언제 사용할 수 있고 언제 사용해야 하는지를 논의해 볼 필요가 있습니다.

노코드 솔루션

노코드 솔루션은 특히 두 가지 경우에 유용합니다. 첫 번째는

ML

모델을 구축해야 하지만

ML

에 관한 전문 지

식이 부족한 경우입니다. 이 책의 목표는

ML

을 위해 데이터와 관련된 올바른 의사 결정을 내리는 방법을 이해

하도록 돕는 것입니다. 그러나 때로는 복잡한 솔루션 없이도 의사 결정을 간소화할 수 있는 노코드 솔루션이 존

재합니다. 두 번째로는 모델의 빠른 프로토타이핑이 필요한 경우입니다.

AutoML

과 같은 노코드 도구는 특징

공학이나 하이퍼파라미터 튜닝 같은 단계를 자동으로 처리해 주므로, 간단히 빠른 벤치마크 모델을 학습시킬 수

있습니다. 또한, 버텍스

AI

를 사용해 모델을 손쉽게 배포할 수도 있습니다. 일반적으로 노코드 솔루션은 실제 상

용 환경에서 바로 사용할 수 있을 정도로 강력합니다. 물론 충분한 시간과 노력을 들이면 노코드 솔루션보다 더

나은 성능을 내는 모델을 직접 만들 수도 있습니다. 하지만, 모델 성능을 약간 향상하는 것과 ...