아마존, 몇 줄의 코드로 AI 모델을 구축하는 새로운 도구 개발

기계 학습을 더 쉽게 만들고 접근하기 쉽게 하는 노력이 증가함에 따라 다양한 회사가 기계 학습 모델의 생성과 최적화를 더 간단하게 만드는 도구를 개발하고 있습니다. VentureBeat에 따르면 아마존은 몇 줄의 코드로 기계 학습 모델을 생성하고 수정할 수 있는 새로운 도구를 출시했습니다.

데이터셋에 기계 학습을 수행하는 것은 종종 긴 시간이 걸리는 복잡한 작업입니다. 데이터를 변환하고 전처리해야 하며, 적절한 모델을 생성하고 사용자 지정해야 합니다. 모델의 하이퍼파라미터를 조정하고 다시 훈련하는 것은 오랜 시간이 걸릴 수 있으며, 이러한 문제를 해결하기 위해 아마존은 AutoGluon을 출시했습니다. AutoGluon은 기계 학습 시스템의 생성에 일반적으로伴하는 오버헤드를 자동화하려는 시도입니다. 예를 들어, 기계 학습 엔지니어는 적절한 아키텍처를 결정해야 하며, 모델의 하이퍼파라미터를 실험해야 합니다. AutoGluon은 신경망 아키텍처의 생성과 적절한 하이퍼파라미터의 선택을 모두 더 쉽게 만듭니다.

AutoGluon은 2017年に 마이크로소프트와 아마존이 시작한 작업에 기반합니다. 원래의 Gluon은 개발자가 최적화된 구성 요소를 혼합하고 일치시켜 자신의 모델을 생성할 수 있는 기계 학습 인터페이스였습니다. 그러나 AutoGluon은 사용자의 요구에 따라 모델을 끝까지 생성합니다. AutoGluon은 3줄의 코드로 모델을 생성하고 모델의 하이퍼파라미터를 지정된 범위 내에서 선택할 수 있다고 보고됩니다. 개발자는 훈련 완료 시간과 같은 몇 가지 인수를 제공하기만 하면, AutoGluon은 지정된 런타임과 사용 가능한 컴퓨팅 리소스에 따라 최상의 모델을 계산합니다.

AutoGluon은 현재 이미지 분류, 텍스트 분류, 객체 감지, 테이블 예측을 위한 모델을 생성할 수 있습니다. AutoGluon의 API는 또한 더 경험豊富한 개발자가 자동 생성된 모델을 사용자 지정하고 성능을 개선할 수 있도록 설계되었습니다. 현재 AutoGluon은 리눅스에서만 사용할 수 있으며, 파이썬 3.6 또는 3.7이 필요합니다.

AutoGluon 개발 팀의 Jonas Mueller는 AutoGluon을 생성한 이유를 다음과 같이 설명했습니다.

“우리는 기계 학습을真正로 민주화하고, 모든 개발자가 深層 학습의 힘을 이용할 수 있도록 AutoGluon을 개발했습니다. AutoGluon은 특정 작업과 모델에 대해 잘 수행되는 것으로 알려진 기본 범위 내에서 모든 선택을 자동으로 조정함으로써 이 문제를 해결합니다.”

AutoGluon은 기계 학습 모델을 훈련하는 데 필요한 전문 지식과 시간을 줄이려는 시도 중 하나입니다. Theano와 같은 소프트웨어 라이브러리는 그래디언트 벡터의 계산을 자동화했으며, Keras는 개발자가 특정 하이퍼파라미터를 쉽게 지정할 수 있도록 했습니다. 아마존은 기계 학습을 민주화하는 데 아직 더 많은 작업이 필요하다고 믿으며, 데이터 전처리와 하이퍼파라미터 조정을 더 쉽게 만들려는 노력을하고 있습니다.

AutoGluon의 생성은 아마존이 기계 학습 시스템의 훈련과 배포를 더 쉽게 만들려는 노력의 일부로 보입니다. 아마존은 또한 AWS套件에 기계 학습 중심의 변경을实施했습니다. 예를 들어, AWS Sagemaker 툴킷에 업그레이드가되었습니다. AWS SageMaker 툴킷은 개발자가 클라우드에 모델을 훈련하고 배포할 수 있도록하는 다양한 도구를 제공합니다. SageMaker는 개발자가 알고리즘을 자동으로 선택하고, 모델을 훈련하고 검증하며, 모델의 정확도를 개선할 수 있도록합니다.