[서평] AutoMl 인 액션, 머신러닝 도입을 고민하는 실무자들을 위한

AutoML 인 액션 - AutoKeras 창시자가 안내하는, AutoKeras와 KerasTuner로 머신러닝 파이프라인 최적화하기
칭취안 송.하이펑 진.시아 후 지음, 박찬성 옮김 / 한빛미디어 / 2023년 10월

데이터 분석이나 머신러닝 등에 대하여 공부를 한다고 해도, 실제 모델을 적용하려면 어떤 모델을 어떻게 적용해야 할 지 모르는 경우가 대다수일 것 같습니다. 기본적으로는 "공짜 점심은 없다"에 입각하여 도메인 지식과 테크닉적 지식을 결합해서 실험을 통해 가장 적절한 형태의 모델을 찾는 것이 필요하다고 많이들 이야기 하고 있는데요. 공짜 점심은 없더라도, 쉽게 점심을 만들 수 있도록 도와주는 도구들은 많이 나오고 있다고 생각합니다. 대표적인 도구가 바로 AutoML 인 액션에서 이야기하는 AutoKeras, AutoTuner등이 있습니다.

AutoML 인 액션은 AutoML이 무엇인지에 대해서부터 시작하여, 실제로 어떻게 전체적인 파이프라인을 구축해야하는지에 대한 내용까지 폭 넓은 내용을 다루고 있습니다.

AutoML은 머신러닝 알고리즘을 설계하고 튜닝하는 반복적인 과정에서 사람의 개입을 제거하고 자동화를 하는 것을 목표로 하고 있다고 합니다. 그래서 개인적으로 가장 지난하다고 생각하는, 모델을 선정하고 각각 하이퍼파라미터를 조절하는 과정을 자동화하여 효율성을 높이고 더 좋은 결과를 낼 수 있는 가능성이 높아지게 됩니다.

머신러닝을 자동화한다고는 하지만 이게 얼마나 효과적인지에 대한 의문을 가지는 분들도 많을 텐데요. 그런 사람들을 위해서 실제로 Automl을 도입하는 회사들의 예시와 한계점에 대한 내용을 명확히 언급하고 있습니다.

AutoML을 구축할 수 있는 도구들은 시장에 많이 나온 상태입니다. 하지만 이 책에서는 Keras Tuner와 AutoKeras를 통해서 Automl 파이프라인을 구축할 수 있도록 설명과 예시 코드들을 제공하고 있습니다.

AutoML의 의의 중 하나는, 컴퓨터 공학 또는 데이터 사이언스에 대한 공부를 하지 않고 도메인 지식을 가진 실무자가 머신러닝에 더욱 쉽게 접근할 수 있도록 했다는 데 있는 것 같습니다. 책에서는 이러한 부분을 인식하고, 코드의 설명에 있어 주석을 이용하기보다 잘 알지 못하는 사람도 명확하게 이해할 수 있도록 사진과 같이 코드 라인별 설명을 작성하였습니다.

회사에서도 태스크에 대한 감이 잘 잡히지 않을 때에 기본적으로 automl로 베이스라인을 잡고 그 위에 디벨롭을 해 가는 식으로 활용을 하기도 하는데요. Automl에 대해서 전체적으로 정리가 되어 있어 개념을 다시 훑어보기에 좋았던 것 같습니다. 머신러닝 지식은 많지 않지만 머신러닝을 도입해보고 싶으신 실무자, 저와 비슷한 레벨의 주니어 데이터 분석가 또는 사이언티스트 분들께서는 한 번 참고해보시는 것도 좋을 것 같습니다.

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.