한빛출판네트워크

AutoML로 머신 러닝이 발전을 하고 있으며, 하이퍼파라미터의 튜닝도 기계에게 넘기는 기술의 발전을 목도하고 있습니다. 사실 하이퍼파라미터의 의미를 이해하고, 튜닝하는 영역이 데이터 사이언티스트 혹은 AI 전문가의 영역인데 이를 비전문가도 손쉽게 할 수 있도록 도와주는 기술이라고 이해하면 됩니다.

물론 Python을 활용한 코딩이 가능한 사람이어야 한다는 장벽은 존재합니다.

여기서 소개하는 AutoKeras와 KerasTuner와 같은 도구들을 통해 하이퍼파라미터를 신경 쓰지 않은 채 머신러닝을 더욱 쉽게 활용할 수 있고 여러 모델 작업이 효율적으로 가능합니다. 책에 대한 소개를 간략히 하면, AutoML 에 대한 개념 소개를 합니다.

그리고 ML에서 중요한 파이프라인에 대한 설명을 합니다. 파이프라인에 대한 개념이 잡혀 있어야 AutoML과 그 이후에 이루어질 MLOps까지 이해를 할 수 있기 때문입니다. 

또한 Keras 기반의 AutoML 라이브러리를 다루기 때문에 친절하게 딥러닝에 대한 기본적인 내용을 설명하고 있어 딥러닝을 공부하고 싶은 독자에게 상당히 친절하게 알려주고 있습니다.

​

이후 자동화된 엔드투엔드 머신러닝을 위해 AutoKeras를 이용한 설정 및 파이프라인 작업을 설명합니다.

그래프 구조, 블록 구조의 Auto ML 설계 방법 및 오토인코더 모델을 이용한 방법을 설명하고 있으며, 딥러닝을 다룰 때 중요한 요소인 GPU 기반의 AutoML까지 설명하고 있습니다.

​

또한 분류 예제까지 제공을 하고 있어 이해를 높이는데는 상당히 도움이 됩니다.

다만, ML에 대한 개념이 전무한 상태에서 이 책을 접하기엔 어려울 수 있으며, 전문가 수준은 아니어도 최소한 ML에 대한 이해는 하고 있는 사람이어야 이 책의 효과를 접할 수 있어 보입니다.

​

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

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.

경험이 부족한 사람이라도 머신러닝이나 딥러닝을 쉽게 사용할 수 있는 방법이 있을까요? 머신러닝과 딥러닝을 공부하거나 실무에 적용하려는 사람이라면 누구나 고민할 법한 질문입니다. 다행히 머신러닝과 딥러닝을 쉽게 접근할 수 있도록 도와주는 기술이 점차 발전하고 있는데요, 바로 AutoML(Automated Machine Learning)입니다. AutoML는 머신러닝 문제를 해결하는 법을 자동화하여 기계가 주어진 문제에 대한 최적의 솔루션을 자동으로 찾도록 합니다. 한 가지 예를 들면 가장 높은 성능을 얻을 수 있는 하이퍼파라미터나 알고리즘을 찾기 위해 오랜 시간에 걸쳐 여러 번 실험해야 했던 방식을 자동화하여 빠르고 간편하게 최적의 결과를 찾도록 도와주는 것이죠. 'AutoML 인 액션'은 AutoML을 구현한 도구 중 하나인 AutoKeras와 KerasTuner를 사용하여 머신러닝 파이프라인을 최적화하는 법을 다양한 사례와 예시 코드를 통해 초보자부터 전문가까지 다양한 독자를 대상으로 AutoML을 쉽게 알려주는 유용한 책입니다. 이 책의 3명의 저자들은 AutoKeras의 창시자로서 상세하게 AutoML의 흐름을 설명하면서도 간결한 예시 코드로 쉽게 AutoML을 실무에 적용할 수 있도록 하였습니다. 'AutoML 인 액션'의 구성 'AutoML 인 액션'은 총 3개의 파트, 총 9장으로 구성되어 있습니다. 1부: 머신러닝 개념과 대표적인 모델 소개 1부는 AutoML에 들어가기에 앞서 AutoML의 개념을 알아보고, 머신러닝과 딥러닝에 대한 전반적인 개념과 학습/모델 구축 과정을 통해 AutoML이 자동화할 부분을 살펴 봅니다. 1장에서는 AutoML의 개념, 3가지 구성 요소, 그리고 AutoML의 한계를 다루고, 2장에서는 머신러닝의 전반적인 내용을 다룹니다. 머신러닝 엔드투엔드 파이프라인을 설명하면서 각 과정을 예시 코드와 함께 설명합니다. 3장에서는 딥러닝의 대표적인 모델인 MLP, CNN, RNN을 구현하면서 딥러닝의 개념을 자세히 설명합니다. 2부: AutoML을 사용해 머신러닝 문제 해결, 개선 2부에서는 AutoML을 본격적으로 사용하여 머신러닝과 딥러닝 문제를 해결하고 솔루션을 개선하는 방법을 알아봅니다. 4장에서는 AutoKeras를 소개하면서 4개의 지도학습(텍스트 분류, 정형 데이터 분류, 정형 데이터 회귀, 다중 레이블 이미지 분류) 문제와 다중 입출력 문제를 해결합니다. 5장에서는 탐색 공간을 조정하는 방법을 배웁니다. 전처리, 신경망, 하이퍼 블록 등 AutoML 블록을 사용 또는 연결해 AutoML 파이프라인을 생성하고, 튜닝하는 법을 알아봅니다. 6장은 AutoML 블록을 연결하지 않고 계층별로 전체 AutoML 파이프라인의 탐색 공간을 사용자가 원하는 방식으로 정의하는 방법을 배우고, 이를 통해 비지도 학습 모델과 최적화 알고리즘을 투닝하는 법을 설계하는 법까지 배울 수 있습니니다. 3부: 고급 AutoML 설계 - 검색 기법과 가속화 전략 3부는 AutoML의 설계와 설정을 위한 고급 기법을 다룹니다. 7장은 AutoML의 탐색 공간을 순차적으로 탐색하는 기법인 임의 기법, 베이지안 최적화 검색 기법, 진화적 검색 기법을 설명하고, 구현합니다. 8장은 대규모 데이터셋을 다루는 법과 병렬화 전략, 그리고 제한된 컴퓨팅 자원으로 검색 과정을 가속화하기 위한 전략을 배웁니다. 9장은 주요 내용을 다시 살펴보고, 최신 AutoML 도구 및 플랫폼과 앞으로의 방향성을 제시하면서 마무리합니다. 'AutoML 인 액션'의 장점 'AutoML 인 액션' 은 상세한 설명과 예시 코드를 제공하여 이론과 실습을 모두 배울 수 있습니다. 예시 코드를 상세히 설명해 주고, 결과물도 보여주면서 설명을 하기 때문에 AutoML을 처음 접하는 사람도 쉽게 배울 수 있습니다. 뿐만 아니라 다양한 시각화를 통해 파이프라인 구조, AutoML의 흐름 등을 설명하여 누구나 쉽게 AutoML에 접근할 수 있도록 하였습니다. 다양한 사례를 다각도로 다루기 때문에 AutoML을 실무에 적용하기에 쉽습니다. 정형 데이터 분류 및 회귀, 이미지 데이터 분류 등 다양한 문제, 그리고 MLP, CNN, RNN과 같이 대표적인 모델을 모두 다루기 때문에 다양한 분야에서 AutoML을 적용하기 유용합니다. 각 장의 시작과 끝에 배울 내용과 배운 내용을 잘 정리하였으며 9장에서는 배운 내용을 총괄적으로 정리해 주기 때문에 시간이 지나도 필요한 부분을 쉽게 찾을 수 있고 배운 내용을 복습하기에 좋습니다. 책에서 제공하는 예시코드를 제공할 뿐 아니라 최신 소스 코드를 제공하고 토론할 수 있는 공간도 있어 시간이 지나도 최신 코드로 저자와 소통하면서 AutoML을 배울 수 있습니다. AutoML에 관심이 있거나 실무에 적용하고 싶은 사람이라면 이 책을 읽어보기를 추천합니다.

케글이나 데이콘 같은 데이터 경진대회 플랫폼에 제출된 코드들을 보면 대회 초반에 AutoML을 이용해 여러 모델의 대략적인 추론을 보고 거기서 발전시킨 경우가 많다. 커뮤니티에서는 추론에 대한 감이 오지 않을 때 많이 이용한다고 하는데 최소한의 데이터 전처리라던가 여러 데이터의 유형에 따라 어떤 라이브러리를 써야하는지에 대해 미숙한 경우가 많았는데 좋은 기회가 생겨 이 책을 통해 공부하여 활용해볼 수 있었다.

총 9장으로 이루어져 있으며 엔드투엔드 파이프라인, 딥러닝 요점 정리, 자동화된 엔드투엔드 머신러닝 솔루션 생성, 파이프라인 생성을 통한 탐색 공간 조정, 사용자 정의 탐색 공간을 가진 AutoML, 검색 기법의 사용자 정의, 규모 확장, 주요 개념을 되돌아보고 여러 플랫폼을 알려주는 마무리로 구성되어 있다. 부록으로는 코드 실행을 위한 환경 설정, 이미지/텍스트/정형데이터 분류 예제가 있다. 분류 예제는 책 구성에 대한 전체적인 예시이므로 먼저 보고 공부해보기를 추천한다.

책 내용의 문법이 어색하거나 틀린 경우가 있지만 의미를 찾는데는 어려움이 없었다. 그리고 전체 프로세스를 보여주는 그림이 많아 다소 어려운 내용이 있더라도 따로 찾아보지 않고 이해할 수 있었다.

또 읽다보면 궁금해질만한 내용을 자세하게 알려주는 구간이 있어 공부를 하는데 많은 도움이 되었다. 코드에도 어떤 과정이 진행중인지 화살표를 통해 주석과 함께 알려주어 예시를 쉽게 따라해볼 수 있었다.

한번 전체를 공부해보고 느낀 점은 마냥 코드만 따라 치는 것보다는 어떤 상황에서 어떻게 코드를 입력하는지 과정을 전체적으로 학습하는게 어떻게든 도움이 된다는 것이다. 내가 도메인 지식도 알고 모델링에 대해 상세히 알고 있다면 AutoML이 필요하지 않지만 그렇지 않은 경우가 대다수이기 때문에 어떤 문제에 직면하여 모델링에 적합한 데이터 전처리를 어떻게 해야하는지, 또 어떤 하이퍼파라미터를 세팅해야 하는지 타이밍을 공부해볼 수 있는 좋은 기회였다. 본인처럼 모델링 접근법에 어려움을 겪는다면 이 책을 읽어보는게 많은 도움이 될 것이라 생각한다.

​

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

우리의 삶에 머신러닝은 대중적으로 활용할 수 있는 도구로 자리 잡고 있는데요. 그러나 공개된 머신러닝 모델을 그대로 활용하기보단 튜닝 과정이 필요하고 생각합니다. 튜닝 하는 과정에선 수많은 실험을 통해 하이퍼파라미터를 조정하는 최적의 모델을 도출할 수도 있습니다. 머신러닝에 대한 전문성을 조금이라도 보유해도 머신러닝의 이점을 쉽게 누릴 수 있습니다.

이번에 소개할 자동화된 머신러닝 AutoML 인 액션 책을 소개합니다. AutoML의 핵심을 담은 AutoKeras 창시자의 집필서로써 ML 전문가의 비밀 노트처럼 ML의 핵심 개념과 ML 자동화를 위한 최적화 알고리즘까지 담고 있습니다.

AutoML은 머신러닝에 대한 전문 지식이 없어도 하이퍼파라미터 튜닝과 모델 최적화를 간편하게 수행할 수 있게 되었습니다. 그리고 AutoKeras와 KerasTuner와 같은 도구들을 활용해 작업에 맞게 머신러닝 모델을 빠르게 조정할 수 있도록 도와줍니다.  AutoML 인 액션은 단계별로 AutoML의 기본 개념부터 고급 주제까지 체계적으로 학습할 수 있도록 구성되어 있습니다.

AutoML의 목표는 통계학자나 컴퓨터 과학자뿐만 아니라 의사, 토목 엔지니어, 중소기업 창업가 등 다양한 분야 사람들이 쉽게 머신러닝에 접근할 수 있도록 돕는 것입니다. AutoML 인 액션은 파이프라인을 편리하게 설계하고 학습시키는 방법을 설명합니다. 총 9장으로 구성되어 있지만 큰 틀로 보면 3개로 나눠지는데요.

첫 번째는 1~3장으로 AutoML을 정의하고 핵심 개념을 먼저 다룹니다. AutoML을 배우기 위한 사전 지식을 습득할 수 있으며, 머신러닝 문제를 해결해 본 경험이 없는 분들을 위해 효과적으로 AutoML을 설계하고 기본 구성 요소를 쉽게 배울 수 있습니다.

두 번째는 4~6장으로 본격적으로 AutoML을 도입해 머신러닝 문제를 해결하고 솔루션을 개선하는 내용을 담고 있습니다. 지도 학습 문제에 대한 AutoML로 엔드투엔드 딥러닝 솔루션과 AutoML의 탐색 공간을 사용자가 원하는 방식으로 정의하는 방법까지 상세하게 알려주는데요. 계층별 설계를 통해 비지도 학습 모델과 최적화 알고리즘을 더 유연하게 튜닝할 수 있습니다.

세 번째는 검색 기법과 가속화 전략의 차원에서 일부 고급 AutoML 설계 및 설정에 대해 알아갈 수 있습니다. 7~9장으로 구성되어 있으면 AutoML 탐색 공간을 순차적으로 탐색하는 기법을 구현하는 방법, 제한된 계산 자원의 환경에서 검색 과정을 가속화하는 기법을 배울 수 있습니다. 마지막으로 몇 가지 보충 자료와 함께 지금까지 배운 핵심 개념을 다시 살펴볼 수 있는데요. AutoML를 기술을 소개하고 이 분야를 더 깊이 이해하고 파고들기 위한 방향을 제시합니다. 

AutoML의 기본 개념부터 응용 주제까지 체계적으로 학습해 보고 싶은 머신러닝 엔지니어, 프로젝트 관리자, 데이터 과학자 및 분석가, 하계 연구자에게 AutoML 인 액션을 추천합니다. ML 모델 개발 과정을 익히기 위한 이미지, 텍스트, 정형 데이터 분류 예제까지 제공합니다. 이뿐만 아니라 컬러풀한 그림으로 복잡한 개념을 이해하기 쉽게 시각적으로 보여줌으로 더 쉽게 AutoML에 접근할 수 있습니다. AutoML 인 액션을 통해 머신러닝 한계를 넘어 빠른 모델을 만들어 보세요.

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

안녕하세요 마개입니다.

이번 달에 소개해 드릴 책은 "AutoML 인 액션"입니다. 해당 책에 대해 알아봅시다

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

도서 소개

* 도서명 : AutoML 인 액션

* 지은이 : 칭취안 송, 하이펑 진, 시아 후

* 옮긴이 : 박찬성

* 출판사 : 한빛미디어

* 출간 일자 : 2023-10-04

* 페이지 : 408쪽

* 가격 : 정가 34,000원

머신러닝을 시작하고 싶은 비전문가를 위한 책

머신러닝과 딥러닝은 단어만 들어도 어려움이 느껴지는 분야입니다. 어디서부터 어떻게 시작을 해야하고 구축을 하고 고도화를 하며 최적의 모델을 찾아야하는지 해당 분야를 알고 있는전문가들이 아니면 끝까지 가기 어려운 분야입니다. 그리고 머신러닝, 딥러닝 분야가 더 확장되면서 AutoML, MLOps 등 여러 상세 분야와 관련 기술이 나오면서 더욱 전문성을 요구하게 됩니다.

이 책은 그러한 전문가는 아니지만 머신러닝과 딥러닝을 도입하고자 하는 사람들에게 도움이 되는 책입니다. 머신러닝과 딥러닝을 도입하고자 하는 사람들에게 도움이 되는 책입니다. 머신러닝과 딥러닝을 진행하는데 있어 필요한 모델이나 피쳐, 자동화 등에 대한 어려움을 해결해주는 방법을 가이드해줍니다. 필자들은 AutoML 기술인 AutoKeras와 KerasTuner를 창시한 분들로 창시자가 직접 알려주기 때문에 중요한 요소들을 알려줍니다. 그리고 바로 AutoML로 넘어가면 어려움이 있을 수 있기에 근간이 되는 머신러닝과 딥러닝에 대한 설명을 먼저 하면서 책이 시작됩니다. 머신러닝과 딥러닝을 하고 있는데 더 자세하고 높은 수준의 퀄리티를 내고 싶은 분들에게 추천합니다.

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

이번에 리뷰할 도서는 "AutoML 인 액션" 입니다.

최근 AutoML 관련 세미나와 연구를 시작하면서 TPOT, Auto-Sklearn, AutoKeras 등

다양한 AutoML 라이브러리를 사용하기 시작했습니다.

라이브러리들 중에서는 AutoKeras가 비교적 쉽게 환경을 구성할 수 있어서 6개 정도 라이브러리의 환경을 구축하고

AutoKeras부터 실험을 시작하였습니다.

AutoKeras의 공식 문서와 튜토리얼, 라이브러리의 코드는

https://autokeras.com/ 와  https://github.com/keras-team/autokeras 에서 볼 수 있지만, 

개발중인 부분도 있고, 설명이 부족한 부분도 있다는 아쉬움이 있었습니다.

AutoML 관련해서 공부도 시작할 겸 AutoML 관련 도서를 찾아봤으나 도서가 꽤 적었습니다.

도서를 더 찾아보던 중 이번에 새로 이 도서가 출간되어서 위시리스트에 담아두었었는데,

운 좋게 이 책을 읽을 수 있는 기회가 생겼습니다.

이 도서의 특징은 아래와 같습니다.

1. AutoML의 내용 뿐만 아니라 ML, DL의 기본적인 내용도 포함하고 있다.

2. AutoML을 이용한 각각에 컨셉에 대해 AutoKeras를 활용하여 설명하고 있다.

(AutoKeras에 맞추어 내용이  작성된 것이 아니라는 의미입니다.)

3. AutoML을 이용한 모델 학습 및 생성의 테크닉에 대한 내용을 포함하고 있다.

1에 대한 내용으로는...

ML에서 AutoML로 넘어가기 위한 내용(ML의 프로세스, 하이퍼파라미터 튜닝, Challenge 등)과 

ML 프로젝트의 파이프라인(데이터 전처리, 알고리즘 선택 등), DL 요점 정리 등으로 구성되어 있다는 점입니다.

2에 대한 내용으로는...

AutoML을 활용한 예시 별 ML 솔루션 생성, 파이프라인 생성을 통한 탐색 공간 조정, 검색 기법, 규모 확장 등에 대해

AutoKeras를 사용하여 내용을 풀어나갑니다.

예를 들어, 자동화된 하이퍼파라미터 튜닝을 위한  AutoML 파이프 생성을 위해 AutoKeras의 AutoML API를 사용합니다.

3에 대한 내용으로는...

AutoML을 통한 파이프라인 설계, 파라미터 튜닝, 전처리 자동화, 병렬화 등 다양한 내용을 포함하고 있습니다.

병렬화 같은 경우, 이 도서를 통해 구현해 볼 수 있다는 점이 상당한 메리트 인 것 같습니다.

단, 단점이라면 이 도서에는 AutoKeras 라이브러리의 TimeSeriesForecaster 등 몇 가지의 내용이 누락된 것이 있습니다.

아마 개발 중인 내용이라 도서에 포함되지 않은 듯 싶습니다.

이 외에도 다양한 내용들과 장점들이 있는 도서이므로, AutoML을 시작하시는 분이라면 강력하게 추천드리고 싶습니다.

하지만 반드시 ML, DL 관련해서 공부를 하시고 읽어보시는 것을 추천드립니다.

https://linuxpenguin.tistory.com/entry/%EB%8F%84%EC%84%9C-%EB%A6%AC%EB%B7%B0-%EC%BD%94%EB%94%A9-%EB%87%8C%EB%A5%BC-%EA%B9%A8%EC%9A%B0%EB%8A%94-%ED%8C%8C%EC%9D%B4%EC%8D%AC

위 도서와 연계해서 읽으면 가장 좋은 조합이 될 것 같습니다.

'AutoML 인 액션'은 머신 러닝과 AutoML의 실전적인 측면을 다루는 책으로, 머신 러닝 모델을 개발하고 향상시키는 과정을 자동화하는 방법에 대해 다룹니다. AutoML의 핵심 개념과 구체적인 응용에 관한 풍부한 정보를 제공합니다.

이 책을 읽으면 AutoML을 사용하여 복잡한 머신 러닝 프로젝트를 간편하게 진행할 수 있을 것으로 기대됩니다. 

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

 최근 인공지능 관련 소프트웨어 관련하여 조금의 변화가 시작 되었다. 예전에는 고급 엔지니어들이 사용할 수 있는,, 적어도 AI에 관한 충분한 지식을 가진엔지니어들이 사용 가능한 라이브러리 수준의 소프트웨어 들이었다.

그러나 추천서의 저자이자 AutoKeras의  창시자 덕분에 변화들이 생기기 시작했다. 이를 통해 Ai를 이용하는 분야가 더 세분화 되어 지고, 라이브러리 형태의 소프트웨어들이 프레임워크로 변한 것이다. 

이것은 AI 응용 분야에 접근하는 다양한 개발자 들로 부터 편리함을 제공할 뿐 아니라. 조금의 수고를 덜어준다.

AutoML 인 액션.. 2장..  ML 프로젝트의 엔드투엔드 파이프라인…

에지AI에 진심인 나로써는 EDA 부분을 매우 중요하게 생각하는데. 특히 2장의 내용은 적어도 나의 지식을 한 층 더 업그레이드 하는 풍부한 내용이 있다.

AI 관련 분야에서 프로그래머이든, 아니든 반드시 알고 있어야 할 전문 지식이 2장의 내용인데. AI 분야에 종사하는 모든 사람에게 이 책은 반드시 필요하다고 생각하며, 감히 추천한다.

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

이 책은 AutoML과 AutoKeras를 익히고자 하는 사람에게 적합한 책입니다. 이론만으로 끝나는 것이 아니고 실습하는 부분도 있기 때문에 AutoKeras로 AutoML을 적용하고자 하는 사람에게 유익한 책입니다. 기계 학습으로 업무를 하는 사람은 이 책을 필수로 읽어야 한다고 생각합니다. 짧은 시간에 적은 시행착오로 AutoKeras를 익힐 수 있는 점과 AutoML이 실제로 무엇을 의미하는지를 습득할 수 있는 좋은 책입니다.

도서 개요: "AutoML 인 액션: AutoKeras 창시자가 안내하는, AutoKeras와 KerasTuner로 머신러닝 파이프라인 최적화하기"

이 책은 다음과 같은 독자를 위해 작성되었습니다:

머신러닝 엔지니어: AutoML 개념을 탄탄하게 이해하고 실무 응용과 고급 주제에 대해 알고 싶은 분들에게 적합합니다.

AutoML 도구에 관심 있는 프로젝트 관리자와 개발자: AutoKeras와 KerasTuner 같은 도구를 활용하여 프로젝트 효율성을 높이고 싶은 분들에게 이상적입니다.

데이터 과학자 및 분석가: 머신러닝 모델의 개발과 최적화 방법을 찾고 있는 전문가들에게 맞춤화되어 있습니다.

학계 연구자: 최신 AutoML 연구와 기술에 관심이 있고, AutoML을 다른 관점에서 접근하고 싶은 분들에게 완벽합니다.

이 책의 최대 활용 방법:

이 책은 체계적인 학습 경험을 제공하며, 독자들이 기본적인 AutoML 개념에서 고급 주제까지 단계별로 진행할 수 있습니다. 내용을 순차적으로 따라가면서, 실제 예시와 연습을 통해 AutoML에 대한 전반적인 지식과 실용적인 능력을 향상시킬 수 있습니다.

[PART 1: AutoML 기본]

머신러닝과 AutoML 이해하기: AutoML의 핵심 철학과 장점을 살펴보세요. 만약 AutoML 개념에 익숙하지 않다면 이 부분부터 시작하는 것이 좋습니다.

머신러닝 프로젝트의 흐름 이해하기: 머신러닝 프로젝트를 계획하고 구성할 때 도움이 되는 전반적인 흐름을 파악하세요.

딥러닝 시작하기: 딥러닝에 익숙하지 않은 독자에게 특히 유용하며, 기본 모델로 실제 문제를 해결하는 방법을 학습합니다.

[PART 2: 실전 AutoML]

실제 머신러닝 문제 해결하기: AutoKeras를 활용한 실제 문제 해결 방법을 배웁니다. 실무에서 자주 마주치는 문제를 어떻게 해결하는지 경험해보세요.

고급 파이프라인 구성하기: 파이프라인의 세부 조정 및 최적화 방법을 배웁니다. 심화 단계의 AutoML 활용법을 익히고자 하는 독자에게 추천합니다.

사용자 정의 탐색 활용하기: 사용자 정의 탐색 기법을 통해 더욱 세밀한 모델 튜닝 방법을 배웁니다.

[PART 3: AutoML의 고급 주제]

다양한 검색 기법 탐구하기: 다양한 검색 기법을 통해 최적의 모델을 찾는 전략을 배웁니다.

AutoML의 확장성 활용하기: 대규모 데이터셋 처리 및 병렬 처리 방법 등 AutoML의 확장성을 최대한 활용하는 방법을 배웁니다.

전체 내용 복습 및 미래 전망 알아보기: 지금까지 학습한 내용을 복습하고, AutoML의 미래 발전 방향에 대해 알아봅니다.

[부록]

실습 환경 구축하기: 부록 A에서는 코드 실습을 위한 환경 설정 방법을 소개합니다. 실제로 코드를 실행하며 학습하고자 하는 독자에게 유용합니다.

실제 예제로 실력 키우기: 부록 B에서는 다양한 데이터 유형에 대한 분류 예제를 통해 실제로 학습한 내용을 적용해보는 기회를 얻을 수 있습니다.

AutoKeras 창시자의 실무 경험을 담은 AutoML 실전 가이드

이 책은 AutoML의 기본 개념부터 심화 내용과 실무 활용까지 전 과정을 포괄적으로 다루는 실전서입니다. AutoML 파이프라인의 확장성 개선부터 검색 알고리즘, 원샷 튜닝 기법까지 최신 AutoML 기술 동향을 한 권에 모두 담아냈습니다. 더불어 AutoKeras 창시자가 직접 알려주는 방법을 통해 AutoKeras와 KerasTuner를 활용하여 ML 파이프라인을 심도 있게 배우게 됩니다. 또한 검색 기법, 분류, 회귀, 데이터 증강 등 다양한 예제를 통해 AutoML 파이프라인을 생성하고, 머신러닝 문제를 해결하며 파이프라인을 개선하는 능력을 함양할 수 있습니다. 이 책을 통해 AutoML에 대한 포괄적인 이해를 기반으로 실무에 적용할 수 있는 실용적인 지식까지 얻어보세요.

 "한빛미디어 리뷰어 활동을 위해서 책을 제공받아 작성된 서평입니다."

이 책은 AutoKeras의 창시자 그룹에 속해있는 텍사스 A&M 대학교와 관련이 깊은 청취안 송, 하이펑 진과 시아 후 교수님이다. 번역자는 etri의 박찬성역자님이다. 사실 이 책을 보기전에 AutoKeras 처음 오픈될 때 사용을 해봤는 데 코드는 짧게 작성하는 반면 실행시간이 너무 오래 걸렸던 기억(그 때 출장중인 모텔에서 아주 간단한 모델을 실행하는 데만 3일 이상) 이 있다. 그리고 아직은 적용하기 힘들겠다고 생각했었다. 하드웨어 성능은 더 비약적으로 발전하는 상황에서 모델 크기가 더 이상 커지지 않을 때 더 관심을 가져야 겠다고 생각했으나 시간이 흐르고 보니 현실은 반대였다.

이 책을 일독하고 나니 2장의 내용에서 부록B를 먼저 보라고 여러번 강조한 이유를 알겠다. 2~3장의 내용과 부록B의 내용은 서로가 상호참조하는 식으로 선수과정 형태의 내용이어서 꼭 숙지하고 다음으로 넘어가는 것이 좋다.

이 책의 장점은 엄청나게 많은 내용을 두껍지도 않은 한 권의 책에 다 담았다는 것이다. 따라서 기존에 머신러닝/딥러닝을 공부하던 사람은 복습을 하면서 최신API도 학습할 수 있다는 장점이 있다.

이 책의 단점은 번역이 매끄럽지 못한 느낌적인 느낌이 있다. 물론 역자분은 실력자이시니까 원서보다 백배 천배 이해하기 쉽게 번역한 것이겠지만 여전히 어순이나 단어선택이 영어 원문이 생각나는 느낌이 많고 은/는 이나 을/를 등의 조사가 잘못 연결된 경우가 꽤 자주 보인다.

이 책을 다 읽고 난 소감은 딥러닝의 내부 동작 알고리즘이 생물학적인 뉴런과 크게 벗어나서 자세히 알 필요가 없는 것처럼 (물론 다른 분야도 그렇지만) " API가 내부 구현이 어떻게 되어 있는지 알 필요가 없이 사용법만 익히면 되는 세상이 되고 있구나 "라는 점이다.

당연한 얘기일 수 있으나 도메인 지식이 속속들이 꿰고 있고 딥러닝에 대한 지식이 출중하다면 자동화된 메타러닝이 필요가 없다. 대부분의 경우에 그렇지 못하기 때문에 하이퍼파라미터 튜닝에 상당히 불필요한 시간을 소모하고 있는 경우가 종종 있고 이럴 때 튜닝 작업을 메타러닝을 통해 AI가 해결해 준다면 그 튜닝시간으로 소모할뻔한 시간을 다른 작업시간에 투자할 수 있다는 관점에서 자동머신러닝은 필요하다.

하지만 이 책에서도 계속 강조하는 것처럼 수동튜닝보다 결과가 안 좋을 확률이 높다는 것은 항상 감안하고 적용하면서 수동튜닝도 병행해야 하는 것은 어쩔 수 없는 현실이다.

AI에 의해서 기존 일자리가 사라지고 프롬프트 엔지니어나 RAG생성/관리 엔지니어가 필요하게 되는 것처럼 메타러닝을 진행하는 엔지니어 일자리도 계속적으로 생겨날 것이고 이 때 머신러닝/딥러닝에 sklarn/ keras를 적용한다면 이 책을 통해서 큰 그림뿐만 아니라 세밀한 접근방법과 실전에서의 pain point가 무엇이 더 있을 수 있는 지 생각하게 해 주는 책이기 때문에 많은 개발자들에게 이 책을 추천한다.

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