영어로 읽기

다음을 통해 공유


AI Builder에서 모델 관리

비즈니스에 적합한 모델을 만드는 것은 반복적인 프로세스가 될 수 있습니다. 결과는 설정한 구성과 제공한 학습 데이터에 따라 달라질 수 있습니다. 이러한 요소를 업데이트하면 모델 성능이 향상될 수 있습니다. 그러나 경우에 따라 성능이 저하될 수 있습니다. 각 AI 모델 유형에는 요구 사항에 맞게 최적의 모델을 만드는 과정에 도움이 되는 일련의 지침이 있습니다.

AI 모델 관리 화면 스크린샷.

모델을 평가합니다.

모델을 처음 학습시킨 후 세부 정보 페이지에서 성능 및 품질을 평가할 수 있습니다.

AI 모델 유형에 따라 학습된 버전별로 성능 점수가 표시될 수 있습니다. 이 점수를 사용하여 동일한 모델의 두 버전을 빠르게 비교할 수 있습니다. 그러나 점수는 해당 학습의 구성에 따라 달라진다는 것을 기억하십시오. 점수를 비교할 때는 버전 간 변경을 고려해야 합니다.

각 AI 모델 유형마다 점수가 계산되는 방법 및 점수를 해석하는 방법에 대한 설명을 포함합니다. 자세한 내용은 성능 옆의 도구 설명을 확인하세요.

일부 AI 모델 유형에는 선택한 실제 데이터로 학습된 버전의 성능을 빠르게 테스트하는 기능이 포함되어 있습니다. 모델이 작동하는 모습을 보려면 빠른 테스트를 선택합니다.

새로 학습된 모델을 평가를 완료한 후에는 다음 두 가지 옵션을 사용할 수 있습니다.

과소 맞춤 모델

과소 맞춤 모델은 임의 추측보다 성능이 나쁜 모델을 의미합니다. 모델의 성능이 일관되게 좋지 않다면 이는 학습 데이터에 문제가 있음을 나타내는 것일 수 있습니다. 사용하고 있는 필드가 모델이 수행해야 하는 결정의 유형과 관련이 있나요? 모델을 잘못된 방향으로 유도하는 데이터 입력 오류나 기타 문제가 있나요?

과잉 맞춤 모델

과잉 맞춤 모델은 학습 데이터에 대해 실행했을 때 완벽하지는 않더라도 성능이 매우 우수한 것으로 보이는 모델을 의미합니다. 이는 학습 데이터에 결과에 직접적으로 대응되는 열이 있기 때문일 수 있습니다. 예를 들어, 배송이 제시간에 도착할지 여부를 예측하는 예측 모델이 있다고 가정하겠습니다. 과거 데이터에 실제 배송 날짜가 포함되어 있다면 모델을 과거 데이터에 대해 실행할 경우 완벽한 예측을 수행할 것입니다. 배송 날짜 열이 아직 채워지지 않았기 때문에 비즈니스 환경에서 실제 데이터를 대상으로 실행할 경우에는 이처럼 우수한 성능을 보이지 않을 것입니다.

모델 명칭 편집

  1. 페이지 맨 위에서 설정을 선택합니다.
  2. 오른쪽의 모델 설정 창에서 이름에 다른 이름을 입력합니다. AI 모델 유형에 따라 먼저 일반 섹션을 선택해야 할 수도 있습니다.
  3. 저장을 선택합니다.

새 버전 만들기

새 버전을 만들려면 페이지 위쪽에서 모델 편집을 선택합니다.

한 번에 최대 두 개의 학습된 버전, 즉 게시된 버전 하나와 게시되지 않은 마지막으로 학습된 버전 하나를 사용할 수 있습니다. 마지막으로 학습된 버전이 이미 있을 때 새 버전을 학습시키는 경우 기존의 마지막으로 학습된 버전을 덮어씁니다.

새 버전을 만들 때 모델은 기존 버전의 구성(게시된 버전 또는 마지막으로 학습된 버전)을 기반으로 합니다. 둘 다 있는 경우 새 버전을 만들 항목을 선택해야 합니다.

모델 편집 메뉴의 스크린샷.

새 버전은 성공적으로 학습한 후에만 생성됩니다. 변경을 완료하고 모델을 학습시키지 않고 벗어나면 진행 상황이 초안으로 저장됩니다. 새 버전 만들기 또는 다시 학습 같은 특정 작업은 초안을 학습하거나 삭제할 때까지 비활성화될 수 있습니다. 한 번에 하나의 초안을 사용할 수 있으므로, 계속하려면 초안 다시 시작을 선택하여 중단한 위치를 선택하거나, 초안 삭제를 선택하여 변경 내용을 제거해야 합니다.

학습 후에는 세부 정보 페이지의 마지막으로 학습된 버전 섹션 아래에 학습 결과가 표시됩니다.

마지막 학습된 버전에 만족하는 경우 다른 사용자가 사용할 수 있도록 모델을 게시할 수 있습니다. 그렇지 않으면 항상 새 버전을 만들 수 있습니다.

언제 새 버전을 만들어야 하나요?

모델의 성능 또는 품질을 향상하기 위해 모델의 새 버전을 만들 수 있습니다. 이는 AI 모델 유형에 따라 다릅니다. 일부 모델은 구성을 업데이트하여 향상할 수 있고, 일부 모델은 학습 데이터를 업데이트하여 향상할 수 있습니다.

기계 학습의 실험적 성격 때문에 결과적으로 사용자가 만드는 모든 새 버전에서 모델 성능이 향상되는 것은 아닙니다. 모델에 만족하지 않는 경우 더 나은 결과를 얻을 수 있도록 새 버전을 만들 수 있습니다.

모델에 만족하는 경우 다른 사용자가 사용할 수 있도록 모델을 게시할 수 있습니다. 한 번에 두 개의 학습된 버전만 사용할 수 있으므로 새 버전으로 덮어쓰지 않으려면 버전을 게시할 수 있습니다.

모델 성능 향상의 미묘한 차이에 대한 자세한 내용은 정확도 점수 아래에 있는 메시지를 참조하세요.

기존 모델 다시 학습 및 다시 게시

학습은 구성을 업데이트하여 새 버전을 만드는 반면 다시 학습은 현재 버전과 동일한 구성을 사용하여 새 버전을 만듭니다. 다시 학습의 이점은 시간이 경과함에 따라 모델이 정확하게 유지되도록 새 데이터를 연구하는 것입니다. 이 작업은 특정 AI 모델 유형에만 적용됩니다.

  1. Power Apps에 로그인합니다.

  2. 왼쪽 창에서 AI Builder>모델을 선택합니다.

  3. 해당 모델 유형에 대한 단계를 수행합니다.

    예측 및 범주 분류 모델의 경우 성능 섹션에서 () 메뉴를 선택한 다음 지금 다시 학습을 선택합니다.

  4. 그러면 마지막으로 학습된 버전이 바뀝니다. 준비된 경우 이 버전을 게시합니다.

AI Builder 모델 각각에 대해 이러한 단계를 수행하여 AI 모델을 다시 실행합니다.

다음 단계

AI Builder에서 모델 게시

학습: AI Builder에서 모델 관리(모듈)