소개

  • 2분

최적의 성능을 발휘하는 모델을 찾기 위해 시행착오를 겪게 되면 시간이 오래 걸릴 수 있습니다. 기계 학습 모델의 학습을 위해 다양한 구성을 수동으로 테스트하고 평가하는 대신 자동화된 Machine Learning 또는 AutoML을 사용하면 자동화가 가능합니다.

AutoML을 사용하면 데이터로 여러 전처리 변환 및 알고리즘을 시도하여 최적의 기계 학습 모델을 찾을 수 있습니다.

Diagram illustrating how multiple models are trained and evaluated, after the model with the best performing metrics is selected.

가장 성능이 뛰어난 분류 모델을 찾고자 하는 경우를 상상해 보세요. Azure Machine Learning 스튜디오의 시각적 인터페이스, Azure CLI(명령줄 인터페이스) 또는 Python SDK(소프트웨어 개발 키트)를 사용하여 AutoML 실험을 만들 수 있습니다.

참고

회귀, 예측, 이미지 분류, 자연어 처리와 같은 다른 작업에 AutoML을 사용할 수 있습니다. AutoML을 사용할 수 있는 경우에 대해 자세히 알아봅니다.

데이터 과학자는 Python SDK를 사용하여 AutoML 실험을 구성하는 것을 선호할 수 있습니다.

학습 목표

이 모듈에서는 다음을 수행하는 방법을 알아봅니다.

  • 분류에 AutoML을 사용하도록 데이터를 준비합니다.
  • AutoML 실험을 구성하고 실행합니다.
  • 모델을 평가하고 비교합니다.