모델 작성기란?

  • 4분

기계 학습은 수학 및 통계를 사용하여 명시적으로 프로그래밍하지 않고 데이터의 패턴을 식별하는 기술입니다. Model Builder는 ML.NET을 사용하여 사용자 지정 기계 학습 모델을 학습시키고 배포하는 그래픽 Visual Studio 확장입니다.

Screenshot that shows the Model Builder Visual Studio extension for M L dot NET.

예를 들어 주택 가격을 예측하려는 경우를 가정해 보겠습니다. 가격을 추정하기 위해 평방 피트 단위의 주택 크기 같은 단일 특성을 사용하는 경우 더 큰 주택과 더 높은 가격의 상관 관계를 지정하는 추론을 프로그래밍할 수 있습니다.

Graph that shows a linear regression model for house price.

하지만 세상이 늘 그렇게 간단하지는 않습니다. 많은 변수가 주택 가격에 영향을 미칩니다. 이와 같은 경우 에지 사례를 캡처하는 간단한 추론이 어려워지고 기계 학습이 더 나은 솔루션이 될 수 있습니다.

기계 학습을 사용하면 명시적으로 규칙을 프로그래밍하는 대신 기록 데이터를 사용하여 실제 관찰에 따라 이러한 규칙을 식별합니다. 그런 다음 기계 학습을 통해 찾은 패턴을 사용해 모델이라는 아티팩트를 만든 후 이전에 본 적 없는 새 데이터를 사용하여 예측을 수행합니다.

ML.NET은 .NET용 오픈 소스 플랫폼 간 기계 학습 프레임워크입니다. 따라서 기존 .NET 기술을 적용하고 Visual Studio 같은 익숙한 도구를 사용하여 기계 학습 모델을 학습시킬 수 있습니다.

Model Builder를 사용하여 어떤 유형의 문제를 해결할 수 있나요?

Model Builder를 사용하여 다음과 같은 여러 일반적인 기계 학습 문제를 해결할 수 있습니다.

  • 데이터 분류: 토픽별로 뉴스 기사 구성
  • 숫자 값 예측: 주택 가격 예측
  • 유사한 특성을 가진 항목 그룹화: 고객 세분화
  • 항목 추천: 영화 추천
  • 이미지 분류: 콘텐츠에 따라 이미지에 태그 지정
  • 이미지에서 개체 감지: 교차로에서 보행자와 자전거 감지

Model Builder를 사용하여 모델을 빌드하려면 어떻게 해야 하나요?

일반적으로 애플리케이션에 기계 학습 모델을 추가하는 프로세스는 학습과 사용의 두 단계로 구성됩니다.

학습

학습은 기록 데이터에 알고리즘을 적용하여 기본 패턴을 캡처하는 모델을 만드는 프로세스입니다. 그런 다음 모델을 사용하여 새 데이터에서 예측을 수행할 수 있습니다.

Model Builder는 AutoML(자동화된 ML)을 사용하여 데이터에 "최선"인 모델을 찾습니다. AutoML은 데이터에 기계 학습을 적용하는 프로세스를 자동화합니다. 데이터 세트에서 AutoML 실험을 실행하여 다양한 데이터 변환, 기계 학습 알고리즘 및 설정을 반복한 다음 최선의 모델을 선택할 수 있습니다.

모델 작성기를 사용하기 위해 기계 학습 전문 지식이 필요하지 않습니다. 데이터와 해결할 문제만 있으면 됩니다.

모델 학습 프로세스는 다음 단계로 구성됩니다.

  1. 시나리오 선택: 해결하려는 문제가 무엇인가요? 선택하는 시나리오는 데이터와 예측하려는 내용에 따라 달라집니다.
  2. 환경 선택: 모델을 어디에서 학습시키려 하나요? 사용 가능한 컴퓨팅 리소스, 비용, 개인 정보 요구 사항 및 기타 요인에 따라 컴퓨터에서 로컬로 또는 클라우드에서 모델을 학습시키도록 선택할 수 있습니다.
  3. 데이터 로드: 학습에 사용할 데이터 세트를 로드합니다. 예측하려는 열을 정의한 다음 예측에 대한 입력으로 사용할 열을 선택합니다.
  4. 모델 학습: 선택한 시나리오에 따라 AutoML이 데이터 세트에 가장 적합한 알고리즘을 선택하도록 합니다.
  5. 모델 평가: 메트릭을 사용하여 모델의 성능과 새 데이터에서의 예측 능력을 평가합니다.

Consumption

기계 학습 모델을 학습시키고 나면 이제 이를 사용하여 예측을 수행합니다. 사용은 학습시킨 기계 학습 모델을 사용하여 이전에 본 적 없는 새 데이터에서 예측을 수행하는 프로세스입니다. Model Builder를 사용하면 기존 및 새 .NET 프로젝트에서 기계 학습 모델을 사용할 수 있습니다.

ML.NET 기반 기계 학습 모델이 직렬화되어 파일에 저장됩니다. 그런 다음 모델 파일을 모든 .NET 애플리케이션에 로드하고 ML.NET API를 통해 예측을 수행하는 데 사용할 수 있습니다. 이러한 애플리케이션 유형에는 다음이 포함됩니다.

  • ASP.NET Core 웹 API
  • Azure Functions
  • Blazor
  • WPF(Windows Presentation Foundation) 또는 WinForms(Windows Forms)
  • 콘솔
  • 클래스 라이브러리

다음 단원에서는 Model Builder에서 기계 학습 모델을 학습시키는 프로세스에 대해 알아봅니다.