AutoML

영어	Automated Machine Learning
분류	자동화 도구
목적	ML 파이프라인 자동화
대표 서비스	Google AutoML, H2O

'''AutoML'''(Automated Machine Learning)은 기계학습 모델 개발 과정을 자동화하는 기술입니다. == 개요 == AutoML은 데이터 전처리, 특성 엔지니어링, 모델 선택, 하이퍼파라미터 튜닝 등 [[기계학습]] 파이프라인을 자동화합니다. ML 전문가가 아니어도 효과적인 모델을 구축할 수 있게 해주며, 전문가의 생산성도 높입니다. == 자동화 범위 == === 데이터 준비 === * 결측치 처리 * 이상치 탐지 * 데이터 정규화 === 특성 엔지니어링 === * 특성 생성 * 특성 선택 * 차원 축소 === 모델 선택 === * 알고리즘 비교 * 앙상블 구성 * 아키텍처 검색 (NAS) === 하이퍼파라미터 최적화 === * Grid Search * Random Search * Bayesian Optimization === 모델 평가 === * 교차 검증 * 성능 비교 * 최적 모델 선택 == 주요 도구 == === 클라우드 서비스 === * Google Cloud AutoML * Azure AutoML * AWS SageMaker Autopilot * H2O Driverless AI === 오픈소스 === * Auto-sklearn * TPOT * AutoKeras * Auto-PyTorch === 신경망 아키텍처 검색 === * NASNet (Google) * EfficientNet * DARTS == 활용 분야 == === 비즈니스 === * 빠른 프로토타이핑 * 베이스라인 모델 * POC 개발 === 교육 === * ML 입문 * 개념 학습 === 산업 === * 예측 유지보수 * 수요 예측 * 품질 관리 == 장점 == * 전문 지식 불필요 * 개발 시간 단축 * 인적 오류 감소 * 베스트 프랙티스 적용 == 한계 == * 도메인 지식 부족 * 설명성 제한 * 비용 (클라우드) * 복잡한 문제 한계 == 미래 == * LLM 기반 AutoML * 더 자동화된 파이프라인 * 도메인 특화 == 관련 문서 == * [[기계학습]] * [[딥러닝]] * [[MLOps]] * [[클라우드 AI]] [[분류:인공지능]] [[분류:기계학습]] [[분류:자동화]]