모든 머신러닝 엔지니어는 하이퍼파라미터가 있는 시스템을 다루는데, 자동머신러닝에서 가장 기본적인 작업은 이러한 하이퍼파라미터를 자동으로 설정해 성능을 최적화하는 것이다. 최신 심층 신경망은 구조, 규제화 및 최적화를 위한 광범위한 하이퍼파라미터를 갖고 있으며, 시간과 노력을 절약하기 위해 효과적으로 사용자 지정할 수 있다.
이 책에서는 자동화된 특성 공학, 모델 및 하이퍼파라미터 튜닝, 그래디언트 기반 접근법 등의 기본 기술을 검토한다. 오픈소스 도구에서 이러한 기술을 구현하는 다양한 방법을 살펴보게 될 것이다. 다음으로 엔터프라이즈급 도구에 집중해 애저, AWS, 구글 클라우드 플랫폼의 다양한 AutoML 구현 방법을 알아본다. AutoML을 활용한 머신러닝 모델을 구축해 클라우드 AutoML 플랫폼의 기능을 살펴보고, 머신러닝 개발 수명주기와 관련된, 시간이 많이 걸리고 반복적인 작업을 자동화해 정확한 모델을 개발하는 방법을 알아본다.
이 책을 마치면 정확성과 생산성을 높이고 상호 운용성을 보장하며 특성 공학 작업을 최소화하는 AutoML 모델을 구축하고 배포할 수 있을 것이다.
조직과 비즈니스가 인공지능을 통해 기술적 변화를 겪으면서 이제 모든 조직이 기술적이며, 특히 인공지능 회사라고 말해도 과언이 아니게 됐다. 그러나 인공지능을 접목하려는 모든 비즈니스는 최적의 상품과 서비스를 고객에게 전달하려는 원래의 목적에서 벗어나 주변만 맴도는 일은 삼가야 한다. 이것이 바로 특히 인공지능 솔루션 개발이 급격한 변화와 잦은 새로운 상품 출시에 집중해야 하는 이유이며, 이를 위해 가장 좋은 방법은 신속한 자원 설정, 데이터 분석, 모델 훈련, 테스트 그리고 도입을 위한 툴을 사용하는 것이다. 이 책은 이러한 부분을 도와준다. 이 책은 독자들에게 한꺼번에 많은 지식을 전달하려 하지 않고, 기업에서 실제로 도입할 수 있는 개발 부분을 통해 인공지능을 학습시키고자 한다. 하지만 이 책은 조직에서 인공지능 솔루션을 개발하고 도입하기 위한 매뉴얼이 아니다. 이 책의 목적은 문제 - 해결 기법을 통해 인공지능의 능력을 보여주기 위한 것이다. 이 책의 레시피를 따라가다 보면 현업에서 실사례와 문제들에 있어 습득한 지식을 신속하게 적용할 수 있을 것이다.
이제 막 인공지능을 시작했지만 무수한 전문 용어나 수학적 개념들, 플랫폼들 때문에 힘들어하고 있다면 이 책을 선택한 것은 잘한 일이다. 또한 이전에 이미 머신 러닝과 인공지능에 관한 경험이 있고 현업에서 적용하고자 하더라도 이 책은 훌륭한 자원이 될 것이다.
