[나는리뷰어다] 로우코드 AI

 

 

 

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

 

 

 

 

      책 소개

 

 

 

로우코드 AI

로우코드 AI를 활용한 데이터 우선 접근법과 사례 중심 접근법으로 머신러닝과 딥러닝 개념을 이해해 보세요. 이 실용적인 안내서는 ① AutoML을 이용한 노코드 ML, ② 빅쿼리 ML을 이용한 로우코드, ③ 사이킷런과 케라스를 이용한 커스텀 코드 등 3가지 문제 해결 중심의 ML 학습 방법을 제시하고, 각각 실제 데이터셋과 현실적인 문제를 활용해 핵심 ML 개념을 학습합니다. 비즈니스 및 데이터 분석가들은 상세하고도 데이터 중심적인 접근 방식을 통해

저자

궨덜린 스트리플링, 마이클 아벨

출판

한빛미디어

출판일

2024.12.23

 

 

24년 12월에 출간된 책, 로우코드 AI는 책 제목 그대로 로우코드, 직접적으로 코드를 많이 사용하지 않고 문제 및 비즈니스 사례에 ML프레임워크와 워크플로를 적용하여 문제를 해결 및 인사이트를 얻어내는 방법을 설명하고 있다

 

해당 책에서는

① AutoML을 이용한 노코드 ML

② 빅쿼리 ML을 이용한 로우코드

③ 사이킷런과 케라스를 이용한 커스텀 코드

이렇게 코드의 비중에 따른 3가지 문제 해결 접근법을 제시한다

직접 코드를 다루는 부분은 이 한 권의 책으로 다루기엔 너무 방대하기 때문에 코드 및 개발 경험이 부족하지만 데이터를 통해 어떤 분석, 예측 등 인사이트를 뽑아내고 싶은 경험이 없는 입문자들에게 적합할 것이다

 

 

 

---

      목차

 

1장 머신러닝에서 데이터로 의사 결정을 내리는 방법

- 목표 및 사용 사례 파악하기, 엔터프라이즈 ML 워크플로

2장 데이터의 중요성
- 사용 사례 및 데이터셋 개요 / 데이터 및 파일 유형

3장 머신러닝 라이브러리 및 프레임워크
- 노코드 AutoML, AutoML의 작동 방식 / MaaS, 서비스형 머신러닝 / 로우코드 ML 프레임워크

4장 AutoML로 광고 미디어 채널의 매출 예측하기
- 비즈니스 사용 사례: 미디어 채널의 매출 예측하기 / EDA / VertexAI의 AutoML로 선형 회귀 모델 학습시키기

5장 AutoML로 사기 거래 탐지하기
- 비즈니스 사용 사례: 금융 거래 사기 탐지 +EDA / 분류 모델 및 지표 AutoML로 분류 모델 학습시키기

6장 빅쿼리 ML로 선형 회귀 모델 학습시키기
- 비즈니스 사용 사례: 전력 생산량 / 빅쿼리 SQL로 데이터셋 정리하기 / 선형 회귀 모델 / 빅쿼리 ML에서의 신경망 / 심층 분석: 클라우드 셸로 클라우드 스토리지 파일 보기

7장 파이썬으로 사용자 정의 ML 모델 학습시키기
- 비즈니스 사용 사례: 고객 이탈 예측 / 노코드, 로우코드, 사용자 정의 코드 중 알맞은 ML 솔루션 선택하기 / 사이킷런, 케라스, 버텍스AI로 모델 구축

8장 사용자 정의 모델의 성능 개선하기
- 비즈니스 사용 사례: 중고차 경매 가격 / 사이킷런, 케라스, 빅쿼리ML 에서의 모델 튜닝

9장 AI 여정의 다음 단계

 

 

 

 

---

 

      내용

 

주 내용

 

해당 책에서는 3가지 방법을 다루고 있다

① AutoML을 이용한 노코드 ML

② 빅쿼리 ML을 이용한 로우코드

③ 사이킷런과 케라스를 이용한 커스텀 코드

 

사이킷런, 케라스를 사용하는 커스텀 코드 방법은 파이썬을 기본으로 다룰 줄 알아야하며, 해당 라이브러리의 사용방법과 머신러닝/딥러닝에 대한 이해도도 필요로 하므로 이 책의 일부로 다루기엔 방대하다

그러니 3번은 이런 방법이 있구나 정도로만 이해하고 1번과 2번, Vertex AI에서 AutoML과 빅쿼리 ML을 사용해보는 경험을 쌓는 것을 이 책을 활용하는 용도로 추천한다

 

 

4장 광고 미디어 채널의 매출 예측에서는 회귀 문제를, 5장 사기 거래 탐지에서는 이진 분류를 다룸으로써, Vertex AI를 이용해 가장 기본적인 문제인 회귀와 분류를 어떻게 해결하는지 이 과정을 다룬다

6장은 전력 생산량 예측이라는 비즈니스 사례를 빅쿼리 ML로 해결하는 내용을 다룬다

 

 

 

---

 

 

이슈사항

 

1. 계정 등록시 같은 화면만 뜨는 문제

해당 책에서는 구글의 Vertex AI라는 ML프레임워크를 주로 사용한다

무료 버젼을 사용하기 위해선 핸드폰 인증과 카드 등록을 요구한다. 등록하고 쭉 진행하다보니 아래의 창이 뜨는데...

문제는 구글 클라우드의 어떤 사이트를 접속해도 아래의 창만 뜬다는 이슈가 발생했다

버텍스 AI를 접속하면 아래의 생성형 AI Vertex AI Studio, 분명 구글 클라우드를 접속했는데도 Vertex AI Studio....어딜 들어가도 무한 생성형  Vertex AI Studio.... 😡🤯

 

 

 

관련된 이슈는 찾아봐도 정확한 원인과 해결방법을 찾지 못해서 새로운 계정으로 등록을 하였다

 

 

 

해당 페이지에서 왼쪽 상단을 보면 익스프레스 모드가 있다

 

https://cloud.google.com/resources/cloud-express-faqs?hl=ko

https://cloud.google.com/resources/cloud-express-faqs?hl=ko

 

 

구글 클라우드 익스프레스 FAQ라는 페이지에서 

 

Google Cloud 익스프레스 모드란 무엇인가요?

• Google Cloud 익스프레스 모드를 사용하면 선별된 Vertex AI API 세트를 추가 설정 없이 간소화된 인터페이스에서 무료로 빠르게 실험해 볼 수 있습니다.
  

간소화된 인터페이스란 무엇인가요?

• 익스프레스 모드는 클라우드 컴퓨팅에 익숙하지 않은 사용자도 쉽게 사용하고 이해할 수 있도록 설계되었습니다. 익스프레스 모드는 조직, 프로젝트, 리소스, 권한을 포함한 Google Cloud 설정의 여러 측면을 추상화합니다. 최대한 많은 개발자가 익스프레스 모드를 사용할 수 있도록 하는 것이 목표입니다.

➡️ 간소화된 인터페이스가 문제다. 해당 인터페이스에서 책의 내용대로 어떻게 진행해야 할지를 찾지 못했다

✅ 무료체험판을 사용해야 한다

 

 

 

 구글 클라우드, 버텍스 AI에 계정 등록 후 표기한 부분, Activate 누르지 말기..

 

 

 

무료 체험판이 정상적으로 적용된다면 생성형 AI만 있는 UI가 아닌 아래 이미지처럼 왼쪽에 다양한 기능들이 있어야 한다. 이 상태가 되야 책에 있는 예제들을 따라가는 것이 가능하다

 

 

 

---

 

 

2. 구글 클라우드 스토리지 만들기

저장소 버킷을 만드는 단계별 과정을 확인하고 싶다면, 이 책의 깃허브 저장소에서 Chapter 4 AutoML Sales Prediction.pdf 파일을 읽어보기 바랍니다 - 108p

 

 

그래서 깃헙 찾아가보면...

low-code-ai/Chapter4/Chapter 4 AutoML Sales Prediction.pdf at main · books-by-chansung/low-code-ai

그냥 영문판 책 내용이다. 저장소 버킷 만드는 설명은 없다

만드는건 어렵지 않으니 검색해보면 방법 다 나온다

 

클라우드 스토리지의 버킷에 들어간다

 

 

버킷에 있는 만들기를 누르고 쭉 진행하면 된다

 

책에서 주석으로 언급했지만 GCP의 클라우드 스토리지 버킷 이름은 글로벌하게 유니크해야 하기 때문에, 책에 있는 low_code_ai_kr이라는 이름의 스토리지는 이미 선점되어서 사용할 수 없다

따라서 dataset_bh라는 이름의 스토리지를 생성하였다

 

 

생성한 스토리지 아래에 다양한 디렉토리 생성 및 파일 업로드가 가능하다

dataset_bh/low_code_ai/Marketing 아래에 데이터셋 만들때 업로드한 advertising.csv 파일이 위치한 것을 확인할 수 있다

 

 

구글 클라우드 스토리지 추가 관련된 내용은 아래 글 참고

https://brunch.co.kr/@topasvga/785

21. Google  Cloud Storage 만들기

 

 

 

---

 

 

3. 빅쿼리 ML - 책과 실제 진행 시 차이 존재

 

 

https://archive.ics.uci.edu/dataset/294/combined+cycle+power+plant

UCI Machine Learning Repository

 

6장 빅쿼리 ML로 선형 회귀 모델 학습시키기 에서 사용하는 Combined Cycle Power Plant 데이터

현재 시점에서 이 데이터를 사용했을 경우, 책의 내용과 일부 차이가 존재한다

 

첫번째로 데이터의 컬럼 명 차이가 존재

책과의 컬렴명에 다소 차이가 존재함

사이트에서 데이터를 다운받으면

'AT', 'V', 'AP', 'RH', 'PE'

 

 이런 컬럼의 이름을 가진다. 

 

 

해당 컬럼명으로 그대로 진행할 경우 쿼리 실행시 아래의 에러가 발생한다

SELECT 
  IF(AT IS NULL, 1, 0) AS is_temp_null
FROM
  ferrous-amphora-450908-n7.data_driven_ml.ccpp_raw

=> Syntax error: Expected ")" but got keyword AT at [2:6]

 

문제는 AT가 BigQuery의 예약어(Reserved Keyword)이기 때문이다

BigQuery는 AT를 예약어로 사용하므로, 이를 컬럼명으로 참조하려면 백틱(`)으로 감싸야 한다

 

➡️ 판다스로 데이터 컬럼명을 책의 컬럼대로 맞춰주는 것을 추천

 

 

 

 

두번째로 원본 데이터에 결측치 없음

책에서는 쿼리를 통해 Null값, 비어있는 값(Missing Values)을 찾는 내용이 있는데 컬럼별로 0~2개 정도의 null값이 존재함

하지만 데이터셋 설명을 보면 

 

결측치가 없다고 한다

 

 

---

      마무리

 

책의 내용을 보면 코딩 경험이 없는, 프로그래밍을 모르는 마케터, 비즈니스 분석가 등의 직무에서 데이터를 활용하는데 Vertex AI와 같은 머신러닝 도구를 통해 접근하는 방법을 다루는 만큼, 입문자를 대상으로 쓰여졌다

 

이 책을 보면서 Vertex AI와 같은 툴을 다뤄본 적이 없었고 SQL을 다루는 부분에 관심이 있어서 Vertex AI를 다뤄보는 경험을 쌓는 것에 초점을 맞추어 공부하였다

다만 너무 적은 분량에 내용을 압축하려고 했기 때문에 설명이 부족할 수 있으므로 머신러닝, 딥러닝 입문책으로 추천하진 않고 도메인에 대한 지식이 있는데 여기에 머신러닝을 접목시켜보고 싶은 전문가, 데이터에 관심이 있는 다른 직무 종사자들에게 추천한다

 

실제 현업의 데이터들은 이상치나 온갖 문제들이 넘쳐나고 결국은 도메인 지식을 바탕으로한 데이터의 깊은 이해와 전처리 과정이 큰 부분을 차지하기 때문에, 단순한 프로토타입을 만드는 것을 넘어 좋은 성능을 원한다면 코드와 머신러닝에 대한 지식이 필요함도 짚고 넘어가면 좋을 것 같다