Vertex AI: AutoML 대 맞춤 모델 학습

Vertex AI는 머신러닝 모델을 학습하고 배포하는 두 가지 주요 방법, 즉 AutoML과 맞춤 학습을 제공합니다. 이 가이드에서는 두 접근 방식에 대한 개요를 제공하고 각 방식의 강점과 사용 사례를 강조합니다. 초보자든 숙련된 데이터 과학자든 Vertex AI는 ML 워크플로우를 간소화할 수 있는 도구를 제공합니다.

AutoML 또는 자동화된 머신러닝은 ML 모델을 생성하고 학습하는 프로세스를 단순화합니다. 최소한의 기술 전문 지식과 노력을 요구하며, 사용자는 코드를 작성하지 않고도 모델을 구축할 수 있습니다. AutoML은 학습 데이터를 사용하여 새롭고 보지 못한 데이터에 대한 예측 방법을 학습합니다. 깊은 기술 지식 없이 빠르게 모델을 배포하려는 사용자에게 이상적인 솔루션입니다.

AutoML은 이미지 분류 및 객체 감지와 같은 다양한 작업을 위해 이미지 데이터를 분석하는 데 사용될 수 있습니다. 이미지 분류 모델은 이미지를 범주화하고, 객체 감지 모델은 이미지 내에서 객체를 식별하고 위치를 파악합니다. Vertex AI는 이미지 기반 모델에 대한 온라인 및 배치 예측을 모두 지원하여 다양한 애플리케이션 요구 사항을 충족합니다. 온라인 예측은 실시간 애플리케이션에 적합하며, 배치 예측은 대규모 데이터 세트 처리에 효율적입니다.

Vertex AI를 사용하면 간소화된 프로세스를 통해 테이블 형식 데이터로 머신러닝을 수행할 수 있습니다. 이진 분류 모델(두 가지 결과 중 하나 예측), 다중 클래스 분류 모델(여러 옵션 중에서 범주 예측), 회귀 모델(연속 값 예측), 예측 모델(일련의 값 예측)을 생성할 수 있습니다. 이러한 모델은 고객 행동 예측 또는 제품 수요 예측과 같은 다양한 애플리케이션에 유용합니다.

참고: 2024년 9월 15일부터 Vertex AI AutoML 모델을 사용한 텍스트 분류, 개체 추출 및 감정 분석에 대한 사용자 지정은 Vertex AI Gemini에 우선적으로 적용되어 사용 중단됩니다. 기존 AutoML 텍스트 모델은 2025년 6월 15일까지 계속 작동하지만, 새로운 학습 또는 업데이트는 지원되지 않습니다. 텍스트 데이터용 AutoML은 텍스트 분류, 개체 추출 및 감정 분석과 같은 작업을 허용합니다. 향상된 기능을 위해 Vertex AI Gemini로 마이그레이션하는 것을 고려하십시오.

AutoML은 액션 인식, 비디오 분류 및 객체 추적을 위해 비디오 데이터를 분석할 수 있습니다. 액션 인식 모델은 비디오 내에서 액션을 식별하고, 분류 모델은 비디오 콘텐츠를 범주화합니다. 객체 추적 모델은 비디오 전체에서 객체를 감지하고 추적합니다. 이러한 기능은 스포츠 분석 및 비디오 감시와 같은 애플리케이션에 가치가 있습니다.

AutoML이 특정 요구 사항을 충족하지 못하는 경우, Vertex AI를 사용하면 맞춤 학습 애플리케이션을 만들 수 있습니다. 이 접근 방식은 더 큰 유연성을 제공하며, 모든 머신러닝 프레임워크를 사용하고 가상 머신 유형, GPU 및 TPU를 포함한 컴퓨팅 리소스를 구성할 수 있습니다. 맞춤 학습은 복잡한 모델과 특수 요구 사항에 이상적입니다.

AutoML과 맞춤 학습 중에서 결정하는 것은 프로젝트 요구 사항과 기술 전문 지식 수준에 따라 달라집니다. AutoML은 빠른 배포와 코딩 경험이 제한적인 사용자에게 적합합니다. 맞춤 학습은 복잡한 프로젝트와 숙련된 데이터 과학자에게 더 많은 제어와 유연성을 제공합니다. 모델의 복잡성, 사용자 지정 필요성, 사용 가능한 리소스를 고려하여 결정하십시오. Vertex AI는 두 접근 방식 모두에 대한 포괄적인 문서와 튜토리얼을 제공합니다.