- Link
- 일시: 2022.04.14(목) 13:10 ~ 13:40
- 장소: 코엑스 3층 Hall D 內 Artificial Room
- 강연자: 유효종 지사장
Presentation
문제
- AI ROI: 약 1.3%
- 약 88%의 조직과 기업이 PoC 단계에 머무르고 있음
Why AutoML?
- 고객 의견
- 손쉬운 사용, 스피드, ROI 보장
- 산업별 AI 적용
- 클라우드, On premise 중립
- Responsible AI ⇒ 설명이 가능한 AI가 되어야 함
- 목표지향적 솔루션
- 현대화
- 문제점
- 고비용, 오랜 시간 소요
- 배포가 어렵고 실제 서비스 관리의 어려움
- 각각의 모델을 개발해왔을 때, 단순 Accuracy로 판단하기 어려움
- DevOps에서는 다른 모델을 적용하기에는 또 다른 작업에 대한 시간 필요
- 현업 유저들과의 소통 불가
- AutoML이 가능한 영역
- 실제 문제들에 적용가능한 자동화된 ML
- 산업의 도메인이 부족하더라도 Feature Engineering이 가능하도록 해줌
- Hyper parameter 추정 자동화
- Target만 잘 지정해주면 분석 결과에 대한 문서 및 소스 코드 제공
- ML 파이프라인 해결
- 비전문가가 ML 솔루션을 만드는 것을 가능하게 함
- 직접 만든 모델보다 더 나은 성능을 가진 모델 가능
- 빠르게 모델을 생성하는 간편한 솔루션
- AutoML의 핵심 요구 기능
- 데이터 변환
- 모델링
- 모델 상품화
- 배포
- 모니터링
- 관리
- 문서화
- 재학습 (MLOps)
Why H2O?
- Kaggle Grandmaster 22명 보유 (전 세계 1,2,5,9 등 보유)
- 2012년 부터 10년간 Opensource로 제공하고 있음
- 투자자들이 고객사인 구조
H2O AI Cloud
- Data Scientist
- AutoML
- Feature Engineering 자동화
- Explainable AI
- DevOps