기타 질문

Question

안녕하세요

강의와는 직접적인 관련은 없지만

배운것을 토대로 실데이터에 해보면서 kaggle 노트북도 많이 참고 하고 있었는데

kaggle에서 흥미로운 것을 하나 발견했는데

pycaret이라는 것인데(지칭을 뭘로 해야될지 몰라서..ㅎㅎ)

머신러닝의 각 과정을 한줄로 다 하게 해주는 그런 것이던데

정말 편하더라구요(물론 기본적인 내용은 다 안다는 전제하에서)

근데 이게 사실 한편으로는 좀 조심스럽게 될 수 밖에 없는데

자세한 코드 내용등은 모르고 한 줄만 적어서 돌리면 다 알아서 해주는?

이런게 언젠가는 나올거 같았는데 막상해보니 생각이 많아지더라구요

이런것에 대해서 저자님께서는 어떻게 생각하시는지 궁금하네요

옛날 주산에 관해 열심히 배워서 했지만 결국은 계산기가 나와서 숫자만 넣으면 되고

그림을 그릴때도 어떤 물감과 물감을 합쳐야 원하는 색이 나오고 붓칠은 어떻게 해야되고 하다가

태블릿이 나와서 색도 간편히 지정할 수 있고 작업공간등이 획기적으로 줄어든 예시도 있는데,

물론 둘 다 산수와 미술이라는 개념은 갖고 있어야 사용할 수 있지만 편리함과 간편함은 수직상승했었죠.

이런걸 보다보면 시대의 흐름인거 같긴 한데 문득 궁금해져서 생각을 여쭙고자 합니다 ㅎㅎ

Answer

확실히 실데이터에 적용해보면서 전처리나 피쳐엔지니어링은 따로 해주긴 했습니다.

사실 아무리 자동화라고 하지만 방대한 도메인 지식을 다 넣을 수도 없으니..

말씀대로 AI가 많은 발전을 하여 도메인 지식을 반복 습득하여 해당업계의 능력있는 과차장 만큼의 도메인 지식을 습득 할 수 있다면 달라질 수는 있겠군요

좋은 의견 감사합니다!

Answer

안녕하십니까,

좋은 비유 감사합니다. 아마도 말씀하신 바대로 머신러닝 라이브러리 들이 발전할 가능성이 높습니다.

좀더 편한 API로 더 바뀔수 있을 것 같습니다. 특히나 하이퍼 파라미터 최적화 부분은 그렇게 가야하지 않을까 싶습니다. 또한 데이터 전처리, Feature Engineering 부분도 AutoML 같은 개념이 조금씩 인기를 얻어가고 있습니다.

하지만 아직 가야할 길이 많습니다. 특히 Feature Engineering 부분은 여전히 사람이 업무로직에 맞게 사람이 처리해야만 하는 부분이 계속적으로 존재 할 것 같습니다. 아직까지는 완전 자동화에 여러가지 문제점이나 성능상 제약이 존재합니다.

언제일지는 모르지만 말씀하신대로 머신러닝 개발의 흐름이 바뀔 수 있을것 입니다. 하지만 적어도 몇년안에는 완벽하게 개발자의 개입을 대체하는 것은 어려워 보인다는게 제 개인적인 의견입니다.

좋은 의견 감사합니다.