AutoML 솔루션(중소기업 기술로드맵)

스크립트 오류: "Unsubst" 모듈이 없습니다. package.lua 80번째 줄에서 Lua 오류: module 'Module:Namespace detect/data' not found.

개요[편집]

(정의) AutoML은 기계학습(Machine learning), 딥러닝(Deep learning) 등 인공지능 관련 모델 개발에 필요한 다양한 과정을 자동화하여 최적 성능의 모델을 개발하는, 일명 ‘인공지능을 만드는 인공지능’ 솔루션
(필요성) 인공지능 모델 개발을 위한 학습용 데이터 자동 설계 필요

분류	주요내용
후방산업	인공지능 알고리즘 개발, 파이프라인 자동화 기술, 병렬 분산처리 기술, 클라우드 플랫폼 등
AutoML	데이터 자동 설계, 데이터 자동 전처리, 데이터 피처 엔지니어링, 적합한 알고리즘 선택, 하이퍼 파라미터 최적화, 모델평가 등
전방산업	금융, 의료, 헬스케어, 소매업, 제조업, 자율주행 등 인공지능 활용 전 분야

분류	상세내용
데이터 처리 및 피처 엔지니어링 자동화	문제 해결에 적합한 모델에 맞춰 데이터 설계, 수집 및 전처리 과정과 최적의 변수 집합을 찾기 위해 데이터 변환(차원축소, 정규화, 데이터 인코딩 등)을 자동으로 수행
최적 하이퍼파라미터 및 모델 아키텍처 탐색	머신러닝 및 딥러닝 모델 합습에 영향을 미치는 하이퍼파라미터 최적화(Hyperparameter Optimization, HPO)와 신경망 아키텍처 자동탐색(Neural Architecture Search, NAS) 등을 통해 더 나은 성능의 모델을 학습할 수 있음

특허 분석을 통한, 요소기술, 기술수요와 각정 문헌을 기반으로 한 요소기술, 전문가 추천 요소기술을 종합하여 요소기술을 도출한 후, 핵심기술 선정위원회 평가과정 밑 검토/보완을 거쳐 핵심기술 확정

AutoML 솔루션 분야 핵심기술
핵심기술	개요
훈련 모델 성능 측정, 검증 및 평가 자동화 기술*	학습된 인공지능 모델별로 인식, 예측 등 다양한 측면의 성능을 측정하고 이를 검증하여 서비스 배포까지 자동화하는 기술
적합한 인공 신경망 구조 자동 탐색 기술	딥러닝 기반 인공지능 모델 성능이 극대화 되는 인공 신경망 구조를 자동으로 찾는 최적 모델 탐색과정
최적 알고리즘 선택 및 하이퍼파라미터 자동 탐색 기술	다양한 알고리즘 중 문제 해결에 가장 적합한 알고리즘을 선택하고 해당 알고리즘 성능 극대화를 위한 최적 하이퍼 파라미터를 자동으로 탐색하는 기술
데이터 전처리 및 피처 엔지니어링 자동화 기술	문제 해결에 적합한 인공지능 모델에 필요한 형태로 데이터를 자동으로 전처리하고, 최적의 변수 집합을 탐색하기 위한 변수 탐색 및 데이터 변환 과정 자동화
다양한 머신러닝 및 딥러닝 모델 학습을 위한 컴퓨팅자원 효율화 기술	반복적으로 수행되는 인공지는 모델 개발 프로세스의 효율성을 높이기 위한 컴퓨팅 자원 효율화 기술

*표시는 생태계 취약 기술을 의미

머신러닝 알고리즘, 인지과학 등 AI 기초연구 강화 및 생태계 구축을 위해, 광주 AI 집적단지 등을 중심으로 인프라, 기술경쟁력, 규제혁신, 스타트업 지원 등을 강화 필요
초중등학생 대상 SW 의무교육 등 인공지능 머신러닝 관련 분야에 대한 교육 강화를 통한 인공지능 전문 인력 양성 필요

This article "AutoML 솔루션(중소기업 기술로드맵)" is from Wikipedia. The list of its authors can be seen in its historical and/or the page Edithistory:AutoML 솔루션(중소기업 기술로드맵). Articles copied from Draft Namespace on Wikipedia could be seen on the Draft Namespace of Wikipedia and not main one.