python, C, java와 같은 프로그래밍 언어를 다루지 못하면 머신러닝도 못할 거라고 생각한다. 그렇지 않다! 요즘에는 설치만 하면 되는 소프트웨어도 많고, Cloud에서 제공해주는 서비스도 많다.

그 중에서도 가장 유명한 것은 Google’s AutoML!

Google’s AutoML (https://cloud.google.com/automl/docs/)

1. Cloud AutoML Natural Language
   • AutoML Natural Language 분류 : 정의한 라벨에 따라 문서를 분류
   • AutoML Natural Language 항목 추출 : 영어 텍스트 내에서 커스텀 항목 집합을 식별
   • AutoML Natural Language 감정 분석 : 영어 텍스트 내에서 태도를 분석
2. Cloud AutoML Tables
   • AutoML Tables : 전체 팀이 속도와 확장성을 크게 개선시키는 구조화된 데이터 기반 최신 머신러닝 모델을 자동으로 빌드하고 배포
3. Cloud AutoML Translation
   • AutoML Translation : 번역 쿼리가 분야에 맞는 결과를 반환
4. Cloud AutoML Video Intelligence
   • Video AutoML Video Intelligence 분류 : 직접 정의한 라벨에 따라 동영상의 장면과 세그먼트를 분류
   • Cloud AutoML Video Intelligence 객체 추적 : 동영상의 한 순간부터 다음 순간까지 특정 객체를 따르도록 머신러닝 모델을 학습
5. Cloud AutoML Vision : 예시 https://cloud.google.com/vision/?hl=ko#tab4 Try the API에 아무 이미지나 업로드
   • AutoML Vision 분류 : 정의한 라벨에 따라 이미지를 분류
   • AutoML Vision 객체 감지 : 여러 객체를 감지 및 추출하고 이미지 내 위치를 포함한 각 객체의 정보를 제공

AutoML Tables

각 단계는 Quickstart(링크)에 잘 설명되어 있으니, 중요한 개념만 정리한다.

1. 학습 데이터 가져오기 :
   • 가져오기 방식 : from BigQuery / CSV from Cloud Storage / CSV from local PC
   • 데이터 요구사항 : https://cloud.google.com/automl-tables/docs/prepare?_ga=2.123467531.-1851394170.1580693987
2. 데이터 유형 : https://cloud.google.com/automl-tables/docs/data-types
   • 범주형
   • 텍스트
   • 숫자
   • 타임스탬프
   • List
   • Array
3. 문제 유형 : 타겟열 데이터 유형에 의해서 자동으로 결정 (https://cloud.google.com/automl-tables/docs/problem-types)
   • classification : 타겟열 데이터 유형이 카테고리인 경우 (binary or multiple)
   • regression : 타켓열 데이터 유형이 숫자인 경우