텐서플로우, 카프카, 멤SQL을 사용한 실시간 머신러닝
OSS
게시글 작성 시각 2017-11-21 07:57:15
2017년 11월 20일 (월)
ⓒ ITWorld, Gary Orenstein | InfoWorld
주요한 머신러닝 라이브러리 가운데 하나로 부상한 텐서플로우(TensorFlow)는 운영 데이터베이스와 결합할 경우, 정밀한 머신러닝 워크플로우를 신속하게 구축하기 위한 기반을 제공한다.
Credit: Getty Images Bank
이번 글에서는 스피드 데이팅(speed dating) 데이터 집합을 사용한 머신러닝 워크플로우를 살펴본다. 전체적인 목표는 머신이 제안한 매치와 사람이 직접 다른 사람의 프로필을 보고 선택한 매치를 비교하는 것이다. 데이터 집합의 출처는 캐글(Kaggle)의 스피드 데이팅 실험 데이터다.
이 과정에서 멤SQL(MemSQL) 파이프라인을 사용해 카프카의 데이터를 데이터베이스로 실시간으로 스트리밍하는 방법을 자세히 살펴본다. 데이터가 흡수되면 몇 가지 기본 텐서플로우 알고리즘을 사용해 데이터를 학습시키는 동시에 분류한다. 마지막으로 머신이 매치를 얼마나 잘 결정하는 지를 확인해본다.
여기 소개하는 전체적인 아키텍처는 새로운 데이터 집합을 사용한 더 복잡한 머신러닝 워크플로우를 만들기 위한 템플릿으로 사용할 수 있다.
텐서플로우로 머신러닝 워크플로우 추가
이 아키텍처는 학습 및 분류 데이터가 카프카를 통해 스트리밍되어 질의 가능한 영구 데이터베이스에 저장되는 구조다. 스트림을 데이터베이스에 집어넣기 전에 멤SQL과 파이프라인 함수를 활용해 스트림에서 텐서플로우 작업을 실행한다.
Credit: MemSQL
카프카에서는 분류와 학습, 두 개의 카프카 주제를 설정한다. 원시 학습 및 분류 데이터는 카프카 주제에서 멤SQL 파이프라인으로 스트리밍된다. 데이터베이스에서는 speed_dating_matches라는 데이터베이스를 만들고 이 데이터베이스 안에서 dating_training과 dating_results, 두 개의 테이블을 만든다.
- dating_training은 단일 행 테이블로, 여기에 학습 평가의 출력을 저장해서 학습이 이뤄지는 동작을 보여준다.
- dating_results에는 가능한 데이트에 대한 모든 데이터와 이 데이트가 매치로 결정되었는지 여부가 저장된다.
isMatch = 1은 데이트가 매치였음을 의미
isMatch = 0은 데이트가 매치가 아니었음을 의미
그 다음 두 개의 파이프라인 speed_dating_training과 speed_dating_results를 만들어 카프카 주제에서 데이터를 스트리밍하고 이 데이터를 사용해 학습 및 분류하고 최종 결과를 해당 테이블에 넣는다.
머신러닝을 적용해 매치 예측
스피드 데이팅 정보에는 6가지 특성(매력, 지능, 재미, 공통 관심사, 성실성, 포부)을 대상으로 한 100점의 우선순위 포인트가 포함된다. 또한 약력, 고향에 관한 흥미로운 정보, 학습 관심사(대학생들을 대상으로 데이터 수집), 그리고 영화와 요가, 여행, 비디오 게임 등의 취미도 포함된다.
학습 데이터는 사전에 결정된 매치 집합이며 분류 데이터는 예측된 매치 가능성을 반영한다. 이 정보를 사용해 학습 데이터에서 매치가 된 사람을 보고, 질문에 대해 스스로 답을 해서 누구와 매치가 되고 싶은 지를 확인한다.
데이트 특성이나 관심사 측면에서 평균적인 사람이 중요시하는 요소는 무엇인지, 평균적인 사람과 내가 직접 매치로 선택한 사람 간에는 어떤 차이점이 있는지 등 더 세부적인 질문을 할 수 있다. 또한 전체 데이터 집합을 대상으로 쿼리하거나 매치로 결정된 데이터 집합의 하위 집합을 쿼리할 수 있다.
내장된 텐서플로우 모델 사용하기
텐서플로우에는 다음을 포함해서 선택 가능한 여러 가지 내장된 모델이 있다.
- DNNClassifer
- DNNRegressor
- DNNLinearCombinedClassifier
- DNNLinearCombinedRegressor
- LinearClassifier
- LinearRegressor
이 데모에서는 선형 분류기(Linear classifier)를 선택하고, 다음 데이터 형식의 조합을 모델 입력의 기반으로 사용한다.
- CSV 필드 이름 : CSV 필드 이름은 CSV를 판다스(Pandas) 데이터프레임으로 읽어 들일 때 사용하는 이름이다.
- 텐서플로우 범주 특징 열 : 범주 특징 열은 개별 수로 표현할 수 없는 모든 항목이다. 거주 국가, 직업, 모교 등은 모두 범주 특징 열의 예다. 텐서플로우의 좋은 점 가운데 하나는 주어진 범주에 대한 개별 값이 몇 개가 될지 알 필요가 없고, 희소 벡터를 알아서 생성해준다는 점이다. 텐서플로우 문서의 텐서플로우 선형 모델 자습서에서 "기본 범주 특징 열" 단원을 참조하라.
- 텐서플로우 연속 특징 열 : 연속 특징은 수로 표현 가능한 모든 것이다. 나이, 급여, 최고 달리기 속도는 모두 연속 특징 열을 사용해 표현할 수 있는 항목에 해당된다. 더 자세한 내용은 텐서플로우 선형 모델 자습서의 "기본 연속 특징 열" 단원에서 볼 수 있다.
학습 및 분류 데이터 활용
이 예에서 스피드 데이팅 데이터 집합의 사람들은 각자가 매긴 특성의 순위, 작성한 약력 정보 및 관심사로 구성된 벡터로 표현된다.
Person <traits, biographical info, interests>
학습 데이터는 다음과 같이 표현된다.
<Person A, Person B, 0>
여기서 최종 값은 매치 아님 또는 매치에 따라 각각 0 또는 1이다. 분류 데이터는 다음과 같이 전달되며 여기서 출력은 예측된 매치에 따라 0 또는 1이다.
<Person A, Bryan>
다음 다이어그램에서 학습 데이터가 전달되어 선형 분류기 모델을 학습시키는 것과 분류 데이터가 텐서플로우 모델로 전달되어 매치의 가능성에 따라 0 또는 1을 출력하는 것을 볼 수 있다.
Credit: MemSQL
텐서플로우와 멤SQL을 사용한 사랑 예측
이 인프라를 구축한 후 각자 자신의 정보를 추가할 수 있다. 이 경우 개인의 데이팅 정보를 분류 워크플로우에 집어넣고 매치의 가능성을 예측할 수 있다. 타당성을 검증하고자 한다면 매치를 보고 본인이 직접 선택했을만한 매치인지 여부를 확인하면 된다.
전체적인 아키텍처는 여러 가지 이점을 제공한다. 카프카를 통한 간단한 신규 데이터 스트리밍을 지원하며 텐서플로우 모델을 기본 상태 그대로 활용하며 SQL로 손쉽게 쿼리가 가능한 형식으로 데이터를 저장한다.
기본적으로 맴SQL에 데이터를 스트리밍하는 동시에 분류하는 기능을 제공한다. 이와 관련해 더 자세한 내용을 알아보려면 텐서플로우 모델 사용에 관한 텐서플로우 문서를 참고하면 된다.
이 애플리케이션의 실제 동작 데모를 보려면 2017년 스트라타 데이터 컨퍼런스 뉴욕(Strata Data Conference New York 2017)의 10분짜리 비디오 "텐서플로우, 카프카, 멤SQL을 사용한 실시간 머신러닝"을 참고하라.
Credit: Getty Images Bank
이번 글에서는 스피드 데이팅(speed dating) 데이터 집합을 사용한 머신러닝 워크플로우를 살펴본다. 전체적인 목표는 머신이 제안한 매치와 사람이 직접 다른 사람의 프로필을 보고 선택한 매치를 비교하는 것이다. 데이터 집합의 출처는 캐글(Kaggle)의 스피드 데이팅 실험 데이터다.
이 과정에서 멤SQL(MemSQL) 파이프라인을 사용해 카프카의 데이터를 데이터베이스로 실시간으로 스트리밍하는 방법을 자세히 살펴본다. 데이터가 흡수되면 몇 가지 기본 텐서플로우 알고리즘을 사용해 데이터를 학습시키는 동시에 분류한다. 마지막으로 머신이 매치를 얼마나 잘 결정하는 지를 확인해본다.
여기 소개하는 전체적인 아키텍처는 새로운 데이터 집합을 사용한 더 복잡한 머신러닝 워크플로우를 만들기 위한 템플릿으로 사용할 수 있다.
텐서플로우로 머신러닝 워크플로우 추가
이 아키텍처는 학습 및 분류 데이터가 카프카를 통해 스트리밍되어 질의 가능한 영구 데이터베이스에 저장되는 구조다. 스트림을 데이터베이스에 집어넣기 전에 멤SQL과 파이프라인 함수를 활용해 스트림에서 텐서플로우 작업을 실행한다.
Credit: MemSQL
카프카에서는 분류와 학습, 두 개의 카프카 주제를 설정한다. 원시 학습 및 분류 데이터는 카프카 주제에서 멤SQL 파이프라인으로 스트리밍된다. 데이터베이스에서는 speed_dating_matches라는 데이터베이스를 만들고 이 데이터베이스 안에서 dating_training과 dating_results, 두 개의 테이블을 만든다.
- dating_training은 단일 행 테이블로, 여기에 학습 평가의 출력을 저장해서 학습이 이뤄지는 동작을 보여준다.
- dating_results에는 가능한 데이트에 대한 모든 데이터와 이 데이트가 매치로 결정되었는지 여부가 저장된다.
isMatch = 1은 데이트가 매치였음을 의미
isMatch = 0은 데이트가 매치가 아니었음을 의미
그 다음 두 개의 파이프라인 speed_dating_training과 speed_dating_results를 만들어 카프카 주제에서 데이터를 스트리밍하고 이 데이터를 사용해 학습 및 분류하고 최종 결과를 해당 테이블에 넣는다.
머신러닝을 적용해 매치 예측
스피드 데이팅 정보에는 6가지 특성(매력, 지능, 재미, 공통 관심사, 성실성, 포부)을 대상으로 한 100점의 우선순위 포인트가 포함된다. 또한 약력, 고향에 관한 흥미로운 정보, 학습 관심사(대학생들을 대상으로 데이터 수집), 그리고 영화와 요가, 여행, 비디오 게임 등의 취미도 포함된다.
학습 데이터는 사전에 결정된 매치 집합이며 분류 데이터는 예측된 매치 가능성을 반영한다. 이 정보를 사용해 학습 데이터에서 매치가 된 사람을 보고, 질문에 대해 스스로 답을 해서 누구와 매치가 되고 싶은 지를 확인한다.
데이트 특성이나 관심사 측면에서 평균적인 사람이 중요시하는 요소는 무엇인지, 평균적인 사람과 내가 직접 매치로 선택한 사람 간에는 어떤 차이점이 있는지 등 더 세부적인 질문을 할 수 있다. 또한 전체 데이터 집합을 대상으로 쿼리하거나 매치로 결정된 데이터 집합의 하위 집합을 쿼리할 수 있다.
내장된 텐서플로우 모델 사용하기
텐서플로우에는 다음을 포함해서 선택 가능한 여러 가지 내장된 모델이 있다.
- DNNClassifer
- DNNRegressor
- DNNLinearCombinedClassifier
- DNNLinearCombinedRegressor
- LinearClassifier
- LinearRegressor
이 데모에서는 선형 분류기(Linear classifier)를 선택하고, 다음 데이터 형식의 조합을 모델 입력의 기반으로 사용한다.
- CSV 필드 이름 : CSV 필드 이름은 CSV를 판다스(Pandas) 데이터프레임으로 읽어 들일 때 사용하는 이름이다.
- 텐서플로우 범주 특징 열 : 범주 특징 열은 개별 수로 표현할 수 없는 모든 항목이다. 거주 국가, 직업, 모교 등은 모두 범주 특징 열의 예다. 텐서플로우의 좋은 점 가운데 하나는 주어진 범주에 대한 개별 값이 몇 개가 될지 알 필요가 없고, 희소 벡터를 알아서 생성해준다는 점이다. 텐서플로우 문서의 텐서플로우 선형 모델 자습서에서 "기본 범주 특징 열" 단원을 참조하라.
- 텐서플로우 연속 특징 열 : 연속 특징은 수로 표현 가능한 모든 것이다. 나이, 급여, 최고 달리기 속도는 모두 연속 특징 열을 사용해 표현할 수 있는 항목에 해당된다. 더 자세한 내용은 텐서플로우 선형 모델 자습서의 "기본 연속 특징 열" 단원에서 볼 수 있다.
학습 및 분류 데이터 활용
이 예에서 스피드 데이팅 데이터 집합의 사람들은 각자가 매긴 특성의 순위, 작성한 약력 정보 및 관심사로 구성된 벡터로 표현된다.
Person <traits, biographical info, interests>
학습 데이터는 다음과 같이 표현된다.
<Person A, Person B, 0>
여기서 최종 값은 매치 아님 또는 매치에 따라 각각 0 또는 1이다. 분류 데이터는 다음과 같이 전달되며 여기서 출력은 예측된 매치에 따라 0 또는 1이다.
<Person A, Bryan>
다음 다이어그램에서 학습 데이터가 전달되어 선형 분류기 모델을 학습시키는 것과 분류 데이터가 텐서플로우 모델로 전달되어 매치의 가능성에 따라 0 또는 1을 출력하는 것을 볼 수 있다.
Credit: MemSQL
텐서플로우와 멤SQL을 사용한 사랑 예측
이 인프라를 구축한 후 각자 자신의 정보를 추가할 수 있다. 이 경우 개인의 데이팅 정보를 분류 워크플로우에 집어넣고 매치의 가능성을 예측할 수 있다. 타당성을 검증하고자 한다면 매치를 보고 본인이 직접 선택했을만한 매치인지 여부를 확인하면 된다.
전체적인 아키텍처는 여러 가지 이점을 제공한다. 카프카를 통한 간단한 신규 데이터 스트리밍을 지원하며 텐서플로우 모델을 기본 상태 그대로 활용하며 SQL로 손쉽게 쿼리가 가능한 형식으로 데이터를 저장한다.
기본적으로 맴SQL에 데이터를 스트리밍하는 동시에 분류하는 기능을 제공한다. 이와 관련해 더 자세한 내용을 알아보려면 텐서플로우 모델 사용에 관한 텐서플로우 문서를 참고하면 된다.
이 애플리케이션의 실제 동작 데모를 보려면 2017년 스트라타 데이터 컨퍼런스 뉴욕(Strata Data Conference New York 2017)의 10분짜리 비디오 "텐서플로우, 카프카, 멤SQL을 사용한 실시간 머신러닝"을 참고하라.
※ 본 내용은 한국IDG(주)(http://www.itworld.co.kr)의 저작권 동의에 의해 공유되고 있습니다.
Copyright ⓒITWORLD. 무단전재 및 재배포 금지
[원문출처 : http://www.itworld.co.kr/news/107256]
번호 | 제목 | 조회수 | 작성 |
---|---|---|---|
공지 | [Open UP 활용가이드] 공개SW 활용 및 개발, 창업, 교육 "Open UP을 활용하세요" | 362979 | 2020-10-27 |
공지 | [Open UP 소개] 공개SW 개발·공유·활용 원스톱 지원 Open UP이 함께합니다 | 352787 | 2020-10-27 |
7569 | '서비스로서 블록체인’ 쏟아진다··· 위험부담 없이 기술 테스트 가능 | 5373 | 2017-11-22 |
7568 | SW 행사 한자리에…'2017 SW 주간' 개최 | 5309 | 2017-11-22 |
7567 | 텐서플로 머신러닝의 새로운 기능 | 6020 | 2017-11-22 |
7566 | 게놈 해독도 오픈소스 바람 분다 | 5434 | 2017-11-21 |
7565 | 구글·아마존 AI 스피커, 뻥 뚫린 블루투스 취약점... 최신 패치 서둘러야 | 4308 | 2017-11-21 |
7564 | 텐서플로우, 카프카, 멤SQL을 사용한 실시간 머신러닝 | 5892 | 2017-11-21 |
7563 | “IBM의 서버리스 컴퓨팅, 오픈소스로 승부한다” | 5080 | 2017-11-15 |
7562 | 전기화재 발화지점, 블록체인은 알고 있다 | 4911 | 2017-11-15 |
7561 | 글로벌 칼럼 | 알리바바 클라우드의 영향력은 종이 호랑이? | 5218 | 2017-11-15 |
7560 | 래블업, 온라인 코딩 교육 플랫폼·머신러닝 관리 솔루션 출시 | 5222 | 2017-11-15 |
0개 댓글