공개SW 소식

2017년 12월 5일 (화)

ⓒ CIO Korea, Christina Mercer | Computerworld UK



현업이 업무에 인공지능 접목을 점점 더 많이 요구하는 가운데 대규모 데이터 세트에서 시스템을 학습하는 머신러닝은 여러 가지 이점을 제공하는 것으로 알려졌다. 이는 금융에서 사기 예방을 위한 예측 모델 구축을 의미할 수 있다. 예를 들어 소매기업은 고객에게 더 나은 권장 사항을 제시할 수 있다.

구글, 마이크로소프트, IBM, AWS는 모두 각각의 클라우드 플랫폼을 통해 머신러닝 API를 제공하므로 개발자는 알고리즘의 복잡성을 일부 추상화하여 서비스를 보다 쉽게 만들 수 있다. 또한 데이터 과학자들이 좀더 깊이 있는 수준에서 사용할 수 있는 오픈소스 딥러닝 프레임워크가 점점 늘어나는 추세다.

다음은 데이터 과학자와 개발자가 사용하는 데 편리한 머신러닝 툴이다.

1. 아마존 세이지메이커
Credit: Amazon


많은 데이터 과학자와 개발자는 이미 상용 클라우드 컴퓨팅 플랫폼인 아마존 웹 서비스(AWS)에서 교육 모델을 실행하고 있다.

2017년 11월에 열린 AWS 리:인벤트에서 공개된 세이지메이커는 머신러닝 개발 시 일반적으로 필요했던 수작업을 상당 부분 없애준다는 점에서 주목받고 있다.

세이지메이커는 인프라를 프로비저닝하고 교육 모델을 관리 및 조정하지 않고도 비즈니스 애플리케이션에 머신러닝 알고리즘을 작성, 교육, 배포할 수 있는 플랫폼이다.

이 플랫폼은 데이터 탐색, 정제, 전처리를 위해 주피터(Jupyter) 노트북 통합 개발 환경(IDEs)을 호스팅했다.

사용자는 AWS 알고리즘을 선택하여 텐서플로 같은 유명 프레임워크를 가져오거나 속메이커(SockMaker)에서 도커 컨테이너로 자체 알고리즘을 작성하고 배포할 수 있는 분산 모델 구축, 교육, 검증 서비스를 이용할 수 있다.

교육을 위해서는 S3의 위치와 사용하려는 인스턴스를 지정하기만 하면 된다. 세이지메이커는 자동 확장 및 데이터 파이프라인이 있는 격리된 클러스터와 소프트웨어 정의 네트워크를 실행하여 교육을 시작한다.

HTTPs 엔드포인트는 트래픽을 지원하도록 확장할 수 있는 모델 호스팅에 사용되며 동시에 여러 모델을 A/B 테스트할 수 있게 해준다. 이 알고리즘은 클릭 한 번으로 EC2 인스턴스를 사용하여 곧바로 프로덕션 환경으로 배포할 수 있으며, 그 다음에 가용성 영역 전체에 자동 확장 기능을 사용하여 배포할 수도 있다.

기존의 튜닝 모델은 시행착오 방식이었지만 세이지메이커는 AWS가 말하는 '하이퍼 파라미터 최적화(HPO)'로 제공한다. 세이지메이커는 박스를 체크함으로써 교육 모델의 여러 복사본을 회전하고 머신러닝을 사용하여 각 변경 사항을 병렬로 보고 그에 따라 매개 변수를 조정한다.

2. 아마존 API 서비스
AWS는 상용 머신러닝 API도 안정적으로 구축하고 있다.

2016년에 처음 출시된 3가지 제품으로는 렉스(Lex), 폴리(Polly, 레코그니션(Rekognition)가 있는데 이들은 각각 알렉사 AI 음성 비서 기기의 기본 기술, 텍스트 음성 서비스 기술, 이미지 분석 및 얼굴 인식 기능을 맡고 있다.

그 후 2017년에 아마존은 음성을 텍스트로 변환하는 트랜스크라이브(Transcribe), 언어 간 텍스트를 번역하는 아마존 트랜슬레이트(Amazon Translate), 자연어를 이해하는 아마존 컴프리헨드(Amazon Comprehend), 일괄 및 실시간으로 동영상을 분석하는 컴퓨터 비전 서비스인 아마존 레코그니션 비디오(Amazon Rekognition Video)를 출시했다.

3. 아마존의 DSSTNE

‘데스티니’라고 발음하는 DSSTNE(Deep Scalable Sparse Tensor Network Engine)는 데이터 과학자가 GPU를 사용해 심층 신경망을 훈련하고 배치하게 해 주는 오픈소스 딥러닝 라이브러리다. 구글의 텐서플로 오픈소스화에 대한 대응이라고 볼 수 있다.

DSSTNE는 거대 온라인 쇼핑 업체인 아마존 웹사이트에서 매일 수억 명의 고객에게 제품을 추천해 주는 추천 엔진을 구동하기 위해 사내 엔지니어들이 구축했다.

아마존은 “DSSTNE를 오픈소스 소프트웨어로 공개하고 있다. 그래야만 딥러닝이 약속하는 것이 말과 언어 이해, 개체 인식을 넘어서 검색 및 추천과 같은 다른 분야로 확장될 수 있기 때문이다. 당사는 전세계의 연구자들이 협업을 통해 이를 개선할 수 있기를 희망한다. 나아가 더 많은 분야에서 혁신의 원동력이 되기를 바란다는 점이 더 중요하다”고 밝혔다.

4. 애저 머신러닝 워크벤치

마이크로소프트는 2017년 9월 ‘이그나이트(Ignite)’ 컨퍼런스 중에 마이크로소프트 애저 머신러닝 툴을 대폭 개선한 내용을 발표했다. 마이크로소프트에서 발표한 3가지 주요 머신러닝 툴 중 하나인 애저 머신러닝 워크벤치는 데이터 및 실험 관리를 위한 교차 플랫폼 클라이언트라고 한다.

이 워크벤치는 파이썬, 스칼라, 파이스파크에서의 모델링을 지원할 것이다.

5. 애저 머신러닝 모델 관리

마이크로소프트는 2017년 9월 이그나이트 컨퍼런스에서 애저 머신러닝 모델 관리 툴의 공개도 알렸다.

그 목적은 개발자가 ‘머신러닝 워커플로우와 모델’을 관리하고 배치하는 데 도움을 주는 한편 다음과 같은 모델링 기능을 제공하는 것이다.

- 모델 버전 관리
- 모델 확인
- 모델 생산 배치
- 도커(Docker) 컨테이너를 모델로 생성하고 로컬에서 테스트
- 자동화된 모델 재훈련
- 행동으로 옮길 수 있는 통찰력을 위한 모델 텔레메트리(telemetry) 캡처

6. 구글 텐서플로
구글도 자체 텐서플로 소프트웨어 라이브러리를 아파치(Apache) 라이선스를 통해 오픈소스화했다. 이를 통해 구글 포토, 구글 클라우드 스피치(Google Cloud Speech)를 비롯한 많은 자체 서비스가 구동되고 있으며, 이제는 구글 딥마인드(DeepMind) 부서에서 연구용으로 사용되고 있다.

텐서플로우는 CPU 또는 GPU에서 처리 가능한 C++ 또는 파이썬 그래프를 생산할 수 있다. 이 흐름 그래프는 시스템을 관통하는 데이터의 움직임을 묘사한다. 텐서플로의 머신러닝 코드 라이브러리를 공개함으로써 복잡한 심 신경 네트워크를보다 간단하게 구축, 교육 및 배포 할 수 있다.

7. 구글 API
Credit: Google


구글은 자체 클라우드 플랫폼에 다수의 머신러닝 툴을 보유하고 있다. 이 중에서 인기 있는 예측(Prediction) API는 사용자가 구글의 알고리즘을 활용해 데이터를 분석하고 미래 결과를 예측할 수 있게 해 준다. 구글은 이 밖에도 스피치(Speech), 번역(Translate), 비전(Vision) 등 사용자가 자신만의 머신러닝 기반 서비스를 구축할 수 있는 API를 추가했다.

2017년 3월, 구글은 동영상 내 개체를 자동으로 인식하여 검색할 수 있게 해 주는 새로운 머신러닝 API를 출범시켰다. 이 API는 클라우드 비디오 인텔리전스(Cloud Video Intelligence)라고 하며 개발자는 이를 이용해 동영상에서 특정 개체를 자동으로 추출할 수 있다. 기본적으로 이 API는 개발자가 검색할 수 있는 단어, 예를 들면 나무 또는 집 같은 단어를 기준으로 동영상 내 이미지에 태그를 붙일 수 있게 해 준다. 현재 개발자들은 베타 버전을 신청할 수 있다.

8. 마이크로소프트 DMLT

마이크로소프트의 머신러닝 툴킷 깃허브(에서 사용 가능)의 목적은 혼잡한 머신러닝 클러스터의 불편을 덜어줌으로써 여러 개의 (그리고 서로 다른) 머신러닝 애플리케이션을 동시에 실행하기 더 쉽게 만들어 주는 것이다.

마이크로소프트 측은 “대형 모델일수록 다양한 애플리케이션에서 정확성이 높아지는 경향이 있다”고 전제하며 “일반 머신러닝 연구자와 수행자가 대형 모델을 배우기에는 여전히 어렵다”고 덧붙였다.

9. 마이크로소프트 CNTK

역시 마이크로소프트의 CNTK(Computational Network Toolkit)는 사용자가 방향 그래프에 표시된 신경망을 생성하게 해 준다. 주로 음성 인식 기술을 위해 만들어졌지만 2015년 4월 이후에는 이미지, 텍스트, RNN(Recurrent Neural Network: 일종의 신경망) 훈련을 지원하는 보다 일반적인 머신러닝 툴킷으로 자리 잡았다.

10. IBM 왓슨 애널리틱스
Credit: IBM


왓슨 애널리틱스(Watson Analytics) 클라우드 서비스는 2014년 왓슨을 게임 쇼 우승자에서 진정한 기업용 소프트웨어로 탈바꿈하려는 IBM 계획의 일환으로 공개됐다.

왓슨 애널리틱스의 목적은 예측 분석에 경험이 전무한 조직들이 업무 데이터를 제대로 사용할 수 있도록 도움을 주는 것이다.

IBM은 이미 2013년에 왓슨 개발자 클라우드를 출범시킨 바 있다. 서비스 클라우드로서의 블루믹스(Bluemix) 플랫폼을 통해 API에 접근하게 해 줌으로써 개발자들이 왓슨의 지능을 바탕으로 애플리케이션을 만들 수 있게 해 주었다.

11. 빅ML
Credit: BigML


클라우드에서 인공지능으로 이동하는 것은 대형 IT 회사만이 아니다. 빅ML(BigML)은 인공지능을 더 폭넓은 대상에게 공개하는 것을 목적으로 하는 시장 내 여러 신생기업 가운데 하나다.

2011년 미국 오레곤 주에 설립된 빅ML은 사용자가 데이터 집합을 업로드해 예측을 시작할 수 있는 단순한 사용자 인터페이스를 제공한다.

12. 아파치 스파크 MLlib 및 싱가

아파치 스파크(Spark) MLlib는 인메모리 데이터 처리 프레임워크다. 스파크는 (인메모리 데이터 처리를 위한) 분류, 회귀, 클러스터링, 협업 필터링 등이 포함된 유용한 알고리즘과 유틸리티의 라이브러리를 제공한다. 이 대규모 라이브러리는 계속 커지고 있다.

싱가(Singa)는 아파치 인큐베이터 내의 오픈소스 프레임워크로서 여러 시스템에 걸친 딥러닝 네트워크를 위한 프로그래밍 도구를 제공한다.

13. 벨레스


벨레스(Veles)
는 삼성의 분산형 딥러닝 플랫폼이다. C++로 작성되었으며 노드 간 조정에 파이썬을 이용한다. 벨레스는 훈련받은 모델을 즉시 사용할 수 있게 해 주는 API를 제공하며 데이터 분석에 사용될 수 있다.

14. 알리바바의 알리윤

Credit: Alibaba


2015년 8월, 중국 전자상거래 업계의 거물 알리바바는 자체 클라우드 컴퓨팅 사업인 알리윤(Aliyun)이 기업 고객의 분석 소프트웨어 개발 간소화에 도움이 될 머신러닝 서비스를 제공할 것이라고 발표했다.

이 기술의 기반이 되는 알리윤의 오픈 데이터 처리 서비스(ODPS) 기술은 6시간 이내에 100 페타바이트의 데이터를 처리할 수 있다.

DT PAI 플랫폼은 개발 과정을 단순화할 수 있는 끌어 놓기 방식의 인터페이스를 제공한다.

서비스 발표 당시 알리바바 클라우드 사업의 수석 제품 전문가 샤오 웨이는 “며칠이 걸리던 것을 몇 분 이내에 마칠 수 있다”고 밝혔다.

15. 카페 

카페(Caffe) 는 딥러닝 C++ 프레임워크로서 애초에 머신 비전 목적(이미징 기반의 자동 검사)으로 만들어진 것이다. 버클리 비전 및 학습 센터(BVLC)와 커뮤니티 개발자들에 의해 개발됐다.

이 프레임워크는 이미 “학술 연구 프로젝트, 신생업체 원형, 심지어 시각, 언어, 멀티미디어 분야에서 대규모 산업 애플리케이션”의 일부로 사용되고 있다. 야후는 최근 카페온스파크(CaffeOnSpark)를 오픈소스화하면서 딥러닝 기능과 스파크 데이터 처리 엔진을 결합했다. 구글과 핀터레스트 역시 카페를 영업활동에 활용해 왔다.

16. 네온

네온(Neon)은 네르바나(Nervana)의 오픈소스, 파이썬 기반의 머신러닝 라이브러리다.

2014년 설립된 딥러닝 신생업체인 네르바나는 네온을 기반으로 한 클라우드 서비스도 출범했다. 네르바나 측의 주장에 따르면, 경쟁 서비스보다 속도가 10배 빠르다고 한다. 기업들의 딥러닝 기술 구축, 훈련, 배치가 훨씬 더 빨라진다는 것을 의미한다.

17. Wise.io

Wise.io의 목표도 이미 기업에서 사용할 준비가 된 ‘서비스로서의 머신러닝’으로 인공지능의 사용을 대중화하는 것이다. 2012년 미국 캘리포니아 주에서 설립된 이 신생업체의 알고리즘은 애초에 천문학자들의 새로운 항성 발견과 지도 작성에 도움을 줄 목적으로 개발되었다가 나중에 기업들이 활용하게 되었다.

고객사로는 폭스바겐, 시트릭스 등이 있다.

*이 기사는 '빅데이터·클라우드·오픈소스 집대성' 머신러닝 툴 16선에서 업데이트됐다.



※ 본 내용은 한국IDG(주)(http://www.ciokorea.com)의 저작권 동의에 의해 공유되고 있습니다.
Copyright ⓒCIO. 무단전재 및 재배포 금지


[원문출처 : http://www.ciokorea.com/news/36514]

조회 수 :
74
등록일 :
2017.12.06
11:37:22 (*.162.249.76)
List of Articles
번호 제목 글쓴이 날짜 조회 수
공지 [주간 OSS 동향 리포트] 페이스북 개발자 지원 커뮤니티 '디벨로퍼 서클' 국내 출범 OSS 2017-12-06 802
7644 화웨이, 유기체처럼 진화하는 스마트시티 신경망 전략 발표 OSS 2017-12-11 11
7643 IDG 블로그 | AWS의 쿠버네티스 지원, “옳은 방향으로 한 걸음” OSS 2017-12-08 34
7642 스토리지 장비 노린 랜섬웨어…몸값 3천800만원 요구 OSS 2017-12-08 29
7641 네이버 웨일, 액티브X 지원 내년 10월 중단 OSS 2017-12-08 31
7640 “나야나 효과?” 리눅스 서버 보안시장 ‘활기’ OSS 2017-12-08 35
7639 게임부터 화상연결까지…뜨는 웹 표준 기술 8가지 OSS 2017-12-08 35
7638 “MS 윈도종속 벗자” 국산 개방형OS ‘구름’ 14일 공개 OSS 2017-12-08 59
7637 IT 기업의 새로운 과제 ‘오픈 네트워크’...델 EMC 팔 걷었다 OSS 2017-12-06 59
» 데이터 과학자와 개발자를 위한 머신러닝 툴 17선 OSS 2017-12-06 74


사이트하단 로고, 하단메뉴, 트위터 바로가기

퀵메뉴모음
퀵메뉴열기
퀵메뉴닫기