AutoML

AutoML

머신러닝 파이프라인의 특징 공학·모델 선택·하이퍼파라미터 튜닝·아키텍처 탐색 등을 자동화하여 비전문가도 고성능 모델을 구축할 수 있게 하는 기술

특징: 파이프라인 자동화, 비전문가 접근성, 탐색 기반 최적화

자동화대상: 데이터전처리(결측치·스케일링), 특징선택(중요도 기반), 모델선택(후보군 비교), 하이퍼파라미터튜닝(Grid·Random·Bayesian), NAS(신경망구조탐색)

도구: Google AutoML(클라우드), H2O.ai(엔터프라이즈), AutoKeras(딥러닝), TPOT(유전알고리즘), Auto-sklearn(사이킷런)

장점: 시간절약, 비전문가접근, 성능최적화

단점: 블랙박스, 계산비용, 유연성부족

적용사례: 비즈니스분석가용ML, 프로토타입빠른구축, Kaggle자동화

비교: 수동ML(전문가필요·유연) vs AutoML(자동화·빠름) vs NAS(아키텍처탐색·고비용)

연관: 하이퍼파라미터튜닝, NAS, MLOps