[AICE 자격증] 노코딩 AIDU ez 활용법 (2일차)

AICE 자격증 학습 블로그 챌린지 (2일차)

다음은 제공된 2일차 스터디 플랜이다. 

2일차 스터디 플랜

유데미 2일차 학습 분량

 

열심히 들은 흔적(?)... 오늘은 대부분 실습 위주로 블로그에 어떻게 올려야할지 잘 모르겠지만 일단 최대한 정리해보겠다. 막상 실행하면 정말 쉽고 간단해서 실습 방법은 굳이 외울 필요는 없을 듯하다

 

1. 환경구성 및 데이터 가져오기(실습)

 

- AICE 홈페이지 접속 및 회원가입, 로그인 : https://aice.study/

AICE

 

- AICE 실습실 들어가기 : 상단 배너의 AICE 실습 -> 나의 프로젝트

AICE 실습실 들어가는 법 1

 

- 기본 프로젝트 클릭 후 세부 옵션 조정

AICE 실습실 들어가는 법 2

기본 프로젝트 내 옵션들

(각 페이지를 올리면 너무 의미없이 길어질 것 같아 각 메뉴의 간단한 기능 소개하고 스킵)

- 기본정보 : 자원 현황과 같은 Dashboard 조회

- 프로젝트 멤버 : 프로젝트 멤버 등록(프로젝트 내 데이터와 소스코드 공유)

- 데이터 관리 : PC Data 업로드

- 소스 Viewer : 프로젝트 멤버별 작업공간 조회

- 분석IDE : Jupyter lab(소스코드 기반) 또는 AIDU ez(GUI + 클릭 기반)

- 모델학습 : AI 모델 학습

- 공유모델 : 생성된 AI 모델 테스트

 

- AIDU를 선택한 후 개발자 환경 조정을 통해 버전 선택과 시스템 자원 설정을 할 수 있다

 

2. 데이터 분석 실습하기(실습)

 

- 데이터를 가져온 후, 왼쪽 탭의 데이터 분석을 통해 손 쉽게 데이터를 분석할 수 있다

AIDU 실습 : 데이터 분석

- 기초정보분석 : 데이터의 전체적인 통계 정보

- 시각화 분석 : 산점도 / 히트맵 / 박스차트 / 분포차트 / 워드클라우드 

- 비지도 학습분석 : 차원 축소(PCA, t-SNE) / 군집분석(K-Means, Hierarchy)

- 데이터 샘플 보기

 

3. 데이터 가공 실습하기(실습)

 

- 범주형/텍스트 데이터

  -- 결측값 처리 : 수치형 데이터와 달리 최빈값, 고정값으로만 보완

  -- 데이터 변환 : 범주형 데이터를 수치형으로 변환하는 Encoder 사용

  -- Regex 추출 : 정규 표현식 추출

  -- 자연어 처리 : Komoran, Hannanum을 활용한 형태소 분석 및 명사 추출

 

- 수치형 데이터

  -- 결측값 처리 : 최빈값, 평균값, 중간값, 고정값으로 보완

  -- 데이터 변환 : Transformer을 이용한 데이터 분포, Discretizer를 활용한 연속 데이터 이산화

  -- Scale 조정 : 데이터 Feature 마다 다른 데이터 Scale을 통일하기 위한 Scaler(Min-Max / Standard)

 

- 왼쪽 탭의 데이터 가공을 통해 손쉽게 데이터를 가공할 수 있다

AIDU 실습 : 데이터 가공

 

4. AI 모델링 & 머신러닝 이해하기(이론)

 

- AI 적용 프로세스 : 문제 정의 - 데이터 수집 - 데이터 분석 및 전처리 - AI 모델링 - AI 적용

  -- 1. 문제 정의 : 얻고자 하는 게 무엇인가?

  -- 2. 데이터  수집 : 어떤 종류의 데이터를 얼마나 확보할 수 있는가?

  -- 3. 데이터 분석 : 데이터의 분포와 연관관계는 어떠한가? 의미 있는 데이터는?

  -- 4. AI 모델링 : 어떻게 학습시킬 것인가? 어떤 항목을 활용할 것인가?

  -- 5. AI 적용 : 모델의 성능은? 모델을 어떻게 활용할 것인가?

 

- AI 모델링 : 비지니스 문제를 파악한 후 이를 해결하기 위한 머신러닝(인공지능) 문제로 전환

유데미 : AI 모델링

유데미 : AI 모델링 과정

 

- Hyper Parameter(초매개변수) : 사용자가 직접 적용하는 세팅값

- Dropout : 과적합을 줄이기 위해 임의로 노드를 제거하는 확률

- Optimizer : 파라미터를 업데이트하기 위한 최적화 알고리즘 종류

- Epoch : 전체 데이터 샘플을 학습하는 횟수

- Batch Size : 1회 파라미터 업데이트를 위해 학습하는 샘플 개수

- Early Stop : 학습 조기종료 옵션

- Train / Validation / Test : 훈련/검증/시험으로 각각 학습지/모의고사/수능

 

5. 정형 데이터 모델링 실습하기

 

- 왼쪽 탭에서 AI모델 학습을 통해 손쉽게 AI모델을 학습시킬 수 있다(이후 활용하기 위해서는 학습 후 저장해야 함)

AIDU AI모델 학습

 

- 모델 성능 평가 방법

유데미 : 모델 성능 평가 방법

 

6. 학습 모델 활용하기

 

- 왼쪽 탭에서 AI모델 활용을 통해 손쉽게 저장한 AI모델을 활용할 수 있다

AIDU AI모델 활용

AIDU AI모델 활용2

- AI 모델 활용 : 분석하기 / 변수 영향도 확인 / 시뮬레이션 / 예측하기 / 다운로드하기 / 삭제하기

  -- 분석하기 : 모델의 성능평가 지표 재확인

  -- 변수 영향도 확인 : 모델에 기여한 변수 영향도 확인

  -- 시뮬레이션 : 모델을 사용해 특정 샘플에 대한 시뮬레이션 진행

  -- 예측하기 : 모델을 사용해 데이터에 대한 예측 실행

  -- 다운로드하기 : 모델 다운로드

  -- 삭제하기 : 모델 삭제

 

 

나머지는 위의 기능들을 활용한 타이타닉 데이터 실습인데, 위의 내용 그대로 적용하는 거라 스킵

정말 편리했는데, 이렇게 보급하면 확실히 코딩을 못하는 타 전공자들도 손쉽게 자신의 도메인에서 활용할 수 있을 것 같다