전문가 Q&A

아니요. XAI는 별도의 영역입니다. autoML 사용 시, deep learning 기반의 alogrithm들이 사용되게 되는데 아시다시피 DNN 이 사용된 알고리즘에서는 XAI와 관련된 이슈가 있습니다.

ML에서는 데이터의 가성비를 생각하기보다, 질 좋은 데이터를 최대한 많이 input으로 넣어주는 것이 효율적이고 효과적입니다.

user ID로 구분합니다.

네 물론입니다. Solution을 각 알고리즘별로 만드셔서 비교하는 방법이 있고, AutoML 기능을 활용하시면 알고리즘별로 결과를 보실 수 있습니다.

쉽게 말씀드리면 Auto ML 기능을 쓰시는 경우는 레서피(알고리즘)에 대해 잘 모르겠다 싶을 때 사용하시면 되구요. 메뉴얼은 각 레서피(알고리즘) 및 input data의 특성 등에 대한 이해도가 어느정도 있을 경우에 사용을 추천드립니다.

기존 데이터가 전혀 없으면 사용이 어렵습니다. 뒤쪽에 말씀하신 데이터 쌓임에 따라 모델 업데이트는 가능합니다.

아니요. 컨테이너와는 관계가 없습니다. S3라는 클라우드 상의 object storage에서 디렉터리/폴더 개념으로 존재하는 것이라고 생각하시면 됩니다.

다른 시스템들에서 접속해서 같이 사용한다는게 무슨 의미인지 잘 모르겠습니다. 다만 버킷이름이 유니크해야하는 이유는, S3의 내부 구조와 연관이 있다고 이해해주시면 될 것 같습니다.

Interaction dataset 외에 input dataset으로 활용 가능한 dataset이 두 개 더 있습니다. User/Item metadata에 대한 것인데요. 이렇게 추가로 dataset를 활용하게 되면 정확도가 올라갈 확률이 더 높아집니다.

보안과는 관련이 없습니다. rating.csv 파일은 현재 화면에 엑셀로 열려있는 화면을 보시면, Personalize 에 input data로 들어갈 interaction dataset의 raw data라고 보시면 됩니다.

오늘 소개해드리는 Forercast와 AWS Sagemaker라는 머신러닝 플랫폼은 S3를 기반으로 작업합니다.
하지만 DB를 데이터 소스로 해서 Sagemaker에서 활용할 수 있는 다양한 방법들을 이미 소개해서 고객분들이 적용하고 있습니다.
https://aws.amazon.com/ko/blogs/machine-learning/run-sql-queries-from-your-sagemaker-notebooks-using-amazon-athena/

많은 데이터와 데이터의 정제 작업은 모델 성능에 반드시 영향을 줍니다.
따라서 (1) 데이터를 모으는 것 (2) 데이터를 정제하는 것을 위해서 자해당 도메인의 데이터를 잘 아시는 것이 무엇보다 중요합니다.
예를 들면 이 데이터가 Null인지 0인지에 따라서도 달라지기 때문에 수집한 데이터가 잘 모아졌는지, 왜곡되었는지를 모델 학습 전에 판단할 수 있어야 합니다.

모델 업데이트 주기는 기업이 가진 데이터의 갱신주기에 따라서 결정되며, 모두 고객의 의지에 의해서 진행됩니다.

물론입니다!! 머신러닝 기반의 시계열 분석은 무조건 데이터가 많아야 합니다. 통계적 패턴이 무시되는게 아니라, 이 또한 포함되어 모델이 만들어집니다.

그 분야의 과거데이터를 바탕으로, 그 분야의 현재와 가까운 미래를 예측하는 방법입니다. 따라서 데이터가 분석하고자 하는 분야와 연관이 있어야 합니다.

머신러닝에서 사용하는 예측 모델은 고객의 데이터를 기반으로 제공되며, 이 때 예측모델의 학습과정에서 사용되는 알고리즘은 수학적인 모델을 기반합니다.
https://docs.aws.amazon.com/ko_kr/forecast/latest/dg/aws-forecast-choosing-recipes.html

ARIMA같은 경우는 전통적인 기법의 구조적인 데이터를 분석하는 알고리즘입니다.

당연하게 데이터에 따라서 알고리즘이 맞지 않은 경우가 많이 있습니다. 따라서 데이터를 기반으로 만든 모델의 성능을 확인하고, 이를 개선화는 과정에서 알고리즘을 변경하는 경우도 많습니다.

네 모든 학습과정은 수치화됩니다.
내가 학습한 모델의 정확성을 위한 매트릭은 아래와 같습니다.
https://docs.aws.amazon.com/ko_kr/forecast/latest/dg/metrics.html

여러 세션을 통해서 해당 비용관리에 대해서 소개된 적이 있습니다.
Youtube의 AWS채널을 통해서 확인하실수 있습니다.

최근 소개된 내용은 아래와 같습니다. https://www.youtube.com/watch?v=Ltw5EixHDNc&pbjreload=101

정확도를 상승시키기 위해서는 새로 유입되는 데이터를 기반으로 지속적으로 학습하여 초기 모델의 성능을 높이는 방법으로 접근하셔야 합니다. 이를 위한 자동화를 위한 방법은 SageMaker를 통해서 제공됩니다.