3화. 머신러닝 이제는 No-code 가 대세

○ AWS는 기업이 머신러닝을 활용하고자 할 때 소수의 몇몇 데이터 전문가들에게 의존하지 않도록 No-code 환경의 솔루션을 제공

• 최근의 데이터분석 트렌드는 전문적인 지식이 없더라도 누구나 쉽고 빠르게 데이터를 해석하고 인사이트를 얻을 수 있도록 도와주는 툴을 적극 활용하는 것
  
  - 이제는 전문지식이 없어도 누구나 AI를 활용할 수 있는 ‘AI 기술의 민주화(Democratization)’가 도래할 것이며 특히 No-code가 그 중심에 자리잡을 것으로 전망
  
  - 데이터만 충분하다면 몇 번의 클릭만으로 간단하게 머신러닝 모델을 만들 수 있고, 추정된 패턴을 토대로 미래 결과를 예측할 수 있음
  
  - 데이터 분석을 통한 미래 예측은 새로운 기회 창출을 위해 금융은 물론, 의료·제조·스포츠에 이르기까지 거의 모든 산업에서 필수적

○ 아마존 세이지메이커 캔버스(Amazon SageMaker Canvas)는 코딩없이 머신러닝 모델을 구현하여 정확한 예측이 가능하도록 도와주는 솔루션

• 아마존 세이지메이커 캔버스는 분석 데이터 업로드⁵와 동시에 머신러닝 프로세스 전 과정이 자동화되어 마우스 클릭만으로 데이터 전처리와 학습, 평가, 검증까지 가능
  
  - 참고로 머신러닝 수행 프로세스는 크게 ①데이터 탐색 ②데이터 전처리 ③알고리즘 선택 ④하이퍼파라메터 최적화 ⑤학습 ⑥평가 및 검증으로 분류
  
  - No-code를 통해 구현한 머신러닝 모델은 프로그램 코드 형태로도 추출 가능하여 이를 이용해 데이터 과학자들과의 협업이 가능
  
  - 또한 정교한 분석을 위한 시각적인 인터페이스를 제공함으로써 머신러닝에 대한 비전문가들의 접근성을 높임

○ [삼성전자 메모리 마케팅 인텔리전스 그룹의 사례] 삼성전자의 경우 장단기 메모리 수요 예측이 비즈니스 활동에서 매우 중요한 요소

• 실무자들은 프로그래밍이나 머신러닝에 대한 지식이 부족함에도 불구하고 아마존 세이지메이커 캔버스를 활용하여 메모리 수요 예측에 뛰어난 성과를 기록
  
  - 물론 그 과정에서 AWS 서비스들을 이해하고 데이터 구조를 학습하는데 어려움이 있었고 결과물 역시 좋지 않았으나, 프로젝트 규모를 작게 설계하고 실무자들이 분석 툴과 데이터에 익숙해지면서 모델 성능과 결과값이 향상되기 시작
  
  - 모든 분석 과정은 AWS 콘솔창에서만 이뤄졌으며 특별한 프로그램 코딩이나 외부의 툴은 일체 사용하지 않았음(아마존 세이지메이커, 아마존 포케스트(Amazon Forecast) 만을 사용)
  
  - 아마존 세이지메이커 캔버스를 사용한 이후 실무자들은 머신러닝 툴을 사용할 수 있게 되었고 데이터 기반의 결정에 익숙해졌으며, 예측값을 더욱 정교화하기 위해 스스로 학습하게 되었음
  
  - 앞으로는 ▲어떻게 설명 가능한 AI(XAI: Explainable Artificial Intelligence)를 만들 수 있을까? ▲머신러닝 결과를 얼마나 신뢰할 수 있으며 실행까지 이어질 수 있을까? ▲어떻게 더 나은 수요 예측 모델을 만들 수 있을까?에 대한 대답을 찾아갈 계획
  
  - 삼성전자는 현재의 팀이 지금까지 경험한 데이터 분석 과정을 조직 내부에서 공유하고 전파하는 역할을 Next Step으로 설정하고 지속적으로 지원할 예정