구글은 데이터 과학자나 인공지능(AI) 연구원들이 보다 쉽고 편리하게 도구를 활용할 수 있도록 끊임없이 노력하고 있습니다.
TensorFlow와 Google Colab은 구글의 대표적인 인기 서비스입니다. 여기에 더 나아가, 클라우드 AI, 클라우드 AutoML, BigQueryML과 같은 다양한 도구들이 Google Cloud Platform에 도입되면서 데이터 과학자와 머신러닝 엔지니어들이 보다 효율적으로 업무를 처리할 수 있게 되었습니다.
다양한 AI 도구들을 고려해 볼 때, 데이터 분석, 모델 학습, 프로덕션 환경 배포 및 모니터링 과정을 반복하는 경우가 많습니다.
구글의 Vertex AI를 사용하면 이 모든 클라우드 제품을 하나의 통합 플랫폼에서 사용하고 관리할 수 있습니다.
버텍스 AI란 무엇인가?
Vertex AI는 AI 모델의 배포 및 유지 관리를 위해 구글의 모든 클라우드 서비스를 통합적으로 제공하는 관리형 머신러닝 플랫폼입니다.
Google Cloud Platform의 모든 기능이 AI 및 머신러닝과 관련되어 있을까요? 아마 그럴 가능성이 높습니다.
구글은 사용자가 작업 흐름에 방해받지 않도록 서비스를 지속적으로 운영합니다. 따라서 인프라 관리에 대한 부담을 줄일 수 있습니다.
이러한 ‘관리형’ 플랫폼을 통해 사용자는 작업 자동화를 통해 머신러닝 워크플로에서 더 중요한 부분에 집중할 수 있습니다. Vertex AI는 초보자에게는 사용 편의성을 제공하고, 전문가에게는 기본적인 작업에 소요되는 시간을 절약해 줍니다.
Azure Machine Learning과 같은 경쟁 AI 플랫폼과 비교했을 때, (공식적으로 주장하는 바에 따르면) Vertex AI는 거의 80% 더 적은 코드로 학습 모델을 만들 수 있어 훨씬 더 쉽습니다.
아래의 공식 비디오에서는 Vertex AI에 대한 기술적인 내용과 이것이 일반적인 머신러닝 워크플로에 미치는 영향을 상세하게 설명합니다.
AI는 비즈니스 혁신에 엄청난 잠재력을 가지고 있지만, 이를 효과적으로 구현하는 것은 여전히 어려운 과제입니다. 따라서 MLOps는 업무 효율성을 높이기 위해 더욱 권장되는 접근 방식입니다.
MLOps는 자동화를 촉진하여 위험을 최소화하면서 즉시 생산 가능한 모델을 배포하는 것을 의미합니다. 이는 품질을 보장하고 시간을 절약하는 데에도 도움을 줍니다.
Google의 Vertex AI는 머신러닝 및 AI 개발자들이 업계에서 MLOps를 활용할 수 있도록 지원하는 서비스형 플랫폼입니다.
Google Vertex AI: 주요 기능
머신러닝 또는 AI에 관심 있는 분이라면 Vertex AI를 통해 무엇을 하고 싶으신지 이미 알고 계실 겁니다.
하지만 먼저 Vertex AI를 시작하기 위해 몇 가지 주요 기능을 살펴보겠습니다.
통합된 머신러닝 워크플로
AutoML, Explainable, Vizier, Edge Manager와 같은 도구를 활용하여 머신러닝 모델을 개발할 수 있습니다. 이 모든 도구를 하나의 플랫폼에서 사용할 수 있다는 것은 매우 큰 장점입니다.
또한, 사용자 정의 코드를 사용하여 학습에 필요한 모든 요소를 중앙 리포지토리에 저장할 수 있습니다.
사전 학습된 API
작업 흐름을 간소화하고 작업을 빠르게 처리할 수 있도록 비전, 비디오, 자연어 처리 등 다양한 분야에서 사전 학습된 API를 제공합니다.
이 API는 기존 애플리케이션에 쉽게 통합하거나 새로운 애플리케이션 개발에 활용할 수 있습니다. 따라서 다른 AI API 플랫폼을 찾아볼 필요가 없을 수도 있습니다.
혁신적이면서도 간단한 솔루션을 개발하고자 한다면, Google의 Vertex AI는 사전 학습된 API를 활용하여 즉시 개발하는 데 큰 도움이 될 것입니다.
노력을 절감할 수 있을 뿐만 아니라, 최소한의 경험만으로도 충분히 활용할 수 있습니다.
원활한 데이터-AI 통합
BigQueryML이 SQL 쿼리를 사용하여 머신러닝 모델을 생성하고 실행하는 데 널리 사용된다는 것은 이미 잘 알려져 있습니다.
Vertex AI를 사용하면 해당 데이터에 쉽게 접근하고 데이터 세트를 플랫폼으로 가져와 작업 흐름과 통합할 수 있습니다. 이를 통해 종단 간 통합을 구현할 수 있습니다.
모든 오픈 소스 프레임워크 지원
모든 오픈 소스 프레임워크는 저마다 장단점을 가지고 있습니다. PyTorch 및 TensorFlow 모델을 배포할 때는 작업 흐름에 맞춰 조정해야 할 수도 있습니다.
하지만 Google Vertex AI는 scikit-learn을 포함한 모든 오픈 소스 모델을 지원합니다.
이를 통해 사용자 정의 코드로 만든 모델이든 AutoML을 사용하여 만든 모델이든, 모든 모델에 동일한 방식으로 접근할 수 있습니다.
Vertex AI의 장점
MLOps는 분명 중요한 요소이지만, Vertex AI에는 그 외에도 몇 가지 중요한 장점이 있습니다. 몇 가지 핵심 사항을 살펴보겠습니다.
인프라 비용 및 시간 절약
Vertex AI는 사용한 만큼만 비용을 지불하는 방식이므로, 자체 인프라(예: Kubernetes를 통해)를 구축하는 데 드는 비용을 절감할 수 있습니다.
또한 머신러닝 모델 학습을 위해 자체 인프라를 설정하거나 관리하는 데 필요한 노력을 크게 줄일 수 있습니다.
따라서 경험이 부족한 분석가나 연구원도 일부 작업을 더 쉽게 처리할 수 있습니다.
초보자와 전문가 모두에게 적합
코딩이나 설정을 거의 하지 않고도 많은 작업을 수행할 수 있다는 점을 고려하면, 초보자에게도 매우 좋은 선택입니다. 머신러닝 모델을 학습하고 배포하는 데 필요한 학습 곡선이 비교적 낮습니다.
Vertex AI는 야심 찬 학습자들을 위한 AI 온라인 강좌를 찾아볼 수 있는 훌륭한 리소스이기도 합니다.
전문가에게는 기본 작업을 수행할 수 있는 다양한 사전 학습된 API와 관리 도구를 제공하여 시간을 절약할 수 있게 해줍니다.
점점 더 복잡해지는 문제를 해결하는 데 기여
Google Vertex AI는 머신러닝 워크플로를 더욱 쉽게 만들어줍니다. 따라서 간단한 문제를 해결하려는 사람들은 더욱 빠르게 솔루션을 얻을 수 있게 되었습니다.
이는 더 많은 사람들이 기본적인 문제에 대한 고민을 덜고 복잡한 문제를 해결하는 데 집중할 수 있도록 도움을 줄 것입니다.
프로덕션 배포 위험 감소
본 문서는 Google Vertex AI에 대한 리뷰는 아니지만, 모델을 배포할 준비가 되었을 때 발생할 수 있는 위험을 줄여줄 것입니다.
따라서 자신 있게 솔루션을 구현하고 문제를 원활하게 해결할 수 있습니다.
Google Vertex AI 시작하기
시작하기 전에, 현재 많은 도구들이 아직 미리 보기 단계에 있다는 점을 인지하는 것이 중요합니다 (추후 변경될 수 있음). 따라서 아직 완전히 안정화되지 않았을 수 있습니다.
Google Cloud Platform 평가판에 가입하면 90일 이내에 사용할 수 있는 300달러 상당의 무료 크레딧이 제공됩니다. AI 플랫폼의 가격은 동일하게 적용됩니다. 자세한 내용은 공식 가격 페이지에서 확인하실 수 있습니다.
Google Vertex AI 제품 페이지에서 시작하실 수 있습니다.