주요 컨텐츠로 이동

AutoML

전문성 강화. 일반 데이터 사이언티스트의 역량 강화

AutoML hero
Glass Box Approach to AutoML

Databricks AutoML을 사용하면 기준 모델과 노트북을 빠르게 생성할 수 있습니다. ML 전문가는 일반적인 시행착오를 빠르게 수정하고 도메인 지식을 사용한 맞춤화에 집중하여 워크플로를 가속화할 수 있으며, 일반 데이터 사이언티스트는 로우코드 접근 방식으로 유용한 결과를 빠르게 얻을 수 있습니다.

Jump-start new ML projects

새로운 ML 프로젝트를 순조롭게 시작

Databricks AutoML은 데이터 사이언티스트가 개발을 순조롭게 시작할 수 있도록 모든 체험 실행에 트레이닝 코드를 제공합니다. 데이터 사이언티스트는 이 코드를 사용하여 머신 러닝(ML)용 데이터 세트 사용의 타당성과 ML 프로젝트의 방향성을 빠르게 평가할 수 있습니다.

다양한 ML 문제 해결

AutoML을 활용하면 분류부터 회귀, 예측에 이르는 다양한 머신 러닝 문제를 해결할 수 있습니다. AutoML은 각 문제 유형에 대해 다양한 머신 러닝 라이브러리의 여러 알고리즘을 사용하므로, 문제에 가장 적합한 옵션을 선택할 수 있습니다.

Prophet logo
Shap logo
LightGBM logo
Scikit Learn logo
apache spark logo
dmlc XGBoost logo
Prophet logo
Shap logo
LightGBM logo
Scikit Learn logo
apache spark logo
dmlc XGBoost logo
Automate the grind of machine learning

머신 러닝 작업 자동화

트레이닝 라이브러리, Experiment 추적을 위한 MLflow 통합, ML 모범 사례(예: 트레이닝 및 테스트 분할, 기능 정규화, 초매개변수 조정)를 사용하여 머신 러닝 프로젝트를 자동으로 설정합니다.

Glass Box Approach to AutoML

AutoML에 대한 "글래스박스(glass box)" 접근 방식

생성된 편집 가능한 노트북에서 도메인 전문 지식으로 기준 모델을 쉽게 맞춤화할 수 있습니다. 또한 이러한 노트북을 활용하여 AutoML 모델이 어떻게 감사 및 규정 준수 요구 사항을 충족하도록 트레이닝되는지 이해할 수 있습니다.

시작할 준비가 되셨나요?