FLAML: 모델 선택 및 하이퍼파라미터 최적화를 위한 빠르고 경제적인 AutoML 엔진

해결하는 문제

FLAML은 머신러닝 및 AI 운영을 더욱 경제적이고 효율적으로 만들기 위해 설계되었습니다. 과도한 컴퓨팅 리소스를 소비하거나 깊은 수동 튜닝 전문 지식이 필요하지 않으면서도 최상의 성능을 내는 모델과 하이퍼파라미터를 찾는 문제를 해결합니다.

작동 방식

FLAML은 머신러닝 모델 선택과 하이퍼파라미터 최적화를 자동화하는 경량 Python 라이브러리를 제공합니다. 분류(classification) 및 회귀(regression)와 같은 일반적인 작업을 지원하며, scikit-learn 스타일의 estimator로 사용할 수 있습니다. 또한 사용자 정의 함수, 파운데이션 모델 추론 하이퍼파라미터, 그리고 MLOps/LMOps 워크플로우를 위한 범용 하이퍼파라미터 튜닝 도구를 제공합니다.

대상 사용자

낮은 컴퓨팅 비용으로 데이터에 적합한 고품질 모델을 빠르게 찾고자 하는 데이터 과학자 및 AI 실무자, 또는 다양한 AI 워크플로우를 위해 빠르고 리소스 제약이 있는 하이퍼파라미터 튜닝 도구가 필요한 사람들을 대상으로 합니다.

주요 특징

• 쉬운 통합을 위한 scikit-learn 스타일의 API 보유
• 훈련 데이터를 기반으로 하이퍼파라미터를 자동으로 설정하는 Zero-shot AutoML 지원
• 복잡한 제약 조건과 조기 종료(early stopping)를 포함한 대규모 탐색 공간 처리 가능
• MLflow 및 Microsoft Fabric Data Science와 통합
• XGBoost, LightGBM, Random Forest를 포함한 다양한 estimator 지원