microsoft/FLAML

해결하는 문제

FLAML은 과도한 계산 자원을 소모하지 않고 기계학습(ML) 및 AI 운영을 자동화하는 문제를 해결합니다. 일반적으로 시간과 수작업이 많이 필요한 최적의 모델 선택 및 하이퍼파라미터 최적화 과정을 간소화하며, 특히 엄격한 리소스 제약 조건 하에서도 효율적으로 작동합니다.

작동 방식

FLAML은 전통적인 기계학습 모델과 대규모 언어 모델 모두에 대한 워크플로우를 자동화하는 가벼운 Python 라이브러리를 제공합니다. 연구 기반의 최적화 기법을 사용하여 분류 및 회귀 작업에 대해 빠르게 고품질 모델을 찾습니다. 또한, 사용자 정의 함수, 기초 모델 추론 하이퍼파라미터, MLOps/LMOps 구성 등을 최적화할 수 있는 일반적인 튜닝 도구(tune.run)를 제공하며, 큰 탐색 공간과 복잡한 제약 조건을 처리할 수 있습니다.

대상 사용자

빠르고 경제적인 방법으로 고성능 모델을 찾고자 하는 데이터 과학자 및 ML 엔지니어, 또는 ML/AI 파이프라인에 자동 튜닝을 통합하고자 하는 사용자에게 적합합니다.

주요 특징

• 경제적인 AutoML: 낮은 계산 부하로 분류 및 회귀 작업에 적합한 고품질 모델을 빠르게 찾을 수 있습니다.
• 사용자 정의 가능: 사용자가 학습기(learner)를 제한하거나 사용자 정의 학습기를 사용할 수 있도록 유연한 사용자 정의 기능을 지원합니다.
• 일반적인 하이퍼파라미터 튜닝: 큰 탐색 공간에서 기초 모델 하이퍼파라미터 및 소프트웨어 구성의 최적화가 가능합니다.
• 제로샷 AutoML: 수작업 튜닝 없이 작업별로 고성능 하이퍼파라미터 설정을 제공합니다.
• 통합 지원: MLflow와 완전히 통합되어 있으며, Microsoft Fabric Data Science에서도 지원됩니다.