파이썬 기반 오픈소스 머신러닝 플랫폼 구축 및 실행 단계
초록색 뱀과 신경망 구슬들이 흩어져 있고 나무 블록이 나란히 놓인 사실적인 모습입니다. 안녕하세요! 10년 차 생활 블로거 김창수입니다. 오늘은 제가 최근에 푹 빠져있는 주제인 파이썬 기반의 오픈소스 머신러닝 플랫폼 구축에 대해 이야기해보려고 해요. 처음에는 코딩의 '코'자만 들어도 머리가 아팠는데, 하나씩 따라 하다 보니 생각보다 재미있더라고요. 요즘은 데이터가 돈이 되는 세상이라 그런지 개인용 서버 하나쯤 구축해두면 활용도가 정말 무궁무진하거든요. 전문가들만 하는 영역이라고 생각하기 쉽지만, 사실 오픈소스 도구들이 워낙 잘 나와 있어서 초보자도 충분히 도전해 볼 만한 가치가 있어요. 저도 처음에는 환경 설정하다가 컴퓨터를 몇 번이나 포맷할 뻔했는지 모릅니다. 하지만 그 과정을 겪고 나니 이제는 어떤 라이브러리가 나에게 맞는지 눈에 들어오기 시작하더라고요. 여러분은 저처럼 고생하지 마시라고 제가 겪은 시행착오와 꿀팁들을 몽땅 담아봤습니다. 목차 1. 기초 인프라: 아나콘다와 가상환경 설정 2. 머신러닝 프레임워크 비교: 텐서플로우 vs 파이토치 3. 김창수의 눈물겨운 환경 구축 실패담 4. 실전! 모델 학습 및 실행 단계별 프로세스 5. 자주 묻는 질문(FAQ) 기초 인프라: 아나콘다와 가상환경 설정 머신러닝 플랫폼을 만들 때 가장 먼저 해야 할 일은 파이썬 설치가 아니에요. 바로 아나콘다(Anaconda) 를 설치하는 일입니다. 아나콘다는 수많은 데이터 과학 패키지를 한데 모아놓은 종합 선물 세트 같은 존재거든요. 패키지 간의 충돌을 막아주는 가상환경 기능이 포함되어 있어서 정말 편리하더라고요. 저 같은 경우에는 프로젝트마다 환경을 따로 분리해서 사용하고 있어요. 가상환경을 만드는 이유는 명확합니다. 어떤 프로젝트는 파이썬 3.7 버전이 필요하고, 또 다른 프로젝트는 3.10 버전이 필요할 때가 있거든요. 이때 가상환경을 쓰지 않으면 라이브러리들이 서로 엉켜서 시스템 전체가 마비될 수 있어요. 터미널에서 conda...
