ML Kit for Firebase

 기계학습 도입이 어려운 이유는 질과 양을 모두 담보하는 데이터의 부족, 모바일 기기에서의 추론에 최적화된 모델의 개발 등이 있습니다. 이러한 문제를 해결하기 위해 구글은 지난 5월 8일부터 10일까지 미국 캘리포니아 마운틴 뷰에 열렸던 구글 I/O 2018 컨퍼런스에서 ML Kit 베타버전을 공개했습니다. ML Kit은 기계학습을 시작하는 데 어려움을 느낄 수 있는 개발자들에게 손쉽고 훌륭한 기능을 제공하는 SDK입니다. ML Kit을 사용하면 기계학습에 대한 전문 지식이 없더라도 Android와 iOS에서 쉽게 사용할 수 있습니다. 현재 베타버전에서는 텍스트 인식, 얼굴 검출, 바코드 스캐닝, 이미지 레이블링, 랜드마크 인식 총 5개의 기본 API를 제공합니다. 몇 개월 내에 상황 별 스마트 응답 API, 얼굴인식을 통한 얼굴 윤곽 API도 지원할 예정입니다. 더욱 편리한 점은 이러한 기능들을 온라인, 오프라인 모두에서 사용할 수 있는 점입니다. 온라인 API는 Google Cloud에 접속해 더욱 정확한 결과를 제공합니다.장치 내 탑재된 API를 사용할 경우 이미지 레이블이 약 400개지만, 온라인 API는

10,000개 이상의 이미지 레이블을 제공합니다. 오프라인 API는 장치 내에 탑재되어 있어 네트워크 연결 없이도 활용 가능한 것이 장점입니다. 오프라인 API는 무료로 제공되고, Cloud 기반 API는 사용량별 서버 이용료가 부과됩니다. 또한, Google에서 학습시킨 모델 외에, 자신만의 기계학습모델을 필요로 하는 경우를 위해 TensorFlow Lite를 지원하고 있습니다. 모델을 간단하게 Firebase를 통해 업로드만 하면 Google에서 앱 사용자에게 호스팅을 제공합니다. 이러한 방법으로 개발자는 앱 설치 용량을 줄일 수 있습니다. 또한, 동적 모델을 제공하기 때문에 별도의 앱 업데이트, 재 배포 없이 모델을 업데이트할 수 있습니다. 예를 들어 개발자가 TensorFlow를 써서 1GB짜리 모델을 만들었을 경우, 이 모델을 압축해서 사용자에게 제공해야 하는데 이 이러한 과정을 Firebase에서 제공하고, A/B테스트 또한 제공합니다. Apple의 CoreML과 비교했을 때, ML Kit은 iOS와 안드로이드를 모두 지원하여 두 플랫폼 모두 같은 API를 사용할 수 있다는 점입니다. iOS 개발에 관심 있는 경우 Create ML과 결합한 CoreML이 더 유용할 수 있습니다. 적은 수의 코드로 ML모델을 전송하고 구현할 수 있습니다. CoreML과 ML Kit 모두 훌륭한 SDK이지만 아직은 각각 한계가 존재합니다. 사용 사례와 어떤 플랫폼을 사용할지를 사전에 정확히 이해

하면 기계학습을 조금 더 쉽게 시작할 수 있습니다. 자세한 사항은 아래 링크를 통해 확인할 수 있습니다.

https://developers.google.com/ml-kit/

TensorFlow

 텐서플로우(TensorFlow)는 구글 제품에 사용되는 머신러닝(기계학습)을 위한 오픈소스 소프트웨어 라이브러리입니다. 구글 내 연구와 제품개발을 위한 목적으로 구글 브레인팀이 만들었고 2015년 11월 9일 아파치 2.0 오픈소스 라이센스로 공개되었습니다. 머신러닝과 딥러닝(DeepLearning) 분야를 일반인들도 쉽게 사용하도록 다양한 기능들을 제공합니다. 직관적이고 쉬운 고급 프로그래밍 언어인 파이썬(Python)을 활용하여 연산처리를 작성할 수 있고, 다른 언어들도 대부분 지원하지만 파이썬이 가장 많이 사용된다고 합니다. 텐서플로우는 데이터 플로우 그래프를 통한 풍부한 표현력과 코드 수정 없이