기계 학습 자동화: 제조 산업에서의 AutoML 평가와 거대 언어 모델을 통한 효율적인 데이터 처리 방안

Abstract

본 연구는 제조업 분야에서 기계 학습 모델의 적용과 최적화를 위해 AutoML(Automated Machine Learning)을 활용하는 새로운 접근 방법을 제안한다. 이 연구에서는 GPT-3.5 기반의 거대 언어 모델을 적용하여 데이터 전처리 과정에서 사용자의 개입 없이 타겟 특성을 자동으로 선택하고, 이를 통해 다양한 제조업 데이터 집합에 최적화된 다수의 기계 학습 모델을 자동으로 학습하고 평가하는 방법을 제안한다. 실험 결과, 본 연구에서 제안된 방법론을 사용하여 대부분의 데이터셋에서 효율적으로 타겟 특성을 선택할 수 있었고, 모든 데이터셋에 대해 순수한 XGBoost, TabNet과 비견되는 높은 정확도와 AUC 값을 달성하였다. 이 연구의 결과는 제조업 분야에서 기계 학습 모델을 효율적으로 적용하고 최적화하는 데 있어서 AutoML과 GPT-3.5의 통합 사용이 유용함을 보여준다.