Google for Developers Korea Blog: ML Kit 소개

Google for Developers Korea Blog

한국의 개발자들을 위한 Google for Developers 국문 블로그입니다.

ML Kit 소개

2018년 5월 24일 목요일

<블로그 원문은 이곳에서 확인하실 수 있으며, 블로그 번역 리뷰는 전태균(Machine Learning GDE)님이 참여해 주셨습니다.> .post-body span { white-space: normal !important; } 게시자: Brahim Elbouchikhi, 제품 관리자

오늘날의 급변하는 세상에서 사람들은 지능적인 모바일 앱을 원하며, 이러한 앱은 사용자의 활동에 맞게 작동하거나 스마트한 성능으로 사용자에게 즐거움을 선사합니다. 따라서 우리는 모바일 개발에 있어 머신러닝이 필수 도구가 될 것으로 생각합니다. 이러한 이유로 우리는 화요일 Google I/O에서 ML Kit 베타를 소개했습니다. 이 제품은 Firebase에서 강력하면서도 사용하기 쉬운 패키지로 모바일 개발자에게 Google 머신러닝 전문 기술을 제공하는 새로운 SDK입니다. 정말 기대가 큽니다!

모든 기술 수준을 위한 머신러닝상당수 개발자들은 머신러닝을 시작하는 데 어려움을 느낄 수 있습니다. 일반적으로 신규 ML 개발자는 저수준 모델 구현, 프레임워크 사용 등의 복잡성을 학습하는 데 많은 시간을 보냅니다. 아무리 숙련된 전문가라도 휴대기기에서 실행되도록 모델을 적용하고 최적화하는 것은 엄청난 작업이 될 수 있습니다. 머신러닝의 복잡성 이외에도, 특히 글로벌 사용자를 고려하면 교육 데이터 소싱은 상당한 비용과 시간이 소모되는 프로세스입니다.
ML Kit와 함께 머신러닝을 사용하면 머신러닝에 대한 전문 지식이 없더라도 Android 및 iOS에서 멋진 기능들을 구현할 수 있습니다. 아래에 자세한 정보가 있습니다!
일반적인 사용 사례를 위한 프로덕션 준비갓 시작한 초보자를 위해 ML Kit는 일반적인 모바일 사용 사례를 다루는 5개의 즉시 사용 가능한 "기본" API를 제공합니다.

텍스트 인식

얼굴 검출

바코드 스캐닝

이미지 레이블링

랜드마크 인식

이러한 기본 API를 통해 데이터를 ML Kit에 전달하기만 하면 직관적인 응답을 얻을 수 있습니다. 예시: 초기 사용자 중 하나인 Lose It!은 최신 버전의 칼로리 추적 앱에 여러 기능을 빌드하기 위해 ML Kit를 사용했습니다. 우리의 텍스트 인식 기반 API와 맞춤 모델을 사용하여, 앱이 제품 레이블에서 영양소 정보를 신속하게 캡처하여 이미지로부터 식품 내용물을 입력할 수 있습니다.

ML Kit는 온디바이스 API와 Cloud API를 간단한 공용 인터페이스에 모두 제공하므로, 여러분의 요구사항에 가장 적합한 API를 선택할 수 있습니다. 온디바이스 API는 데이터 처리가 신속하며 네트워크 연결이 없을 때도 작동하는 반면, 클라우드 기반 API는 Google Cloud Platform 머신러닝 기술을 활용하여 더 높은 수준의 정확도를 제공합니다.
이들 API의 실제 사례는 Firebase 콘솔을 참조하세요.

주의: 몇 개월 내에 2개 이상의 API를 더 출시할 계획입니다. 첫 번째는 앱에서 상황별 메시지 회신을 지원하는 스마트 회신 API이고, 두 번째는 기존 얼굴 검출 API를 바탕으로 고밀도 얼굴 윤곽도 지원합니다. 체험해보려면 여기에서 가입하세요!
맞춤 모델 배포머신러닝에 익숙하지만 자신의 사용 사례에 맞는 기본 API를 찾지 못한 경우, ML Kit를 사용하여 자신만의 TensorFlow Lite 모델을 배포할 수 있습니다. Firebase 콘솔을 통해 모델을 업로드하기만 하면 저희가 앱 사용자에게 호스팅하고 제공할 것입니다. 이런 방식으로 모델을 APK/번들로부터 분리할 수 있으므로 앱 설치 크기가 줄어듭니다. 또한 ML Kit는 모델을 동적으로 제공하므로 앱을 다시 게시하지 않고도 언제든지 모델을 업데이트할 수 있습니다.
하지만 이게 전부가 아닙니다. 더 많은 작업을 수행하도록 앱이 확장됨에 따라, 앱 크기가 증가하고 앱 스토어 설치 속도에 악영향을 미치며, 데이터 초과 사용으로 인해 사용자에게 비용이 더 부과될 가능성이 있습니다. 모델은 그 크기가 수십 MB에 달할 수 있으므로, 머신러닝이 이러한 상황을 더욱 악화시킬 수 있습니다. 그래서 우리는 모델 압축에 투자하기로 결정했습니다. 특히 학습 데이터와 함께 전체 TensorFlow 모델을 업로드하고 압축된 TensorFlow Lite 모델을 수신할 수 있는 기능을 실험하고 있습니다. 그 이면의 기술이 빠르게 발전하고 있으므로, 이 기술을 체험해보고 피드백을 줄 몇 분의 개발자를 찾고 있습니다. 관심 있으신 분은 여기에서 가입하세요.
다른 Firebase 제품과 함께 사용하면 더 좋습니다ML Kit는 Firebase를 통해 제공되므로, 더욱 방대한 Firebase 플랫폼을 쉽게 활용할 수 있습니다. 예를 들어, 원격 구성 및 A/B 테스트를 사용하여 여러 개의 맞춤 모델을 실험할 수 있습니다. 앱에서 값을 동적으로 전환할 수 있으므로 사용자가 사용하기를 원하는 맞춤 모델을 즉석에서 바꿀 수 있습니다. 심지어 인구분포도를 만들고 여러 모델을 병렬로 실험할 수도 있습니다.
기타 예시:

이미지 레이블을 Cloud Firestore에 저장

성능 모니터링으로 처리 지연 시간 측정

Google 애널리틱스로 사용자 참여의 영향 파악

기타 등등

지금 시작하세요!여러분이 ML Kit를 사용하여 무엇을 만들지 정말 기대됩니다. 다음과 같은 여러 초기 고객들처럼 여러분도 이 제품이 마음에 드시길 바랍니다.

지금 Firebase 콘솔을 방문하여 ML Kit 베타를 시작해 보세요. 전하고 싶은 생각이나 의견이 있으면 저희에게 알려주세요. 항상 귀기울이고 있겠습니다!

Contents

ML/Tensorflow
Android
Flutter
Web/Chrome
Cloud
Google Play
Community
Game
Firebase

검색

Tag

Archive

2024
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2023
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2022
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2021
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2020
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2019
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2018
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2017
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2016
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2015
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2014
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2013
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 4월
- 3월
- 2월
- 1월

2012
- 12월
- 11월
- 10월
- 9월
- 8월
- 7월
- 6월
- 5월
- 3월
- 2월
- 1월

2011
- 12월
- 11월

Feed

Google
Privacy
Terms