한 은행에서 내장된 XGBoost 알고리즘으로 SageMaker를 사용하고, 검증 정확도를 목표로 베이지안 자동 하이퍼파라미터 튜닝 작업을 실행했습니다. 현재 배포된 모델의 정확도는 75%입니다. 은행은 ML 전문가에게 하루 안에 프로덕션 정확도를 개선하도록 지시했습니다. 이 시간 내에 모델을 개선하기 위해 시도할 수 있는 가장 빠른 방법은 무엇입니까?

가장 빠른 방법은 SageMaker 웜 스타트 하이퍼파라미터 튜닝을 사용하는 것입니다. 웜 스타트는 이전 튜닝 작업의 결과를 활용하여 새로운 튜닝 작업의 시작점을 개선합니다. 이는 무작위로 처음부터 시작하는 것보다 훨씬 빠르게 최적의 하이퍼파라미터 조합을 찾을 수 있게 해줍니다. 동일한 목표 지표(검증 정확도)를 유지하면 기존 작업의 최적화 방향을 계속 이어갈 수 있어 효율적입니다. 다른 옵션들은 다음과 같은 이유로 최적의 선택이 아닙니다. 증분 학습은 모델 가중치를 업데이트하는 데 사용되며, 하이퍼파라미터 튜닝과는 다릅니다. 새로운 AHT 작업을 생성하고 목표 지표를 변경하거나 최대 학습 작업 수를 늘리는 것은 웜 스타트보다 시간이 오래 걸릴 수 있습니다. AUC나 F1 점수와 같은 다른 지표를 사용하는 것은 새로운 탐색 공간을 의미하며, 하루라는 시간 제약에 맞지 않을 수 있습니다.