Technical Strategies for Performance Enhancement of AI Models in AutoML Frameworks

본 논문은 AutoML 프레임워크에서 AI 모델 성능을 향상시키기 위한 기술 전략을 분석한다. Auto-Sklearn, AutoKeras, AutoGluon이라는 세 가지 주요 도구의 구조적 기반, 최적화 접근법, 성능 특성을 비교 평가하였다. 분석 결과, 도메인 특수성 부족, 분절된 인터페이스, 모델 해석 가능성 부족이라는 한계점이 확인되었다. 이를 해결하기 위해 도메인 특화 메타러닝, 뉴로심볼릭 통합 인터페이스라는 두 가지 전략을 제안한다. 이 전략들은 특수 도메인 적용, 다양한 데이터 처리, 규제 산업에서의 투명성 확보라는 과제를 해결한다. 본 접근법은 AutoML을 단순한 하이퍼파라미터 최적화에서 포괄적인 도메인 맞춤형 솔루션으로 발전시켜, 전문가들이 심층적인 AI 지식 없이도 고성능 머신러닝 시스템을 개발할 수 있게 한다.