People

< 알쓸패잡_패션과 IT >

김은희 l 한국오라클 컨설턴트

Monday, July 27, 2020 | 외고, mizkim@fashionbiz.co.kr

  • VIEW
  • 1476
패션과 IT...패션에서 진화하는 머신러닝






좋아할 만한 옷을 꼭 집어 추천해주는 ‘스티치 픽스’ 옷 이미지를 인식해서 ‘1초만에’ 속성을 자동 입력해주는 인공지능 ‘옴니어스’ 신체 사이즈를 입력하면 그 옷이 내 몸에 맞는지 알려주는 ‘미테일’. 최근 패션계에서 인공 지능의 활약이 대단하다.

최근에는 인공지능(AI), 머신러닝(Machine Learning)의 알고리즘이 진보되어 이미지, 취향, 피팅, 판매 예측이 더욱 높아지고 있다고 한다.  IT와 패션이 접목되면서 패션계에서도 IT용어는 알아야 할 대상이 되었다.

그런데, ‘머신 러닝’은 무엇일까? ‘배우는 기계’, ‘학습하는 기계’, ‘기계 학습’정도로 생각해 볼 수 있는 머신 러닝은 인공지능의 한 분야이다. 아서 사무엘(Arthur Samuel)에 의해 개념이 정의되었는데, 명시적으로 프로그래밍에 의해 모든 가능한 입력값에 대한 해답을 구하는 방식이 아니라 패턴과 추론을 통해 컴퓨터(머신)가 문제를 스스로 학습하는 것이다.  

머신 러닝에서 핵심은 기계가 스스로 배워서 문제를 해결하는 것으로서 문제를 해결한다는 것은 X와 Y의 관계를 설정하는 것이라고 할 수 있다. 한마디로 어떤 사건의 결과(Y)를 놓고 이에 영향을 주는 설명 변수(X)의 조합이라는 모델(model)을 상정해 놓고 그 모델을 정교하게 만들어 가는 과정이다.

공학에서는 모든 삼라만상을 수학식으로 표현하고자 하는 본질이 있으니 수학식(모델)을 스스로 만들어가는 과정이라고 생각하면 좀더 쉬워진다. 과거 프로그래밍에서는 사람이 명시적으로 컴퓨터 언어(포트란, 코볼, 베이직, C, C++, 자바, 파이썬)로 프로그래밍(코딩)을 해서 지침을 내려주었고 기계는 연산을 했다.

그러나 머신러닝은 계산기와는 다른 고차원적인, 학습하는 머신이다. 단순히 연산만 하는 것이 아니라 주어진 변수(X, Y)의 관계식을 스스로 전개해 나간다. 여기서 X는 ‘설명변수’ ’속성’ ‘Feature(피처, 특징)’라고 부르며 Y는 ‘종속변수’ ‘Label(라벨)’이라고 부른다.  

또 데이터를 관계식 모델에 집어넣고 계수(parameter)를 끊임없이 계산해 나가는 과정을 ‘알고리즘’이라고 한다. 알고리즘은 R, 파이썬, SQL, SAS 베이스 등 다양한 컴퓨터 언어로 코딩할 수 있으며, 관계식으로는 클러스터링, 선형회귀식, 로지스틱 회귀식, 랜덤포레스트, SVM, 인공신경망 등 고급 수학식을 사용할 수 있다. 이제 분석 플랫폼에서 머신 러닝을 실행시키면 아웃풋(결과값)이 나오는데, 그것은 파라미터가 탑재된 모델(수학식)과 Y값이다.

이 Y값을 가지고 추론하는 것은 인간의 영역이다. 패션의 사례로 이야기하면 과거 판매량, 할인, 상품속성, 고객속성/취향을 변수로 회귀식을 학습하여 판매량을 예측하거나 로지스틱 회귀식을 학습해 고객이 구매할지를 예측할 수 있다.

체형 치수를 클러스터링할 수도 있고 상품 이미지를 인공신경망을 학습해 속성을 뽑아낼 수 있는 것이다. 이제 머신러닝은 끊임없이 변수를 고도화시키고 예측률이 높은 파라미터를 찾아낼 수 있게 되었고 드디어 내게 ‘꼭’ 맞는 상품, 피팅, 쿠폰을 제공할 수 있게 진화를 거듭하고 있는 것이다.

■ profile
•현 한국오라클 컨설턴트
•MIT 로지스틱스 & SCM 공학석사
•FIT 패션 바잉 & 머천다이징 전공

<저작권자 ⓒ Fashionbiz , 무단전재 및 재배포 금지>