안녕하세요. 가을이 슬슬 다가오면서 일교차가 커지고 있어 감기 조심하시고, 몸 건강 잘 챙기시길 바라겠습니다. 오늘은 새로운 Topic이며, DepOps 실 박지호님이 작성해 주신 ‘Google Colab’에 대해 소개하겠습니다. Colab은 Python, Javascript 등과 같은 코딩 카테고리에 속하지만, 프로그램을 다운 받을 필요 없이 Web에서 코드를 작성하고 출력할 수 있다는 장점이 있습니다. 또한, 코드와 출력된 화면을 PDF로 저장하거나, .ipynb, .py 파일 형식으로 다운로드 할 수 있습니다. 이어서 본문에 자세하게 소개해 드리도록 하겠습니다. 🙂
목차
- What is Google Colab?
- 런타임 유형 변경하기
- 추가 컴퓨팅 요금제 알아보기
- Google Colab으로 코드 작성해보기
What is Google Colab?
‘Google Colab‘(Google Colaboratory)을 통해 브라우저 내에서 Python 스크립트를 작성하고 실행할 수 있습니다.
- 구성이 필요하지 않음
- 무료로 GPU 사용 가능
- 간편한 공유할 수 있음
Google Colab은 구글이 제공하는 클라우드 기반 Jupyter Notebook 환경입니다. 즉, 웹 브라우저에서 Python 코드를 작성하고 실행할 수 있습니다. 이 환경은 머신 러닝, 딥 러닝, 데이터 분석 등의 작업을 수행할 때 매우 유용합니다.
Google Colab은 무료로 제공되며, 구글 드라이브와 연동하여 노트북 파일을 저장하고 공유할 수 있습니다. 또한 구글 클라우드 플랫폼과 연동되어 GPU나 TPU 같은 하드웨어 가속기를 사용할 수 있습니다. 이를 통해 대용량 데이터셋을 처리하거나, 복잡한 모델을 학습하는 등의 작업을 빠르게 처리할 수 있습니다.
Google Colab은 다양한 라이브러리와 프레임워크를 미리 설치해 놓았기 때문에, 사용자들은 이를 쉽게 활용할 수 있습니다. TensorFlow, PyTorch, Keras, NumPy, Pandas 등 다양한 라이브러리들이 이미 설치되어 있어 사용자들은 추가적인 설치나 설정 없이 바로 사용할 수 있습니다.
런타임 유형 변경하기
추가 컴퓨팅 요금제 알아보기
Google Colab으로 코드 작성해보기
Web으로 코드를 작성하는게 무엇인지, 결과는 어떻게 출력 되는지 이해를 돕기 위해 제가 Colab으로 코드 작성한 것을 예시로 들어 소개드리고자 합니다. 이것은 과제로 작성 됐으며, Monte Carlo Approximation(몬테카를로 근사) 문제 풀이에 관한 내용입니다.
다음 정적분의 몬테카를로 근사값을 제시하라. 두 가지 방법을 사용하여, 각 근사값에 대한 표준오차도 함께 제시하라.
$$I:=int_{-pi / 2}^{pi / 2} frac{1}{1+sin ^2 x} d x$$
(출처: [허24] 8장 131쪽, 연습문제 2번)
자 그러면 이제 본격적으로 Colab 코드를 작성하여, 몬테카를로 근사값과 표준오차를 구해보겠습니다.
import numpy as np
# 함수
def f(x):
return 1 / (1 + np.sin(x)**2)
# 몬테카를로 적분
def monte_carlo_integration(f, a, b, N):
x = np.random.uniform(a, b, N)
y = f(x)
integral = (b - a) * np.mean(y)
std_error = (b - a) * np.std(y) / np.sqrt(N)
return integral, std_error
# 적분 구간과 샘플 수
a, b = -np.pi/2, np.pi/2
N = 10000
# 결과
integral_mc, std_error_mc = monte_carlo_integration(f, a, b, N)
print(f"단순 몬테카를로 방법: 적분값 = {integral_mc}, 표준 오차 = {std_error_mc}")
위에선 함수 f(x)를 설정하고 몬테카를로 적분을 사용하여 답을 구하였는데요, 이번에는 이 함수 f(x)와 중요도 분포 함수 g(x)를 이용하여, 중요도 샘플링 적분을 해서 근사값과 표준오차를 구해보겠습니다.
# 중요도 분포 g(x)
def g(x):
return 1 / (np.pi)
# 중요도 샘플링 적분
def importance_sampling_integration(f, g, a, b, N):
x = np.random.uniform(a, b, N)
weights = f(x) / g(x)
integral = np.mean(weights)
std_error = np.std(weights) / np.sqrt(N)
return integral, std_error
# 결과
integral_is, std_error_is = importance_sampling_integration(f, g, a, b, N)
print(f"중요도 샘플링 방법: 적분값 = {integral_is}, 표준 오차 = {std_error_is}")
여기까지 ‘Google Colab’에 대해 소개해봤습니다. Google Colab 사용법에 대해 어느 정도 도움이 되셨을까요? 저의 전공이 Mathematics 쪽이라 이쪽 분야에 맞게 Colab을 사용했던 경험이 있는데요, 이 외에도 간단한 게임 만들기 등 Web에서 다양한 분야의 코드를 작성할 수 있다는 확실한 장점이 있는 것 같습니다. 도움이 되셨기를 바라며 오늘 포스팅을 마치도록 하겠습니다. 감사합니다. 🙂
Written by 박 지호 / Jiho Park
data Engineer
