Codebasic (c) 2015-2025

이 문서는 플랫폼별 기계학습 환경 설치 방법을 안내합니다. 아래 절차는 플랫폼 전반에 대체로 공통이며, 오픈소스 라이선스 소프트웨어만을 활용합니다.

1. 윈도우(Windows)
2. 유닉스 계열(Unix-like)
   1. 맥(macOS)
   2. 리눅스(Linux)

각 플랫폼별 환경 설정 섹션을 참조하여 설치를 진행할 수 있습니다.

미니콘다(Miniconda)를 각 플랫폼별 안내에 따라 설치합니다.

미니콘다(Miniconda) 설치

콘다는 크로스 플랫폼(cross-platform) 범용 바이너리 패키지 관리자입니다.

미니포지(Miniforge), 아나콘다 배포판(Anaconda Distribution)과 같은 콘다 배포판에서 사용되며, 다양한 시스템에서도 활용 가능합니다.

주로 파이썬(Python) 기반 소프트웨어와 라이브러리 설치 및 환경 관리에 활용되지만, 다른 언어의 패키지와 도구도 관리할 수 있습니다.

콘다 명령줄 인터페이스(CLI)는 전적으로 파이썬(Python)으로 작성되었으며, BSD 라이선스의 오픈소스로 공개되어 있습니다. Conda GitHub 저장소

콘다는 설치 후, 사용할 쉘에서 설정이 필요합니다.

conda init

윈도우에서는 스크립트 실행 권한 설정이 필요할 수 있습니다.

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

모든 플랫폼에서 쉘을 재시작한 후 다음 명령으로 설정 확인:

conda --version

성공적으로 설정되면 버전 정보가 출력됩니다.

아래는 대표적인 콘다 배포판(아나콘다, 미니콘다)의 개요입니다.

• Anaconda, Inc.에서 배포하는 패키지 배포판
• 파이썬, 콘다, 주요 과학계산/데이터분석 패키지(NumPy, pandas, scikit-learn 등) 기본 포함
• 유의점:
  • 기본 채널(defaults)은 상업적 사용 시 라이선스 제약 존재

• 최소 설치판: 파이썬 + 콘다만 포함
• 필요한 패키지는 사용자가 직접 설치

• Anaconda, Inc.가 관리하는 기본 채널
• 바이너리 배포본은 Anaconda 약관(Terms of Service) 적용
• 상업적 사용(기업 환경) 시 별도 계약이 필요할 수 있음

• 전 세계 커뮤니티가 관리하는 채널
• 패키지 본래의 오픈소스 라이선스 그대로 배포

상업적 사용 라이선스를 가정하지 않기 위해 아래 절차에서는 콘다-포지(conda-forge) 채널을 활용합니다.

conda create --name pyml python=3.10 --channel conda-forge

생성된 환경 활성화:

conda activate pyml

환경이 생성된 이후, 다음을 실행하여 소프트웨어 설치를 진행합니다.

conda install --name pyml --channel conda-forge scikit-learn pandas matplotlib ipykernel

주피터 랩(Jupyter Lab)은 웹 기반의 대화형 노트북 환경으로, 파이썬(Python) 코드 작성, 실행, 시각화를 한 곳에서 할 수 있습니다. 기계학습 실습에서 데이터 분석과 모델 개발에 주로 사용됩니다.

1. 커널 등록

   conda run --name pyml python -m ipykernel install --user --name pyml

2. 주피터 랩 설치

   conda install --name pyml --channel conda-forge jupyterlab

3. 주피터 랩 실행

   conda run --name pyml --no-capture-output jupyter-lab

실행하면 기본 웹 브라우저가 자동으로 열립니다.

터미널에서 주피터 서버(Jupyter Server) 주소를 확인하려면 다음 명령을 실행합니다.

conda run --name pyml jupyter server list

출력 예시:

Currently running servers:
http://localhost:8888/?token=82cd0... :: D:\pyml

도커를 활용하면 소프트웨어 설치와 설정이 완료된 상태로 바로 시작할 수 있습니다.

docker run --name pyml -d codebasic/pyml

컨테이너에서 주피터 서버(Jupyter Server)가 실행 중인 경우, 호스트 웹 브라우저에서 다음 주소로 접속합니다.

http://localhost:8888

토큰 값이 필요한 경우, 도커 컨테이너 쉘에서 다음 명령으로 토큰 값을 확인합니다.

docker exec pyml jupyter server list

컨테이너 내부의 URL은 호스트의 localhost로 접속해야 합니다. 다음 명령으로 호스트 주소로 치환할 수 있습니다.

• 파워쉘(Windows PowerShell)

docker exec pyml jupyter server list | ForEach-Object { $_ -replace 'http://[^:]+', 'http://localhost' }

• POSIX 쉘 (bash/zsh 등)

docker exec pyml jupyter server list | sed -E 's#http://[^:]+#http://localhost#'