초보자를 위한 Google Colab 사용법 & 실습
Google Colab(구글 코랩)은 Python 프로그래밍을 쉽게 시작할 수 있는 무료 클라우드 환경입니다. 이번 글에서는 Google Colab의 기본 사용법과 실습 예제를 통해 초보자도 쉽게 따라 할 수 있도록 설명하겠습니다.
1. Google Colab이란?
Google Colab(Colaboratory)은 Google에서 제공하는 클라우드 기반의 Python 실행 환경입니다. 별도의 프로그램 설치 없이 웹 브라우저에서 바로 사용할 수 있으며, Google Drive와 연동되어 코드 및 데이터를 저장할 수 있습니다. 특히, Colab은 Jupyter Notebook 환경과 동일한 인터페이스를 제공하며, 무료 GPU 및 TPU 지원 기능이 있어 머신러닝 및 데이터 분석에 매우 유용합니다.
Colab을 사용하면 저사양 컴퓨터에서도 강력한 연산 자원을 활용할 수 있어 데이터 과학, 인공지능(AI) 연구, 딥러닝 모델 훈련 등에 폭넓게 활용됩니다. 따라서, Python을 처음 배우는 사람뿐만 아니라 고급 사용자에게도 유용한 도구입니다.
2. Google Colab 시작하기
Google Colab을 사용하려면 다음 단계를 따라야 합니다.
- Google 계정에 로그인합니다.
- Google Colab 페이지로 이동합니다.
- 새 노트북을 생성하려면 좌측 상단의 [파일] → [새 노트북]을 클릭합니다.
- 새로운 코드 셀을 추가한 후 Python 코드를 입력하고 실행 버튼(▶)을 눌러 실행합니다.
이렇게 하면 Google Colab에서 Python 코드를 실행할 수 있습니다. 코드 실행 결과는 하단에 표시되며, Colab 환경은 자동으로 실행 상태를 저장하므로 중간에 작업을 멈췄다가 다시 이어서 진행할 수 있습니다.
3. Google Colab 기본 기능 살펴보기
Google Colab에서는 다양한 기능을 활용할 수 있습니다. 그중에서도 초보자가 꼭 알아야 할 주요 기능을 정리해보겠습니다.
① 코드 셀 추가 및 실행
- 코드 셀을 추가하려면 상단 메뉴에서 [+ 코드] 버튼을 클릭하면 됩니다.
- 셀에 Python 코드를 입력한 후 Shift + Enter를 누르면 실행됩니다.
② 텍스트 셀 추가
- 설명을 추가하려면 [+ 텍스트] 버튼을 클릭하여 마크다운 형식으로 입력할 수 있습니다.
- 예를 들어, # 제목 또는 **굵은 글씨** 등의 마크다운 문법을 사용할 수 있습니다.
③ 파일 업로드 및 다운로드
- 왼쪽 탐색 패널에서 파일 업로드를 클릭하면 로컬 파일을 업로드할 수 있습니다.
- files.upload() 명령어를 사용하여 Python 코드로 파일을 업로드할 수도 있습니다.
4. Google Colab 실습: 간단한 데이터 분석
Google Colab을 활용하여 간단한 데이터 분석을 해보겠습니다. Pandas 라이브러리를 이용해 CSV 데이터를 불러와 분석하는 실습을 진행하겠습니다.
① Pandas 라이브러리 설치 및 데이터 불러오기
import pandas as pd
# 샘플 데이터 생성
data = {'이름': ['김철수', '이영희', '박민수'],
'나이': [25, 30, 28],
'점수': [90, 85, 88]}
df = pd.DataFrame(data)
print(df)
② 데이터 분석 예제
# 평균 점수 계산
average_score = df['점수'].mean()
print("평균 점수:", average_score)
위 코드를 실행하면 데이터 프레임이 생성되고, 평균 점수가 출력됩니다. 이런 방식으로 Google Colab을 활용하여 다양한 데이터 분석 작업을 수행할 수 있습니다.
5. Google Colab에서 GPU 활용하기
Google Colab은 무료로 GPU를 제공하므로 머신러닝이나 딥러닝 모델을 훈련할 때 유용합니다. GPU를 활성화하려면 다음 단계를 따릅니다.
- 상단 메뉴에서 [런타임] → [런타임 유형 변경]을 클릭합니다.
- 하드웨어 가속기에서 GPU 또는 TPU를 선택한 후 저장을 클릭합니다.
- GPU가 정상적으로 설정되었는지 확인하려면 다음 코드를 실행합니다.
import torch
print(torch.cuda.is_available()) # True면 GPU 사용 가능
위 코드를 실행하여 True가 출력되면 GPU가 정상적으로 활성화된 것입니다. 이를 활용하여 딥러닝 모델을 보다 빠르게 학습시킬 수 있습니다.