Offcanvas

������ ���������

AI를 물리 공간에 접목··· 아마존, CX 개선 기술 4종 소개

저스트 워크 아웃(Just Walk Out), 아마존 원(Amazon One), 아마존 대시 카트(Amazon Dash Cart), 아마존 프레시(Amazon Fresh), 아마존 스타일(Amazon Style)에는 두 가지 공통점이 있다. 첫째는 온라인 쇼핑의 공룡이라 불리는 아마존이 오프라인 매장을 운영하며 개발한 기술이나 브랜드이고, 둘째는 인공지능과 같은 첨단 기술을 활용한 혁신으로 고객 경험을 개선한 대표적인 사례라는 점이다. 아마존 물리 소매 기술(Physical Retail and Technology) 담당 부사장인 딜립 쿠마르가 '아마존 리마스 2022(Amazon re:MARS 2022)'에서 이러한 내용을 소개하는 자리를 가졌다. 그리고 아마존이 오프라인 매장에서 활용하는 인공 지능 기술에서 중요한 4가지 핵심 내용을 다음과 같이 소개했다. 계산대가 필요 없는 아마존 '저스트 워크 아웃'이 적용된 호울 푸즈 마켓과 상품 종류와 수량을 자동으로 인식하는 스마트 카트인 '아마존 대시 카트'. 아마존 오프라인 매장에 사용되는 기술애는 인공 지능과 컴퓨터 비전이 활용된다. (자료 : Amzon) 첫째는 지속적인 머신러닝 알고리즘 개선 및 발전이다. 아마존은 오프라인 매장에서 사용되는 기술에 컴퓨터 비전을 활용한다. 카메라, 센서와 같은 하드웨어뿐만 아니라 이를 구동하는 알고리즘을 적용한 저스트 워크 아웃을 활용해, 계산대를 거치지 않아도 자동으로 결제가 되는 시스템을 운영하고 있다. 그리고 저스트 워크 아웃은 계속해서 진화를 거듭하고 있다. 그동안 알고리즘을 개선해 매장에서 필요한 카메라 수를 줄여 비용을 줄이고, 대형 식료품 매장에서 다양한 제품을 구별하고, 고객의 쇼핑 행동 차이를 감지하도록 발전했다. 또한 스마트 쇼핑 카트인 아마존 대시 카트에는 고객이 이동하는 동안 제품의 품목을 감지하고, 무게와 양을 인식하는 컴퓨터 비전 및 센서 융합 알고리즘 세트를 개발했다. 둘째는 알고리즘 강화를 위해 합성 데이터를 사용한다. 오프라인 매장에서...

아마존 고 저스트 워크 아웃 아마존 원 아마존 대시 카드 아마존 프레시 아마존 스타일 리테일 합성 데이터

2022.06.27

저스트 워크 아웃(Just Walk Out), 아마존 원(Amazon One), 아마존 대시 카트(Amazon Dash Cart), 아마존 프레시(Amazon Fresh), 아마존 스타일(Amazon Style)에는 두 가지 공통점이 있다. 첫째는 온라인 쇼핑의 공룡이라 불리는 아마존이 오프라인 매장을 운영하며 개발한 기술이나 브랜드이고, 둘째는 인공지능과 같은 첨단 기술을 활용한 혁신으로 고객 경험을 개선한 대표적인 사례라는 점이다. 아마존 물리 소매 기술(Physical Retail and Technology) 담당 부사장인 딜립 쿠마르가 '아마존 리마스 2022(Amazon re:MARS 2022)'에서 이러한 내용을 소개하는 자리를 가졌다. 그리고 아마존이 오프라인 매장에서 활용하는 인공 지능 기술에서 중요한 4가지 핵심 내용을 다음과 같이 소개했다. 계산대가 필요 없는 아마존 '저스트 워크 아웃'이 적용된 호울 푸즈 마켓과 상품 종류와 수량을 자동으로 인식하는 스마트 카트인 '아마존 대시 카트'. 아마존 오프라인 매장에 사용되는 기술애는 인공 지능과 컴퓨터 비전이 활용된다. (자료 : Amzon) 첫째는 지속적인 머신러닝 알고리즘 개선 및 발전이다. 아마존은 오프라인 매장에서 사용되는 기술에 컴퓨터 비전을 활용한다. 카메라, 센서와 같은 하드웨어뿐만 아니라 이를 구동하는 알고리즘을 적용한 저스트 워크 아웃을 활용해, 계산대를 거치지 않아도 자동으로 결제가 되는 시스템을 운영하고 있다. 그리고 저스트 워크 아웃은 계속해서 진화를 거듭하고 있다. 그동안 알고리즘을 개선해 매장에서 필요한 카메라 수를 줄여 비용을 줄이고, 대형 식료품 매장에서 다양한 제품을 구별하고, 고객의 쇼핑 행동 차이를 감지하도록 발전했다. 또한 스마트 쇼핑 카트인 아마존 대시 카트에는 고객이 이동하는 동안 제품의 품목을 감지하고, 무게와 양을 인식하는 컴퓨터 비전 및 센서 융합 알고리즘 세트를 개발했다. 둘째는 알고리즘 강화를 위해 합성 데이터를 사용한다. 오프라인 매장에서...

2022.06.27

데이터 준비에서 HW 선택까지··· '머신러닝 트레이닝' 안내서

머신러닝(ML)을 제대로 활용하기 위한 기본 전제는 모델을 적절히 훈련시키는 것이다. 데이터로부터 신뢰할 만한 결과를 도출해내는데 참고할 만한 12가지 조언을 정리했다.    ML은 오늘날 가장 실용적인 AI 응용 기술이라고 말할 수 있다. ML시스템은 명시적인 프로그래밍 없이, 데이터에 알고리즘을 적용해 인사이트를 도출한다. 즉, 데이터를 활용해 질문에 답을 찾아낼 수 있다. 오늘날 많은 기업들이 고객 구매 패턴에서 유지보수 및 관리에 대한 예측까지 다양한 문제에 ML을 적용해 활용하고 있다. 그러나 ML 시스템이 질문에 제대로 대답하기 위해서는 데이터와 결과에 대한 트레이닝이 실시되어야 한다. 여기에는 이유가 있다. ML 시스템은 질문에 대답을 할 때 사용할 데이터와 같은 종류의 데이터를 ‘체험’하는 방법을 통해 데이터에서 예측을 할 수 있는 능력을 키울 수 있기 때문이다. 이를테면 구성요소에 장애가 발생할지 여부를 예측하는 경우, 먼저 기능을 하는 구성요소와 장애가 발생한 구성요소 모두에서 센서 판독 데이터를 수집 공급하는 방법으로 ML 시스템을 트레이닝해야 한다. 지루한 단계이지만, ML을 정확히 구현하는데 아주 중요한 단계이다. 이 단계가 잘못되면, 시스템이 원하는 결과를 만들어내지 못한다. ML을 트레이닝 하면서 자주 저지르는 실수들이 있다. 또 ML 시스템을 배포하기 훨씬 전에 내려야 할 결정들이 있다. 이를 나중에 다루려 할 경우 대가를 치를 수 있다. 머신러닝을 훈련시킬 때 알아야 할 사항들을 정리했다.  데이터 품질 확보 일단 데이터가 제대로 준비해야 ML 시스템 트레이닝을 시작할 수 있다. 인텔 AI 제품 그룹의 세일즈 강화 디렉터인 에릭 가드너는 “데이터를 올바르게 준비하는데 많은 시간이 소요되지만, 이 부분이 간과되는 경우가 많다. 현대적인 데이터 인프라 구축, 수집 및 생성할 데이터 파악, 클린업에 많은 시간이 소요될 수 있다”라고 말했다. 여기에는 중복 데이터, 손상 데이터, 누락 데이터 문제...

훈련 데이터 세트 트레이닝 데이터 품질 편향 데이터 포이즈닝 전이 학습 합성 데이터

2020.05.08

머신러닝(ML)을 제대로 활용하기 위한 기본 전제는 모델을 적절히 훈련시키는 것이다. 데이터로부터 신뢰할 만한 결과를 도출해내는데 참고할 만한 12가지 조언을 정리했다.    ML은 오늘날 가장 실용적인 AI 응용 기술이라고 말할 수 있다. ML시스템은 명시적인 프로그래밍 없이, 데이터에 알고리즘을 적용해 인사이트를 도출한다. 즉, 데이터를 활용해 질문에 답을 찾아낼 수 있다. 오늘날 많은 기업들이 고객 구매 패턴에서 유지보수 및 관리에 대한 예측까지 다양한 문제에 ML을 적용해 활용하고 있다. 그러나 ML 시스템이 질문에 제대로 대답하기 위해서는 데이터와 결과에 대한 트레이닝이 실시되어야 한다. 여기에는 이유가 있다. ML 시스템은 질문에 대답을 할 때 사용할 데이터와 같은 종류의 데이터를 ‘체험’하는 방법을 통해 데이터에서 예측을 할 수 있는 능력을 키울 수 있기 때문이다. 이를테면 구성요소에 장애가 발생할지 여부를 예측하는 경우, 먼저 기능을 하는 구성요소와 장애가 발생한 구성요소 모두에서 센서 판독 데이터를 수집 공급하는 방법으로 ML 시스템을 트레이닝해야 한다. 지루한 단계이지만, ML을 정확히 구현하는데 아주 중요한 단계이다. 이 단계가 잘못되면, 시스템이 원하는 결과를 만들어내지 못한다. ML을 트레이닝 하면서 자주 저지르는 실수들이 있다. 또 ML 시스템을 배포하기 훨씬 전에 내려야 할 결정들이 있다. 이를 나중에 다루려 할 경우 대가를 치를 수 있다. 머신러닝을 훈련시킬 때 알아야 할 사항들을 정리했다.  데이터 품질 확보 일단 데이터가 제대로 준비해야 ML 시스템 트레이닝을 시작할 수 있다. 인텔 AI 제품 그룹의 세일즈 강화 디렉터인 에릭 가드너는 “데이터를 올바르게 준비하는데 많은 시간이 소요되지만, 이 부분이 간과되는 경우가 많다. 현대적인 데이터 인프라 구축, 수집 및 생성할 데이터 파악, 클린업에 많은 시간이 소요될 수 있다”라고 말했다. 여기에는 중복 데이터, 손상 데이터, 누락 데이터 문제...

2020.05.08

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.

10.4.0.13