Offcanvas

���������

‘노코드 AI’에서 미래를 보다··· 엑스페리언 데이터랩의 혁신 이야기

글로벌 신용정보평가사 ‘엑스페리언(Experian)’은 데이터를 원동력으로 하는 회사라는 사실에 자부심을 갖고 있다. 그리고 이러한 데이터 중심 활동의 선봉에는 ‘엑스페리언 데이터랩(Experian DataLabs)’이 있다. 이 사업부는 데이터로 비즈니스를 혁신할 기회를 모색하고 있다.  엑스페리언 데이터랩의 수석 부사장 겸 최고 데이터 과학자 케빈 첸은 “고객이 고수익을 얻을 기회를 포착하면 연구 자원을 투입하여 상품화 가능한 프로토타입을 개발한다”라고 말했다.  그에 따르면 데이터랩 팀은 자유롭게 실험하고 아이디어를 솔루션화하면 이를 실행할 사업부에 넘긴 다음 다시 새로운 것에 관심을 쏟는다. 첸은 “항상 새로운 아이디어를 시도해볼 수 있다. 이는 인재를 끌어들이는 하나의 매력 포인트다”라고 언급했다.    ‘노코드 AI’의 이점 엑스페리언 데이터랩은 솔루션이 비즈니스를 변혁할 수 있는 문제를 파악하는 데 중점을 두고 있으며, 첸은 이를 ‘영향력이 큰 문제(high-impact problems)’라고 부른다.  그는 소비자 신용부터 기업 신용, 온/오프라인 마케팅, 의료 정보 기술까지 여러 엑스페리언 사업부의 데이터를 연결했던 프로젝트를 예로 들었다. “과거 엑스페리언의 모든 데이터는 분산돼 있었고, 서로 연결돼 있지 않았다”라며, “그 모든 데이터를 함께 연계하는 건 간단한 일이 아니었다. 한 데이터가 데이터세트에 여러 방식으로 나타날 수 있기 때문이다. 데이터랩은 머신러닝을 활용하여 데이터세트를 학습하고 개별 데이터를 일치시켜 이 문제를 해결했다. 솔루션을 구축해보니 한 데이터세트에서 15~16개의 서로 다른 애플리케이션이 쏟아져 나왔다”라고 첸은 설명했다. 현재 ‘노코드 AI(No-code AI)’는 데이터랩의 주요 연구 분야다. 노코드 AI를 사용하면 드래그 앤드 드롭 인터페이스로 AI 및 머신러닝 모델을 구축할 수 있어 데이터 과학자 없이 일반 사용자도 AI를 활용할 수 있다. 하지만 첸은 ...

데이터 데이터 애널리틱스 노코드 AI 딥러닝 자연어 이해 자연어 처리 머신러닝 ML옵스 오토ML 비즈니스 인텔리전스 BI

2022.02.25

글로벌 신용정보평가사 ‘엑스페리언(Experian)’은 데이터를 원동력으로 하는 회사라는 사실에 자부심을 갖고 있다. 그리고 이러한 데이터 중심 활동의 선봉에는 ‘엑스페리언 데이터랩(Experian DataLabs)’이 있다. 이 사업부는 데이터로 비즈니스를 혁신할 기회를 모색하고 있다.  엑스페리언 데이터랩의 수석 부사장 겸 최고 데이터 과학자 케빈 첸은 “고객이 고수익을 얻을 기회를 포착하면 연구 자원을 투입하여 상품화 가능한 프로토타입을 개발한다”라고 말했다.  그에 따르면 데이터랩 팀은 자유롭게 실험하고 아이디어를 솔루션화하면 이를 실행할 사업부에 넘긴 다음 다시 새로운 것에 관심을 쏟는다. 첸은 “항상 새로운 아이디어를 시도해볼 수 있다. 이는 인재를 끌어들이는 하나의 매력 포인트다”라고 언급했다.    ‘노코드 AI’의 이점 엑스페리언 데이터랩은 솔루션이 비즈니스를 변혁할 수 있는 문제를 파악하는 데 중점을 두고 있으며, 첸은 이를 ‘영향력이 큰 문제(high-impact problems)’라고 부른다.  그는 소비자 신용부터 기업 신용, 온/오프라인 마케팅, 의료 정보 기술까지 여러 엑스페리언 사업부의 데이터를 연결했던 프로젝트를 예로 들었다. “과거 엑스페리언의 모든 데이터는 분산돼 있었고, 서로 연결돼 있지 않았다”라며, “그 모든 데이터를 함께 연계하는 건 간단한 일이 아니었다. 한 데이터가 데이터세트에 여러 방식으로 나타날 수 있기 때문이다. 데이터랩은 머신러닝을 활용하여 데이터세트를 학습하고 개별 데이터를 일치시켜 이 문제를 해결했다. 솔루션을 구축해보니 한 데이터세트에서 15~16개의 서로 다른 애플리케이션이 쏟아져 나왔다”라고 첸은 설명했다. 현재 ‘노코드 AI(No-code AI)’는 데이터랩의 주요 연구 분야다. 노코드 AI를 사용하면 드래그 앤드 드롭 인터페이스로 AI 및 머신러닝 모델을 구축할 수 있어 데이터 과학자 없이 일반 사용자도 AI를 활용할 수 있다. 하지만 첸은 ...

2022.02.25

하이크비전, 수술실 CCTV 솔루션 발표…"수술 영상 촬영 및 관리에 특화"

하이크비전이 1월 26일 수술실 CCTV 솔루션을 발표했다. 하이크비전의 최신 카메라, 녹화기 및 서버 등으로 구성된 수술실 CCTV 솔루션은 고화질 영상 촬영, 딥러닝 기술을 활용한 동적 감지 및 모자이크, 스트리밍 비밀화 기능 등을 통해 수술실 상황에 적합한 영상 촬영 및 관리 환경을 제공한다. 회사에 따르면 하이크비전의 수술실 CCTV 솔루션은 고화질 비디오를 수집하여 높은 해상도, 높은 프레임률, 광학 줌으로 구성된다. 또 고성능 DSP(디지털 신호 프로세서) 기술을 이용해 수술용 무영등이 초래하는 감광점을 자동으로 보정해, 후광이나 흐릿한 영상 문제를 개선한다. 원격지에서 사용자 인터페이스에 접속하여 간호 장비나 초음파 진단기, 호흡기, PC 등 장비를 접속해 고화질 비디오 전송 및 동기화 촬영이 가능하다고 회사 측은 덧붙였다. 하이크비전의 수술실 CCTV 솔루션은 또한, 딥러닝 기술을 활용한 동적 얼굴 모자이크 및 동적 인체 모자이크 기능을 제공한다. 크기에 따라 인체 모자이크 혹은 얼굴 모자이크를 구현할 수 있으며, 효과에 따라 가우스 모자이크 혹은 픽셀 모자이크 방식도 지원한다. 이외에도 인원 표기 기능을 통해 특정 인원에 대한 모자이크 역시 가능하다는 게 업체 측 설명이다.   하이크비전의 수술실 CCTV 솔루션은 프라이버시를 보장하기 위해 비밀번호 입력 시에만 재생 가능한 스트리밍 비밀화 기능 역시 제공한다. 사용자 권한에 따른 영상 확인도 가능해 관리자 외 사용자는 불투명 유리 효과로 된 영상으로 확인할 수 있게 지원한다. 실제로 중국 안후이성 제1병원은 하이크비전 수술실 시스템 솔루션을 도입해 수술 영상 촬영, 저장 및 실시간 영상 동기화를 실현했다. ‘2018년 안후이성 신경외과 학술 연회’에서도 하이크비전 솔루션으로 7시간 동안 8가지의 다양한 유형의 신경개입 수술을 안정적으로 생방송으로 진행했다. ciokr@idg.co.kr

하이크비전 CCTV 보안 카메라 딥러닝

2022.01.26

하이크비전이 1월 26일 수술실 CCTV 솔루션을 발표했다. 하이크비전의 최신 카메라, 녹화기 및 서버 등으로 구성된 수술실 CCTV 솔루션은 고화질 영상 촬영, 딥러닝 기술을 활용한 동적 감지 및 모자이크, 스트리밍 비밀화 기능 등을 통해 수술실 상황에 적합한 영상 촬영 및 관리 환경을 제공한다. 회사에 따르면 하이크비전의 수술실 CCTV 솔루션은 고화질 비디오를 수집하여 높은 해상도, 높은 프레임률, 광학 줌으로 구성된다. 또 고성능 DSP(디지털 신호 프로세서) 기술을 이용해 수술용 무영등이 초래하는 감광점을 자동으로 보정해, 후광이나 흐릿한 영상 문제를 개선한다. 원격지에서 사용자 인터페이스에 접속하여 간호 장비나 초음파 진단기, 호흡기, PC 등 장비를 접속해 고화질 비디오 전송 및 동기화 촬영이 가능하다고 회사 측은 덧붙였다. 하이크비전의 수술실 CCTV 솔루션은 또한, 딥러닝 기술을 활용한 동적 얼굴 모자이크 및 동적 인체 모자이크 기능을 제공한다. 크기에 따라 인체 모자이크 혹은 얼굴 모자이크를 구현할 수 있으며, 효과에 따라 가우스 모자이크 혹은 픽셀 모자이크 방식도 지원한다. 이외에도 인원 표기 기능을 통해 특정 인원에 대한 모자이크 역시 가능하다는 게 업체 측 설명이다.   하이크비전의 수술실 CCTV 솔루션은 프라이버시를 보장하기 위해 비밀번호 입력 시에만 재생 가능한 스트리밍 비밀화 기능 역시 제공한다. 사용자 권한에 따른 영상 확인도 가능해 관리자 외 사용자는 불투명 유리 효과로 된 영상으로 확인할 수 있게 지원한다. 실제로 중국 안후이성 제1병원은 하이크비전 수술실 시스템 솔루션을 도입해 수술 영상 촬영, 저장 및 실시간 영상 동기화를 실현했다. ‘2018년 안후이성 신경외과 학술 연회’에서도 하이크비전 솔루션으로 7시간 동안 8가지의 다양한 유형의 신경개입 수술을 안정적으로 생방송으로 진행했다. ciokr@idg.co.kr

2022.01.26

AWS, 자동차 제조사 위한 ‘AWS IoT 플릿와이즈 서비스’ 출시 

아마존웹서비스(이하 AWS)가 AWS 리인벤트(AWS re:Invent) 행사에서 자동차 제조업체가 간편하고 비용 효율적으로 차량 데이터를 실시간에 가깝게 수집 및 변환하고, 클라우드로 전송할 수 있는 새로운 서비스 ‘AWS IoT 플릿와이즈(AWS IoT FleetWise)’를 공개했다.  이 서비스를 사용하는 기업 고객은 브랜드, 차종, 옵션에 관계없이 자사 차량 내 모든 형식의 데이터를 손쉽게 수집 및 체계화하고, 클라우드 상에서의 용이한 데이터 분석을 위해 데이터 형식을 표준화할 수 있다고 업체 측은 설명했다.  개발자들은 AWS IoT 플릿와이즈(AWS IoT FleetWise)의 인텔리전트 필터링 역량을 활용해 전송할 데이터를 선택하고 전송 여부를 결정할 기상 조건, 위치, 차량 유형 등 매개변수에 대한 규칙을 정의함으로써 네트워크 트래픽을 줄일 수 있으며, 이를 바탕으로 자동차 제조업체는 보다 효율적으로 데이터를 실시간에 가깝게 전송하게 된다.  또한 데이터를 클라우드로 전송하면 이를 활용해 개별 차량의 문제를 원격으로 진단하고 플릿의 상태를 분석해 잠재적 리콜 및 안전 문제를 예방하거나, 분석과 ML(머신러닝) 기반 자율주행 및 고급 운전자 보조 시스템(ADAS) 등 첨단 기술 개선을 위한 애플리케이션을 개발할 수 있다. AWS IoT 플릿와이즈는 별도의 선불 약정 또는 비용을 요구하지 않으며, 고객은 사용한 만큼의 AWS 서비스에 대해서만 비용을 지불하게 된다고 업체 측은 전했다.  AWS IoT 플릿와이즈는 자동차 제조업체들이 보다 간편하고 비용 효율적으로 수백 만 대의 차량에서 생성되는 데이터를 실시간에 가깝게 수집 및 클라우드로 전송하도록 지원하는 서비스다. 차량마다 다른 고유의 데이터 형식에 접근해 해당 데이터를 구조화 및 표준화해주기 때문에 자동차 업체가 별도의 맞춤형 데이터 수집 시스템을 마련하지 않아도 된다. 서비스 사용을 시작하기 위해서는 먼저 AWS 매니지먼트 콘솔(AWS ...

AWS 클라우드 머신러닝 딥러닝 사물인터넷

2021.12.14

아마존웹서비스(이하 AWS)가 AWS 리인벤트(AWS re:Invent) 행사에서 자동차 제조업체가 간편하고 비용 효율적으로 차량 데이터를 실시간에 가깝게 수집 및 변환하고, 클라우드로 전송할 수 있는 새로운 서비스 ‘AWS IoT 플릿와이즈(AWS IoT FleetWise)’를 공개했다.  이 서비스를 사용하는 기업 고객은 브랜드, 차종, 옵션에 관계없이 자사 차량 내 모든 형식의 데이터를 손쉽게 수집 및 체계화하고, 클라우드 상에서의 용이한 데이터 분석을 위해 데이터 형식을 표준화할 수 있다고 업체 측은 설명했다.  개발자들은 AWS IoT 플릿와이즈(AWS IoT FleetWise)의 인텔리전트 필터링 역량을 활용해 전송할 데이터를 선택하고 전송 여부를 결정할 기상 조건, 위치, 차량 유형 등 매개변수에 대한 규칙을 정의함으로써 네트워크 트래픽을 줄일 수 있으며, 이를 바탕으로 자동차 제조업체는 보다 효율적으로 데이터를 실시간에 가깝게 전송하게 된다.  또한 데이터를 클라우드로 전송하면 이를 활용해 개별 차량의 문제를 원격으로 진단하고 플릿의 상태를 분석해 잠재적 리콜 및 안전 문제를 예방하거나, 분석과 ML(머신러닝) 기반 자율주행 및 고급 운전자 보조 시스템(ADAS) 등 첨단 기술 개선을 위한 애플리케이션을 개발할 수 있다. AWS IoT 플릿와이즈는 별도의 선불 약정 또는 비용을 요구하지 않으며, 고객은 사용한 만큼의 AWS 서비스에 대해서만 비용을 지불하게 된다고 업체 측은 전했다.  AWS IoT 플릿와이즈는 자동차 제조업체들이 보다 간편하고 비용 효율적으로 수백 만 대의 차량에서 생성되는 데이터를 실시간에 가깝게 수집 및 클라우드로 전송하도록 지원하는 서비스다. 차량마다 다른 고유의 데이터 형식에 접근해 해당 데이터를 구조화 및 표준화해주기 때문에 자동차 업체가 별도의 맞춤형 데이터 수집 시스템을 마련하지 않아도 된다. 서비스 사용을 시작하기 위해서는 먼저 AWS 매니지먼트 콘솔(AWS ...

2021.12.14

유네스코, ‘AI 윤리’ 국제 표준 지침 발표 

유네스코(UNESCO)가 193개 회원국의 만장일치로 ‘인공지능 윤리 권고’를 채택했다. 이번 권고는 AI의 건전한 발전을 보장하는 법적 인프라 구축을 안내할 공통 가치와 원칙을 정의한다.  유네스코는 공식 성명문을 통해 AI 사용에는 이점이 있지만 동시에 성별과 인종적 편견, 프라이버시, 존엄성 및 대리인에 관한 중대한 위협, 대량 감시의 위험, 법 집행 시 신뢰할 수 없는 인공지능 기술의 사용 증가를 포함한 여러 문제가 있다고 말했다.    ‘AI 윤리 권고’의 주요 내용은 다음과 같다.  데이터 보호. 개인 데이터에 관한 투명성, 대리인, 통제를 보장함으로써 개인 데이터 보호를 위해 기술 기업 및 정부가 수행하는 것 이상의 조치를 통하여 데이터를 보호한다. 권고는 개인 모두 자신의 개인 데이터 기록에 접근하거나 심지어 삭제할 수 있어야 한다고 명시하고 있다. 여기에는 데이터 보호와 개인 데이터에 관한 지식 및 제어 권한을 개선하기 위한 조치도 포함된다.  사회적 신용 점수제(social scoring) 및 대중 감시(mass surveillance) 금지. 권고는 사회적 신용 점수제 및 대중 감시를 목적으로 한 AI 시스템 사용을 명시적으로 금지한다. 유네스코는 이러한 종류의 기술이 인권과 기본적인 자유를 침해하며, 널리 사용되고 있다고 지적했다. 권고에 따르면 규제 프레임워크 개발 시 궁극적인 책임 및 의무는 항상 인간에게 있으며, AI 기술에 법적 인격을 부여해서는 안 된다는 점을 고려해야 한다. 모니터링 및 평가 지원. 윤리적 영향 평가는 AI 시스템을 개발 및 배포하는 국가와 기업이 개인, 사회, 환경에 미치는 영향을 평가하는 데 도움을 주기 위한 것이다. 준비성 평가 방법론은 회원국이 법률 및 기술 인프라 측면에서 얼마나 준비됐는지 평가하는 데 도움을 준다. 이 도구는 국가의 제도적 역량 강화를 지원하며, 윤리가 실제로 구현되도록 하기 위해 취해야 할 적절한 조치를 권장한다. 또한 감사와 지...

인공지능 머신러닝 딥러닝 인공지능 윤리 AI 윤리 유네스코

2021.11.30

유네스코(UNESCO)가 193개 회원국의 만장일치로 ‘인공지능 윤리 권고’를 채택했다. 이번 권고는 AI의 건전한 발전을 보장하는 법적 인프라 구축을 안내할 공통 가치와 원칙을 정의한다.  유네스코는 공식 성명문을 통해 AI 사용에는 이점이 있지만 동시에 성별과 인종적 편견, 프라이버시, 존엄성 및 대리인에 관한 중대한 위협, 대량 감시의 위험, 법 집행 시 신뢰할 수 없는 인공지능 기술의 사용 증가를 포함한 여러 문제가 있다고 말했다.    ‘AI 윤리 권고’의 주요 내용은 다음과 같다.  데이터 보호. 개인 데이터에 관한 투명성, 대리인, 통제를 보장함으로써 개인 데이터 보호를 위해 기술 기업 및 정부가 수행하는 것 이상의 조치를 통하여 데이터를 보호한다. 권고는 개인 모두 자신의 개인 데이터 기록에 접근하거나 심지어 삭제할 수 있어야 한다고 명시하고 있다. 여기에는 데이터 보호와 개인 데이터에 관한 지식 및 제어 권한을 개선하기 위한 조치도 포함된다.  사회적 신용 점수제(social scoring) 및 대중 감시(mass surveillance) 금지. 권고는 사회적 신용 점수제 및 대중 감시를 목적으로 한 AI 시스템 사용을 명시적으로 금지한다. 유네스코는 이러한 종류의 기술이 인권과 기본적인 자유를 침해하며, 널리 사용되고 있다고 지적했다. 권고에 따르면 규제 프레임워크 개발 시 궁극적인 책임 및 의무는 항상 인간에게 있으며, AI 기술에 법적 인격을 부여해서는 안 된다는 점을 고려해야 한다. 모니터링 및 평가 지원. 윤리적 영향 평가는 AI 시스템을 개발 및 배포하는 국가와 기업이 개인, 사회, 환경에 미치는 영향을 평가하는 데 도움을 주기 위한 것이다. 준비성 평가 방법론은 회원국이 법률 및 기술 인프라 측면에서 얼마나 준비됐는지 평가하는 데 도움을 준다. 이 도구는 국가의 제도적 역량 강화를 지원하며, 윤리가 실제로 구현되도록 하기 위해 취해야 할 적절한 조치를 권장한다. 또한 감사와 지...

2021.11.30

코그넥스, 딥러닝 전문 연구소 설립… 고객 맞춤형 솔루션 제공

코그넥스는 딥러닝 전문 연구소를 설립하고 고객 맞춤 딥러닝 솔루션을 제공하고 있다고 8일 밝혔다. 코그넥스 딥러닝 전문 연구소는 약 80명의 딥러닝 전문 엔지니어와 딥러닝 마케팅 부서로 구성돼 있다. 코그넥스 연구소는 시장의 새로운 수요에 맞춘 딥러닝 신기술을 연구하고, 비전프로 딥러닝 제품을 개발하고 있다. 코그넥스 딥러닝 연구소는 공장 및 검사 자동화 분야에서 고객의 요구사항을 충족시킬 수 있도록 고객 맞춤형 딥러닝 솔루션을 연구 개발을 진행하고 있다. 또한, 지속적인 후속 지원을 통해 비용 절감과 수율 향상을 실현할 수 있도록 지원할 계획이다. 이의 일환으로 코그넥스는 지난달 대구 엑스코에서 열린 ‘대구 국제 미래자동차 엑스포 2021(DIFA 2021)’에 참여해, 현장 고객 컨설팅 서비스와 함께 자동차 품질 검사에 적용되는 다양한 머신 비전 및 딥러닝 솔루션을 선보인 바 있다.  특히 3D 비전을 활용한 로봇을 활용한 헤드램프, 도어트림, 타이어 등 주요 자동차 부품의 품질 검사를 시연했고, PC 없이 구동된다는 것으로 보여줘 많은 참관객의 호응을 얻었다고 업체 측은 설명했다. 또한 생산 현장 컨베이어 벨트 공정에서 빠른 속도로 바코드를 판독하는 고정형/핸디형 바코드 리더기를 소개했다. 코그넥스코리아 자동차 세일즈 팀장인 이재석 이사는 “코그넥스 딥러닝 전문 연구소는 공장 및 검사 자동화 분야에서 고객의 요구사항을 충족시킬 수 있도록 고객 맞춤형 딥러닝 솔루션을 개발하는데 주력하고 있다”라며, “코그넥스는 고객 수요에 맞춘 최적의 제품 개발을 위한 맞춤형 컨설팅을 제공하고, 전국의 고객과 지속적으로 만나 소통해 지원을 확대해 나갈 것”이라고 밝혔다. ciokr@idg.co.kr

코그넥스 딥러닝

2021.11.08

코그넥스는 딥러닝 전문 연구소를 설립하고 고객 맞춤 딥러닝 솔루션을 제공하고 있다고 8일 밝혔다. 코그넥스 딥러닝 전문 연구소는 약 80명의 딥러닝 전문 엔지니어와 딥러닝 마케팅 부서로 구성돼 있다. 코그넥스 연구소는 시장의 새로운 수요에 맞춘 딥러닝 신기술을 연구하고, 비전프로 딥러닝 제품을 개발하고 있다. 코그넥스 딥러닝 연구소는 공장 및 검사 자동화 분야에서 고객의 요구사항을 충족시킬 수 있도록 고객 맞춤형 딥러닝 솔루션을 연구 개발을 진행하고 있다. 또한, 지속적인 후속 지원을 통해 비용 절감과 수율 향상을 실현할 수 있도록 지원할 계획이다. 이의 일환으로 코그넥스는 지난달 대구 엑스코에서 열린 ‘대구 국제 미래자동차 엑스포 2021(DIFA 2021)’에 참여해, 현장 고객 컨설팅 서비스와 함께 자동차 품질 검사에 적용되는 다양한 머신 비전 및 딥러닝 솔루션을 선보인 바 있다.  특히 3D 비전을 활용한 로봇을 활용한 헤드램프, 도어트림, 타이어 등 주요 자동차 부품의 품질 검사를 시연했고, PC 없이 구동된다는 것으로 보여줘 많은 참관객의 호응을 얻었다고 업체 측은 설명했다. 또한 생산 현장 컨베이어 벨트 공정에서 빠른 속도로 바코드를 판독하는 고정형/핸디형 바코드 리더기를 소개했다. 코그넥스코리아 자동차 세일즈 팀장인 이재석 이사는 “코그넥스 딥러닝 전문 연구소는 공장 및 검사 자동화 분야에서 고객의 요구사항을 충족시킬 수 있도록 고객 맞춤형 딥러닝 솔루션을 개발하는데 주력하고 있다”라며, “코그넥스는 고객 수요에 맞춘 최적의 제품 개발을 위한 맞춤형 컨설팅을 제공하고, 전국의 고객과 지속적으로 만나 소통해 지원을 확대해 나갈 것”이라고 밝혔다. ciokr@idg.co.kr

2021.11.08

코그넥스, 수아랩 수아킷 통합한 머신비전 SW ‘비전프로 딥러닝’ 출시

코그넥스가 2019년 수아랩 인수 이후 딥러닝 기반 머신비전 소프트웨어 ‘코그넥스 비디(ViDi)’와 수아랩의 딥러닝 소프트웨어 ‘수아킷(SuaKit)’을 통합한 ‘비전프로 딥러닝(VisionPro Deep Learning)’ 출시했다고 밝혔다. 코그넥스의 첫 딥러닝 제품인 ‘코그넥스 비디(ViDi)’는 블루-로케이트(Blue-Locate), 레드-애널라이즈(Red-Analyze), 그린-클래시파이(Green-Classify), 블루-리드(Blue-Read) 등 문자판독(OCR)을 위한 총 4가지 툴로 출발했다.  이후 코그넥스의 룰베이스 기반 소프트웨어 ‘비전프로(VisionPro)’와 ‘비디(ViDi)’가 통합되어 여러 검사 및 개발 툴들을 함께 사용할 수 있게 됨으로써 보다 많은 검사 환경에 폭넓게 적용할 수 있게 되었다. 코그넥스는 국내 딥러닝 스타트업인 수아랩을 인수한 이후에 자사의 딥러닝 기반 소프트웨어인 ‘비디(ViDi)’와 기존 수아랩 딥러닝 소프트웨어 수아킷(SuaKit)을 통합해 ‘비전프로 딥러닝(VisionPro Deep Learning)’을 새롭게 출시했다. 회사에 따르면 ‘비전프로 딥러닝’은 그린-클래스파이(Green-Classify) 툴이 강화되었다. 분류 정확도를 크게 높인 그린-하이 디테일(Green–High Detail) 모드와 빠른 학습과 인퍼런스를 제공하는 그린-포커스드(Green–Focused) 모드를 추가 레이블링 없이 손쉽게 전환할 수 있게 됐다. 레드-애널라이즈(Red-Analyze) 결함 특정 툴 역시 강화되어 레드 하이 디테일(Red–High Detail) 모드를 통해 약 5~25% 더 정확도 높은 결함 크기 및 형상 측정이 가능해졌다. 그리고 레드-포커스드(Red–Focused) 모드는 보다 빠른 학습과 추론 기능을 제공하며, 높은 결함 측정 정확도를 보여준다고 업체 측은 설명했다. 또 비전프로 딥러닝은 룰베이스 기반 소프트웨어인 비전프로 10과 통합되어 딥러닝 런타임 워크스페이스를 비전프...

코그넥스 머신비전 딥러닝

2021.08.18

코그넥스가 2019년 수아랩 인수 이후 딥러닝 기반 머신비전 소프트웨어 ‘코그넥스 비디(ViDi)’와 수아랩의 딥러닝 소프트웨어 ‘수아킷(SuaKit)’을 통합한 ‘비전프로 딥러닝(VisionPro Deep Learning)’ 출시했다고 밝혔다. 코그넥스의 첫 딥러닝 제품인 ‘코그넥스 비디(ViDi)’는 블루-로케이트(Blue-Locate), 레드-애널라이즈(Red-Analyze), 그린-클래시파이(Green-Classify), 블루-리드(Blue-Read) 등 문자판독(OCR)을 위한 총 4가지 툴로 출발했다.  이후 코그넥스의 룰베이스 기반 소프트웨어 ‘비전프로(VisionPro)’와 ‘비디(ViDi)’가 통합되어 여러 검사 및 개발 툴들을 함께 사용할 수 있게 됨으로써 보다 많은 검사 환경에 폭넓게 적용할 수 있게 되었다. 코그넥스는 국내 딥러닝 스타트업인 수아랩을 인수한 이후에 자사의 딥러닝 기반 소프트웨어인 ‘비디(ViDi)’와 기존 수아랩 딥러닝 소프트웨어 수아킷(SuaKit)을 통합해 ‘비전프로 딥러닝(VisionPro Deep Learning)’을 새롭게 출시했다. 회사에 따르면 ‘비전프로 딥러닝’은 그린-클래스파이(Green-Classify) 툴이 강화되었다. 분류 정확도를 크게 높인 그린-하이 디테일(Green–High Detail) 모드와 빠른 학습과 인퍼런스를 제공하는 그린-포커스드(Green–Focused) 모드를 추가 레이블링 없이 손쉽게 전환할 수 있게 됐다. 레드-애널라이즈(Red-Analyze) 결함 특정 툴 역시 강화되어 레드 하이 디테일(Red–High Detail) 모드를 통해 약 5~25% 더 정확도 높은 결함 크기 및 형상 측정이 가능해졌다. 그리고 레드-포커스드(Red–Focused) 모드는 보다 빠른 학습과 추론 기능을 제공하며, 높은 결함 측정 정확도를 보여준다고 업체 측은 설명했다. 또 비전프로 딥러닝은 룰베이스 기반 소프트웨어인 비전프로 10과 통합되어 딥러닝 런타임 워크스페이스를 비전프...

2021.08.18

김진철의 How-to-Big Dataㅣ에필로그 – 맺는 글

LHC 빅데이터의 미래 – FCC와 새로운 입자 물리학 실험들 LHC 실험은 2018년까지 13TeV, 190fb-1의 목표 성능에 대한 계획된 실험을 마치고 현재 가동을 잠시 중단한 상태다. 2027년 9월로 예정되어 있는 고광도 LHC(High-Luminosity LHC; HL-LHC) 실험을 위해 LHC 주 가속기와 ATLAS, CMS, ALICE, LHCb의 주요 검출기들의 성능을 높이기 위해서는 목표 성능을 낼 수 있도록 많은 부품과 장치들을 새롭게 제작, 교체해야 한다. 지금은 시운전, 테스트를 준비하며 LHC 주 가속기와 검출기들을 업그레이드하고 있다.   COVID-19 바이러스는 CERN의 LHC 실험에도 영향을 미쳐서 LHC 실험의 일정을 지연시켰다. 원래 HL-LHC 실험을 위한 검출기들의 1차 업그레이드를 완료하고 첫 빔 테스트와 시운전을 진행할 예정이었던 2021년 5월에서 4개월 지연된 2021년 9월에 첫 빔 테스트를 진행할 예정이다. 예상치 못했던 COVID-19 바이러스 사태때문에 앞으로 COVID-19 바이러스 확산 상태에 따라 LHC 실험 일정이 다시 변경될 가능성도 있지만, 현재까지의 상황을 보면 2022년 5월부터 원래 예정되었던 LHC 세 번째 실험(Run3)이 진행될 가능성이 높다. LHC 주 가속기가 업그레이드되어 양성자 빔이 14TeV의 목표 에너지와 3000fb-1의 반응 크로스 섹션(cross section)에 도달하면, LHC 실험 초반에 20 ~ 40PB 규모의 3차원 영상 이벤트 데이터를 쏟아냈던 ATLAS, CMS, ALICE, LHCb 네 개의 검출기들은 LHC 빔 충돌 지점(interaction point)에서 일어날 수 이벤트의 빈도가 LHC 건설 당시 100배이상 높아지게 되면서 이에 따라 각 검출기들이 생산해내는 이벤트 영상 데이터의 양도 크게 증가할 것으로 보인다.  HL-LHC 업그레이드에 따른 LHC 가속기와 주요 검출기들의 성능 향상도 LHC 빅데이터의 증가에 영향...

김진철 빅데이터 데이터 과학 입자 물리학 양자 컴퓨팅 인공지능 딥러닝 5G

2021.07.29

LHC 빅데이터의 미래 – FCC와 새로운 입자 물리학 실험들 LHC 실험은 2018년까지 13TeV, 190fb-1의 목표 성능에 대한 계획된 실험을 마치고 현재 가동을 잠시 중단한 상태다. 2027년 9월로 예정되어 있는 고광도 LHC(High-Luminosity LHC; HL-LHC) 실험을 위해 LHC 주 가속기와 ATLAS, CMS, ALICE, LHCb의 주요 검출기들의 성능을 높이기 위해서는 목표 성능을 낼 수 있도록 많은 부품과 장치들을 새롭게 제작, 교체해야 한다. 지금은 시운전, 테스트를 준비하며 LHC 주 가속기와 검출기들을 업그레이드하고 있다.   COVID-19 바이러스는 CERN의 LHC 실험에도 영향을 미쳐서 LHC 실험의 일정을 지연시켰다. 원래 HL-LHC 실험을 위한 검출기들의 1차 업그레이드를 완료하고 첫 빔 테스트와 시운전을 진행할 예정이었던 2021년 5월에서 4개월 지연된 2021년 9월에 첫 빔 테스트를 진행할 예정이다. 예상치 못했던 COVID-19 바이러스 사태때문에 앞으로 COVID-19 바이러스 확산 상태에 따라 LHC 실험 일정이 다시 변경될 가능성도 있지만, 현재까지의 상황을 보면 2022년 5월부터 원래 예정되었던 LHC 세 번째 실험(Run3)이 진행될 가능성이 높다. LHC 주 가속기가 업그레이드되어 양성자 빔이 14TeV의 목표 에너지와 3000fb-1의 반응 크로스 섹션(cross section)에 도달하면, LHC 실험 초반에 20 ~ 40PB 규모의 3차원 영상 이벤트 데이터를 쏟아냈던 ATLAS, CMS, ALICE, LHCb 네 개의 검출기들은 LHC 빔 충돌 지점(interaction point)에서 일어날 수 이벤트의 빈도가 LHC 건설 당시 100배이상 높아지게 되면서 이에 따라 각 검출기들이 생산해내는 이벤트 영상 데이터의 양도 크게 증가할 것으로 보인다.  HL-LHC 업그레이드에 따른 LHC 가속기와 주요 검출기들의 성능 향상도 LHC 빅데이터의 증가에 영향...

2021.07.29

어떻게 세상 바꿀까?··· 도전장 던진 'AI 스타트업' 5곳

소매업, 제조업, 농업 등 다양한 산업에서 ‘딥러닝(Deep Learning)’이 어려운 과제를 해결하고 있다. 여기에 앞장서고 있는 스타트업을 살펴본다.  딥러닝과 뉴럴 네트워크의 발전은 자연어 처리(NLP) 및 컴퓨터 비전에 엄청난 혁신을 가져왔다. 또한 이 기술에는 제조, 소매, 공급망, 농업 등 수많은 비즈니스 영역의 어려운 과제를 해결할 잠재력이 있다. 그리고 가장 중요한 혁신의 뒤에는 기술 스타트업이 자리하고 있기 마련이다. 여기에서는 ‘응용 AI(applied AI)’ 스타트업을 소개한다. 이 스타트업들은 완전 자율주행차를 향해 가는 것부터 농업 생산의 경계를 넓히는 것까지 다양한 산업 과제를 해결하기 위해 이미지, 텍스트, 오디오, 영상, 범주형 데이터, 표 형식 데이터 또는 이들의 조합을 처리하는 가지각색의 기술을 적용하고 있다.    1. 아르고 AI(Argo AI) 아직 멀었는가? 자율주행차가 약속한 미래가 실현되길 오랫동안 기다리고 있지만 자율주행 기술 분야의 준비 작업은 계속되고 있다. ‘아르고 AI’는 자율주행차에 필요한 모든 것을 갖춘 플랫폼을 목표로 하는 스타트업이다. 버스나 기차를 타지 않아도 출퇴근 길에 책을 읽을 수 있는 멋진 미래로 가는 데 필요한 모든 소프트웨어, 하드웨어, 지도, 원격 인프라를 다룬다.   포드(Ford), 폭스바겐(Volkswagen) 등과 협력해 연구 범위를 넓혀 나가는 가운데 아르고 AI는 최근 ‘아르고 라이다(Argo Lidar)’를 공개했다. 이는 최대 400m 떨어진 물체를 인식할 수 있는 새로운 라이다 시스템이다.  회사에 따르면 이는 야간 및 저조도 환경에서 잘 작동하며, 다른 라이다 시스템에서는 문제를 일으킬 수 있는 상황(예: 터널에서 나올 때 밝기가 급격히 달라지는 것 등)도 원활하게 처리할 수 있다.  아르고 AI는 터무니없는 전망을 내놓기 보다는 안전한 보조 운전(assisted-driving) 경험을 위한 모든 요소...

AI 인공지능 머신러닝 딥러닝 뉴럴 네트워크 신경망 자연어 처리 컴퓨터 비전 응용 AI 아르고 AI 라이다 센서 세레스 이미징 랜딩 AI 센티넬 딥페이크 스탠다드 아마존 고

2021.07.14

소매업, 제조업, 농업 등 다양한 산업에서 ‘딥러닝(Deep Learning)’이 어려운 과제를 해결하고 있다. 여기에 앞장서고 있는 스타트업을 살펴본다.  딥러닝과 뉴럴 네트워크의 발전은 자연어 처리(NLP) 및 컴퓨터 비전에 엄청난 혁신을 가져왔다. 또한 이 기술에는 제조, 소매, 공급망, 농업 등 수많은 비즈니스 영역의 어려운 과제를 해결할 잠재력이 있다. 그리고 가장 중요한 혁신의 뒤에는 기술 스타트업이 자리하고 있기 마련이다. 여기에서는 ‘응용 AI(applied AI)’ 스타트업을 소개한다. 이 스타트업들은 완전 자율주행차를 향해 가는 것부터 농업 생산의 경계를 넓히는 것까지 다양한 산업 과제를 해결하기 위해 이미지, 텍스트, 오디오, 영상, 범주형 데이터, 표 형식 데이터 또는 이들의 조합을 처리하는 가지각색의 기술을 적용하고 있다.    1. 아르고 AI(Argo AI) 아직 멀었는가? 자율주행차가 약속한 미래가 실현되길 오랫동안 기다리고 있지만 자율주행 기술 분야의 준비 작업은 계속되고 있다. ‘아르고 AI’는 자율주행차에 필요한 모든 것을 갖춘 플랫폼을 목표로 하는 스타트업이다. 버스나 기차를 타지 않아도 출퇴근 길에 책을 읽을 수 있는 멋진 미래로 가는 데 필요한 모든 소프트웨어, 하드웨어, 지도, 원격 인프라를 다룬다.   포드(Ford), 폭스바겐(Volkswagen) 등과 협력해 연구 범위를 넓혀 나가는 가운데 아르고 AI는 최근 ‘아르고 라이다(Argo Lidar)’를 공개했다. 이는 최대 400m 떨어진 물체를 인식할 수 있는 새로운 라이다 시스템이다.  회사에 따르면 이는 야간 및 저조도 환경에서 잘 작동하며, 다른 라이다 시스템에서는 문제를 일으킬 수 있는 상황(예: 터널에서 나올 때 밝기가 급격히 달라지는 것 등)도 원활하게 처리할 수 있다.  아르고 AI는 터무니없는 전망을 내놓기 보다는 안전한 보조 운전(assisted-driving) 경험을 위한 모든 요소...

2021.07.14

기고ㅣAI 책임자 직급이 낮아졌다, 이유는?··· '2021 AI 현황 보고서' 요약

호주의 AI 학습용 데이터 전문 업체 ‘아펜(Appen)’에서 비즈니스 리더와 데이터 과학자를 대상으로 실시한 설문조사 결과를 발표했다. AI 이니셔티브가 비즈니스 가치를 제공하는 건 맞지만 과제도 여전히 남아있는 것으로 나타났다. 2020년은 그 어느 때보다 다사다난했던 한 해로 기억될 것이다. 코로나19가 강타하고, 그 여파로 사회적 변화가 이뤄졌으며 그리고 미국의 경우 중대한 정치적 변화가 발생했다. 기술 업계에서도 2020년은 의미가 있다. ‘인공지능(AI)’이 SF 소설에서 비즈니스 현실로 탈바꿈한 해이기 때문이다.   지난해 코로나19 위기가 닥치자 거의 모든 업종과 규모의 기업에서 AI 이니셔티브를 가속했다. 팬데믹이 1년 이상 지속되고 있는 현 상황에서 기업들은 이제 데이터를 파악하고 AI를 사용해 내부 프로세스를 지원하는 데 초점을 맞추고 있다.    몇 년 전에 ‘모든 기업은 기술 기업이다’라는 말이 있었다. 그 말은 이젠 한물갔다. 오늘날 모든 기업은 데이터 기업이다. 하지만 방대한 양의 정보 때문에 대대적인 자동화를 통해 핵심 인사이트를 찾아야 한다. AI가 바로 이 문제의 해결책이다. AI 관련 예산은 연간 50만 달러부터 500만 달러까지로 전년 대비 55% 이상 증가하면서 시장 성숙도가 더욱더 높아지고 있다.   AI 시스템 구축용 학습 데이터 전문 업체 ‘아펜 리미티드(Appen Limited)’는 시장조사기관 해리스 폴(Harris Poll)에 의뢰해 올해 3월 1일부터 19일 동안 총 501명의 비즈니스 리더와 데이터 과학자를 대상으로 온라인 설문조사를 진행해 ‘2021년 AI 및 머신러닝 현황 보고서(2021 State of AI and Machine Learning Report)’를 발표했다. 설문조사 응답자는 100명 이상의 직원을 둔 미국 기반 기업에 소속된 251명의 비즈니스 리더와 250명의 데이터 과학자, 데이터 엔지니어, 개발자로 구성됐다.  “AI 이니셔티...

인공지능 머신러닝 딥러닝 데이터 빅데이터 애널리틱스 AI 윤리 해석가능성

2021.06.29

호주의 AI 학습용 데이터 전문 업체 ‘아펜(Appen)’에서 비즈니스 리더와 데이터 과학자를 대상으로 실시한 설문조사 결과를 발표했다. AI 이니셔티브가 비즈니스 가치를 제공하는 건 맞지만 과제도 여전히 남아있는 것으로 나타났다. 2020년은 그 어느 때보다 다사다난했던 한 해로 기억될 것이다. 코로나19가 강타하고, 그 여파로 사회적 변화가 이뤄졌으며 그리고 미국의 경우 중대한 정치적 변화가 발생했다. 기술 업계에서도 2020년은 의미가 있다. ‘인공지능(AI)’이 SF 소설에서 비즈니스 현실로 탈바꿈한 해이기 때문이다.   지난해 코로나19 위기가 닥치자 거의 모든 업종과 규모의 기업에서 AI 이니셔티브를 가속했다. 팬데믹이 1년 이상 지속되고 있는 현 상황에서 기업들은 이제 데이터를 파악하고 AI를 사용해 내부 프로세스를 지원하는 데 초점을 맞추고 있다.    몇 년 전에 ‘모든 기업은 기술 기업이다’라는 말이 있었다. 그 말은 이젠 한물갔다. 오늘날 모든 기업은 데이터 기업이다. 하지만 방대한 양의 정보 때문에 대대적인 자동화를 통해 핵심 인사이트를 찾아야 한다. AI가 바로 이 문제의 해결책이다. AI 관련 예산은 연간 50만 달러부터 500만 달러까지로 전년 대비 55% 이상 증가하면서 시장 성숙도가 더욱더 높아지고 있다.   AI 시스템 구축용 학습 데이터 전문 업체 ‘아펜 리미티드(Appen Limited)’는 시장조사기관 해리스 폴(Harris Poll)에 의뢰해 올해 3월 1일부터 19일 동안 총 501명의 비즈니스 리더와 데이터 과학자를 대상으로 온라인 설문조사를 진행해 ‘2021년 AI 및 머신러닝 현황 보고서(2021 State of AI and Machine Learning Report)’를 발표했다. 설문조사 응답자는 100명 이상의 직원을 둔 미국 기반 기업에 소속된 251명의 비즈니스 리더와 250명의 데이터 과학자, 데이터 엔지니어, 개발자로 구성됐다.  “AI 이니셔티...

2021.06.29

김진철의 How-to-Big DataㅣHow-to-Big Data 핵심 정리(Key Takeaways) (3)

이번 글은 지난 쉰세 번째 글에 이어 2017년 1월부터 지금까지 필자가 소개했던 빅데이터 활용의 핵심들을 다시 정리해보는 마지막 글이다. 지난 쉰세 번째 글에서는 필자가 독자들로부터 가장 많은 문의를 받았던 내용인 빅데이터 비즈니스 조직의 조직 및 운영에 관한 22회부터 34회까지의 글을 요약 정리했다. How-to-Big Data의 주요 내용을 요약 정리하는 글의 마지막 편인 이번 글에서 빅데이터 비즈니스의 미래를 다루었던 35회부터 51회까지 글의 핵심 내용을 다시 짚어보려고 한다.     --> 김진철의 How-to-Big Data | How-to-Big Data 핵심 정리(Key Takeaways) (1) --> 김진철의 How-to-Big DataㅣHow-to-Big Data 핵심 정리(Key Takeaways) (2)   35회: 빅데이터의 미래 (1) (2019년 11월 27일 게재) 34회까지 CERN의 LHC 빅데이터 사례를 통해 배운 빅데이터 비즈니스의 교훈을 앞으로 어떻게 적용하는 것이 좋을지 생각해보기 위해 빅데이터 비즈니스의 미래를 살펴보는 글의 첫 번째 글이었다. 빅데이터 기술과 비즈니스가 앞으로 어떻게 변화해갈지 생각해보는 데 도움이 될 수 있도록 빅데이터 현상이 왜 일어나는지 그 근본 배경에 대해서 같이 생각해보았다. 빅데이터 현상은 컴퓨터 기술이 그 시대에 필요로 하는 데이터 처리의 요구사항을 극복하지 못할 때 나타나는 필연적인 현상이며, 현재 우리가 경험하는 빅데이터 현상 전에도 다른 양상으로 여러 번 나타났다.  이런 맥락에서 빅데이터 기술의 역사는 컴퓨터 기술 발전의 역사와 맥을 같이 한다. 다만 현재 우리가 겪는 빅데이터 현상이 이전과 다른 것은 베오울프 클러스터 기술로 시작된 분산 컴퓨팅 기술의 발전과 수평적 확장성의 발전, 이런 분산 컴퓨팅과 수평적 확장성을 지원하는 기술로 처리가능한 데이터의 양이 폭증하는 것과 함께 중요해진 데이터 수...

김진철 빅 데이터 데이터 과학 사이버 물리 시스템 클라우드 컴퓨팅 5G 6G 인공지능 머신러닝 모바일 엣지 컴퓨팅 자율 컴퓨팅 데브옵스 고랭 엣지 컴퓨팅 딥러닝 데이터 과학자 ESG 경영

2021.06.29

이번 글은 지난 쉰세 번째 글에 이어 2017년 1월부터 지금까지 필자가 소개했던 빅데이터 활용의 핵심들을 다시 정리해보는 마지막 글이다. 지난 쉰세 번째 글에서는 필자가 독자들로부터 가장 많은 문의를 받았던 내용인 빅데이터 비즈니스 조직의 조직 및 운영에 관한 22회부터 34회까지의 글을 요약 정리했다. How-to-Big Data의 주요 내용을 요약 정리하는 글의 마지막 편인 이번 글에서 빅데이터 비즈니스의 미래를 다루었던 35회부터 51회까지 글의 핵심 내용을 다시 짚어보려고 한다.     --> 김진철의 How-to-Big Data | How-to-Big Data 핵심 정리(Key Takeaways) (1) --> 김진철의 How-to-Big DataㅣHow-to-Big Data 핵심 정리(Key Takeaways) (2)   35회: 빅데이터의 미래 (1) (2019년 11월 27일 게재) 34회까지 CERN의 LHC 빅데이터 사례를 통해 배운 빅데이터 비즈니스의 교훈을 앞으로 어떻게 적용하는 것이 좋을지 생각해보기 위해 빅데이터 비즈니스의 미래를 살펴보는 글의 첫 번째 글이었다. 빅데이터 기술과 비즈니스가 앞으로 어떻게 변화해갈지 생각해보는 데 도움이 될 수 있도록 빅데이터 현상이 왜 일어나는지 그 근본 배경에 대해서 같이 생각해보았다. 빅데이터 현상은 컴퓨터 기술이 그 시대에 필요로 하는 데이터 처리의 요구사항을 극복하지 못할 때 나타나는 필연적인 현상이며, 현재 우리가 경험하는 빅데이터 현상 전에도 다른 양상으로 여러 번 나타났다.  이런 맥락에서 빅데이터 기술의 역사는 컴퓨터 기술 발전의 역사와 맥을 같이 한다. 다만 현재 우리가 겪는 빅데이터 현상이 이전과 다른 것은 베오울프 클러스터 기술로 시작된 분산 컴퓨팅 기술의 발전과 수평적 확장성의 발전, 이런 분산 컴퓨팅과 수평적 확장성을 지원하는 기술로 처리가능한 데이터의 양이 폭증하는 것과 함께 중요해진 데이터 수...

2021.06.29

김진철의 How-to-Big DataㅣHow-to-Big Data 핵심 정리(Key Takeaways) (2)

이번 글은 지난 글에 이어 2017년 1월부터 지금까지 필자가 소개했던 빅데이터 활용 교훈의 핵심들을 다시 정리해보려고 한다. 지난 쉰 두 번째 글에서는 빅데이터 비즈니스와 관련된 기술의 종류와 활용법에 대해 살펴본 1회부터 21회까지의 기고 내용을 정리한 글이었다. 이번 글은 필자가 독자들로부터 가장 많은 문의를 받았던 빅데이터 비즈니스 조직의 조직과 운영 방법에 관한 내용을 다루었던 22회부터 34회까지 글의 핵심 내용을 정리해보려고 한다.   22회: 빅데이터 조직과 시스템 (1) (2018년 10월 26일 게재)  빅데이터 비즈니스 프로젝트는 아무리 작은 규모라고 해도 일반 기업이 부담하기에는 꽤 많은 자원과 인력이 투입된다. 성공적인 빅데이터 비즈니스를 위해서는 단순히 빅데이터 시스템을 도입하기 위한 조직이 아니라, 빅데이터 시스템을 인프라로 갖춘 후에도 이를 유지, 보수, 운영하면서 데이터 과학 활동을 꾸준하게 할 수 있는 조직 체계가 갖춰져야 한다. CERN의 LHC 실험에서는 막대한 규모의 빅데이터를 처리, 분석할 수 있는 LHC 컴퓨팅 그리드를 건설하기 위해 각 검출기 실험의 “국제공동협력 이사회(Collaboration Board)”와 동급으로 “자원 검토 이사회(Resources Review Board)”를 상설 기구로 두었다. 이 “자원 검토 이사회(Resources Review Board)”는 매 분기별로 실험에 참여하는 각 국 정부의 실험 참여 분담금과 연구팀의 예산, 인력 상황을 검토하고 프로젝트 진행상황을 면밀하게 점검하였다. LHC 가속기와 네 개의 입자 검출기 건설에만 20여년이 걸리고, 건설 후에도 40여년 가까이 운영되어야 하기 때문에, LHC 프로젝트는 많은 위험 요소를 가지고 있다. 근본적으로 LHC 실험이 우주를 구성하는 물질의 근본적인 원리를 탐구하고 밝히려는 과학적 발견과 성과에 초점이 맞춰져 있어 기본적으로 물리학과 가속기, 검출기 건설, 유지, 보수를 위한 공학적, 기술적 측면에 프로젝트...

김진철 빅데이터 데이터 과학 데이터 과학자 빅데이터 비즈니스 아파치 하둡 스파크 데이터 레이크 인공지능 딥러닝 해석가능성 클라우드 운영 지능화

2021.05.31

이번 글은 지난 글에 이어 2017년 1월부터 지금까지 필자가 소개했던 빅데이터 활용 교훈의 핵심들을 다시 정리해보려고 한다. 지난 쉰 두 번째 글에서는 빅데이터 비즈니스와 관련된 기술의 종류와 활용법에 대해 살펴본 1회부터 21회까지의 기고 내용을 정리한 글이었다. 이번 글은 필자가 독자들로부터 가장 많은 문의를 받았던 빅데이터 비즈니스 조직의 조직과 운영 방법에 관한 내용을 다루었던 22회부터 34회까지 글의 핵심 내용을 정리해보려고 한다.   22회: 빅데이터 조직과 시스템 (1) (2018년 10월 26일 게재)  빅데이터 비즈니스 프로젝트는 아무리 작은 규모라고 해도 일반 기업이 부담하기에는 꽤 많은 자원과 인력이 투입된다. 성공적인 빅데이터 비즈니스를 위해서는 단순히 빅데이터 시스템을 도입하기 위한 조직이 아니라, 빅데이터 시스템을 인프라로 갖춘 후에도 이를 유지, 보수, 운영하면서 데이터 과학 활동을 꾸준하게 할 수 있는 조직 체계가 갖춰져야 한다. CERN의 LHC 실험에서는 막대한 규모의 빅데이터를 처리, 분석할 수 있는 LHC 컴퓨팅 그리드를 건설하기 위해 각 검출기 실험의 “국제공동협력 이사회(Collaboration Board)”와 동급으로 “자원 검토 이사회(Resources Review Board)”를 상설 기구로 두었다. 이 “자원 검토 이사회(Resources Review Board)”는 매 분기별로 실험에 참여하는 각 국 정부의 실험 참여 분담금과 연구팀의 예산, 인력 상황을 검토하고 프로젝트 진행상황을 면밀하게 점검하였다. LHC 가속기와 네 개의 입자 검출기 건설에만 20여년이 걸리고, 건설 후에도 40여년 가까이 운영되어야 하기 때문에, LHC 프로젝트는 많은 위험 요소를 가지고 있다. 근본적으로 LHC 실험이 우주를 구성하는 물질의 근본적인 원리를 탐구하고 밝히려는 과학적 발견과 성과에 초점이 맞춰져 있어 기본적으로 물리학과 가속기, 검출기 건설, 유지, 보수를 위한 공학적, 기술적 측면에 프로젝트...

2021.05.31

김진철의 How-to-Big Data | How-to-Big Data 핵심 정리(Key Takeaways) (1)

이번 글과 다음 글에서는 지난 2017년 1월부터 지금까지 필자가 정리했던 빅데이터 활용 교훈의 핵심을 정리해보는 시간을 가지려고 한다. 필자가 기고를 시작했던 2017년부터 지금까지 빅데이터 기술이나 데이터 과학 활용 양상이 많이 발전했어도 많은 기업이 빅데이터를 차별화된 비즈니스 성공으로 이끈 사례는 생각보다 많지 않다. 필자가 CERN의 LHC 실험을 통해 살펴보았던 빅데이터 활용의 교훈들은 시간이 지나도 여전히 유효하다. 지금까지 살펴본 내용들을 같이 보면서 앞으로 빅데이터를 어떻게 활용해야 시행착오를 덜 겪으면서 비즈니스를 성공으로 이끌 수 있을지 같이 정리해보자.   --> 1회: 연재를 시작하며 (2017년 1월 23일 게재) 필자가 연재를 시작할 당시 데이터 과학 무용론이 고개를 들기 시작하던 때였다. 소위 하둡(Hadoop)과 같은 빅데이터 기술을 도입했지만 비즈니스 효과가 없다는 얘기도 있었고, 빅데이터와 데이터 과학이 실체가 없고 주요 IT 기업들의 솔루션 판매를 위한 마케팅 용어일 뿐이라는 주장도 나타났다.  많은 기업들이 빅데이터의 효과를 확인하지 못하는 이유는 빅데이터를 처리하는 기술, 특히 당시에는 아파치 하둡(Hadoop)과 스파크(Spark)기술 중심의 빅데이터 기술을 도입하는 데에 관심을 보이고, 빅데이터 기술이 도입된 후 정작 해야 하는 데이터 과학을 제대로 하지 않았기 때문이라고 설명했다. 빅데이터와 데이터 과학을 잘 활용해서 효용을 얻기 위해 필요한 것을 데이터, 인프라, 조직 및 시스템, 사람의 네 가지 관점에서 살펴보겠다고 소개했다. 빅데이터와 데이터 과학을 활용하기 위해 가장 중요한 것이 데이터 수집이다. 우선 어떤 데이터를 어떻게 획득할 것인가하는 문제가 빅데이터 비즈니스 모델의 설계와 성공에 많은 영향을 미치기 때문이고, 데이터가 없는데 빅데이터 비즈니스 모델이 작동할 리 없기 때문이다. 데이터는 빅데이터 비즈니스 모델의 연료와 같다. --> 2회: 빅데이터 활용의 근본적인 ...

김진철 빅 데이터 데이터 과학 아파치 하둡 스파크 데이터 레이크 인공지능 딥러닝 해석가능성 클라우드 운영 지능화

2021.04.27

이번 글과 다음 글에서는 지난 2017년 1월부터 지금까지 필자가 정리했던 빅데이터 활용 교훈의 핵심을 정리해보는 시간을 가지려고 한다. 필자가 기고를 시작했던 2017년부터 지금까지 빅데이터 기술이나 데이터 과학 활용 양상이 많이 발전했어도 많은 기업이 빅데이터를 차별화된 비즈니스 성공으로 이끈 사례는 생각보다 많지 않다. 필자가 CERN의 LHC 실험을 통해 살펴보았던 빅데이터 활용의 교훈들은 시간이 지나도 여전히 유효하다. 지금까지 살펴본 내용들을 같이 보면서 앞으로 빅데이터를 어떻게 활용해야 시행착오를 덜 겪으면서 비즈니스를 성공으로 이끌 수 있을지 같이 정리해보자.   --> 1회: 연재를 시작하며 (2017년 1월 23일 게재) 필자가 연재를 시작할 당시 데이터 과학 무용론이 고개를 들기 시작하던 때였다. 소위 하둡(Hadoop)과 같은 빅데이터 기술을 도입했지만 비즈니스 효과가 없다는 얘기도 있었고, 빅데이터와 데이터 과학이 실체가 없고 주요 IT 기업들의 솔루션 판매를 위한 마케팅 용어일 뿐이라는 주장도 나타났다.  많은 기업들이 빅데이터의 효과를 확인하지 못하는 이유는 빅데이터를 처리하는 기술, 특히 당시에는 아파치 하둡(Hadoop)과 스파크(Spark)기술 중심의 빅데이터 기술을 도입하는 데에 관심을 보이고, 빅데이터 기술이 도입된 후 정작 해야 하는 데이터 과학을 제대로 하지 않았기 때문이라고 설명했다. 빅데이터와 데이터 과학을 잘 활용해서 효용을 얻기 위해 필요한 것을 데이터, 인프라, 조직 및 시스템, 사람의 네 가지 관점에서 살펴보겠다고 소개했다. 빅데이터와 데이터 과학을 활용하기 위해 가장 중요한 것이 데이터 수집이다. 우선 어떤 데이터를 어떻게 획득할 것인가하는 문제가 빅데이터 비즈니스 모델의 설계와 성공에 많은 영향을 미치기 때문이고, 데이터가 없는데 빅데이터 비즈니스 모델이 작동할 리 없기 때문이다. 데이터는 빅데이터 비즈니스 모델의 연료와 같다. --> 2회: 빅데이터 활용의 근본적인 ...

2021.04.27

인터뷰ㅣ"애널리틱스·AI로 줄줄 새는 물 잡는다" 美 상하수도국 CIO

美 워싱턴 D.C 상하수도국에서는 수도 및 하수관 파손을 사전에 잡을 수 있도록 예측 애널리틱스(Predictive analytics)와 인공지능(AI)을 활용하고 있다. 이와 관련해 CIO 토마스 쿠친스키와 이야기를 나눠봤다.     워싱턴 D.C 상하수도국(The District of Columbia Water and Sewer Authority; DC Water)은 하루에 약 34억 리터의 수돗물을 총 길이 2,000km에 달하는 파이프를 통해 공급하고 있다. 매일 평균 약 11억 리터를 처리하는 세계 최대의 첨단 하수 처리 시설을 운영하고 있기도 하다.  토마스 쿠친스키는 이 상하수도국의 CIO이자 IT 부사장이다. 또 워싱턴 D.C 상하수도국에서 전액 출자한 자회사 블루 드롭(Blue Drop)의 사장이다. 블루 드롭은 수도 요금 이외의 수익 창출을 담당하고 있다.  그는 기업 전체에서 애널리틱스를 활용할 수 있도록 지원하고 있는데, (쿠친스키의 말을 빌리자면) 이는 단순한 보고(reporting)가 아니다. 쿠친스키는 “데이터 비즈니스를 하고 싶었다”라면서, “의사결정을 해야 하는 사람들이 신뢰할 수 있고 감사(audit)할 수 있는 정보에 액세스할 수 있도록 하는 일을 하고 있다”라고 말했다.  그에 따르면 워싱턴 D.C 상하수도국은 이른바 ‘무수수량(Non-revenue water 또는 unaccounted for water; 수돗물을 생산해 각 가정까지 공급하는 계통상에서 계량기 오차, 불법 사용, 누수 등에 의해 손실되는 수돗물)’에 초점을 맞춰 상당한 투자를 했다.  쿠친스키는 “운영 측면에서 보자면 수도관 파열을 사전에 파악하기 위한 ‘예측 애널리틱스 도구’를 구축하는 데 많은 시간을 할애하고 있다”라면서, “이는 수도관이 파열되고 나서 사후에 대처하는 것이라기보다 아예 그 상황이 일어나지 않도록 사전 예방하는 것이다. 전기 산업에서 일반적으로 ‘정전 관리’라고 하는 일을 하...

애널리틱스 데이터 디지털 트랜스포메이션 예측 애널리틱스 IT 리더십 딥러닝 인공지능

2021.04.21

美 워싱턴 D.C 상하수도국에서는 수도 및 하수관 파손을 사전에 잡을 수 있도록 예측 애널리틱스(Predictive analytics)와 인공지능(AI)을 활용하고 있다. 이와 관련해 CIO 토마스 쿠친스키와 이야기를 나눠봤다.     워싱턴 D.C 상하수도국(The District of Columbia Water and Sewer Authority; DC Water)은 하루에 약 34억 리터의 수돗물을 총 길이 2,000km에 달하는 파이프를 통해 공급하고 있다. 매일 평균 약 11억 리터를 처리하는 세계 최대의 첨단 하수 처리 시설을 운영하고 있기도 하다.  토마스 쿠친스키는 이 상하수도국의 CIO이자 IT 부사장이다. 또 워싱턴 D.C 상하수도국에서 전액 출자한 자회사 블루 드롭(Blue Drop)의 사장이다. 블루 드롭은 수도 요금 이외의 수익 창출을 담당하고 있다.  그는 기업 전체에서 애널리틱스를 활용할 수 있도록 지원하고 있는데, (쿠친스키의 말을 빌리자면) 이는 단순한 보고(reporting)가 아니다. 쿠친스키는 “데이터 비즈니스를 하고 싶었다”라면서, “의사결정을 해야 하는 사람들이 신뢰할 수 있고 감사(audit)할 수 있는 정보에 액세스할 수 있도록 하는 일을 하고 있다”라고 말했다.  그에 따르면 워싱턴 D.C 상하수도국은 이른바 ‘무수수량(Non-revenue water 또는 unaccounted for water; 수돗물을 생산해 각 가정까지 공급하는 계통상에서 계량기 오차, 불법 사용, 누수 등에 의해 손실되는 수돗물)’에 초점을 맞춰 상당한 투자를 했다.  쿠친스키는 “운영 측면에서 보자면 수도관 파열을 사전에 파악하기 위한 ‘예측 애널리틱스 도구’를 구축하는 데 많은 시간을 할애하고 있다”라면서, “이는 수도관이 파열되고 나서 사후에 대처하는 것이라기보다 아예 그 상황이 일어나지 않도록 사전 예방하는 것이다. 전기 산업에서 일반적으로 ‘정전 관리’라고 하는 일을 하...

2021.04.21

디노(Deno) 1.8 출시··· ‘웹GPU API’ 실험적 기능으로 지원 

Node.js 대체재로 개발된 자바스크립트/타입스크립트 런타임의 최신 버전(v1.8)에서 GPU 렌더링 및 연산을 위한 웹GPU(WebGPU) API가 지원된다.  디노(Deno) 버전 1.8이 지난 3월 2일 공개됐다. 이번 릴리즈에서는 향상된 성능의 머신러닝을 제공하고자 웹GPU API가 실험적으로 지원된다.    릴리즈 노트에 따르면 웹GPU API는 GPU에서 렌더링 및 연산 등의 작업을 수행하는 데 쓰인다. 개발팀은 이 API를 통해 디노에서 빠르게 GPU 렌더링 및 GPU를 사용한 범용 연산(GPGPU)에 액세스할 수 있다고 밝혔다.  웹GPU API는 개발자에게 자바스크립트에서 GPU 하드웨어를 프로그래밍할 수 있는 저수준, 고성능, 교차 아키텍처 메커니즘을 제공한다. 이는 웹 기반 그래픽 라이브러리 ‘웹GL(WebGL)’을 계승한다. 웹GPU 사양이 아직 확정되진 않았지만 현재 크로미움(Chromium), 파이어폭스(Firefox), 사파리(Safari) 등의 브라우저에서 웹GPU API 지원을 추가하고 있다고 개발팀은 전했다.  머신러닝에서 GPU를 사용하면서 더 복잡한 신경망 또는 딥러닝이 가능해졌다. 컴퓨터 비전, 번역, 이미지 생성, 강화 학습 등은 모두 GPU 하드웨어를 효과적으로 사용하는 데서 기인한다. 디노 개발팀은 오늘날 대부분의 신경망이 파이썬(Python)으로 정의돼 있지만 적절한 인프라가 존재한다면 자바스크립트가 수학적 개념을 표현하는 데 이상적인 언어로 사용될 수 있다고 주장했다. 그리고 디노에서 웹GPU를 제공하는 것은 이 방향으로 나아가는 단계이며, GPU 가속을 사용해 디노에서 텐서플로우.js(Tensorflow.js)를 실행하는 것이 목표라고 덧붙였다.  디노 1.8 설지 지침은 이곳(deno.land)에서 확인할 수 있다. 디노가 이미 설치돼 있다면 deno upgrade를 실행하여 업그레이드할 수 있다. 이 밖에 최신 릴리즈의 다른...

디노 데노 노드.js 자바스크립트 타입스크립트 런타임 GPU 머신러닝 딥러닝 렌더링 연산 크로미움 파이어폭스 사파리 브라우저 파이썬

2021.03.05

Node.js 대체재로 개발된 자바스크립트/타입스크립트 런타임의 최신 버전(v1.8)에서 GPU 렌더링 및 연산을 위한 웹GPU(WebGPU) API가 지원된다.  디노(Deno) 버전 1.8이 지난 3월 2일 공개됐다. 이번 릴리즈에서는 향상된 성능의 머신러닝을 제공하고자 웹GPU API가 실험적으로 지원된다.    릴리즈 노트에 따르면 웹GPU API는 GPU에서 렌더링 및 연산 등의 작업을 수행하는 데 쓰인다. 개발팀은 이 API를 통해 디노에서 빠르게 GPU 렌더링 및 GPU를 사용한 범용 연산(GPGPU)에 액세스할 수 있다고 밝혔다.  웹GPU API는 개발자에게 자바스크립트에서 GPU 하드웨어를 프로그래밍할 수 있는 저수준, 고성능, 교차 아키텍처 메커니즘을 제공한다. 이는 웹 기반 그래픽 라이브러리 ‘웹GL(WebGL)’을 계승한다. 웹GPU 사양이 아직 확정되진 않았지만 현재 크로미움(Chromium), 파이어폭스(Firefox), 사파리(Safari) 등의 브라우저에서 웹GPU API 지원을 추가하고 있다고 개발팀은 전했다.  머신러닝에서 GPU를 사용하면서 더 복잡한 신경망 또는 딥러닝이 가능해졌다. 컴퓨터 비전, 번역, 이미지 생성, 강화 학습 등은 모두 GPU 하드웨어를 효과적으로 사용하는 데서 기인한다. 디노 개발팀은 오늘날 대부분의 신경망이 파이썬(Python)으로 정의돼 있지만 적절한 인프라가 존재한다면 자바스크립트가 수학적 개념을 표현하는 데 이상적인 언어로 사용될 수 있다고 주장했다. 그리고 디노에서 웹GPU를 제공하는 것은 이 방향으로 나아가는 단계이며, GPU 가속을 사용해 디노에서 텐서플로우.js(Tensorflow.js)를 실행하는 것이 목표라고 덧붙였다.  디노 1.8 설지 지침은 이곳(deno.land)에서 확인할 수 있다. 디노가 이미 설치돼 있다면 deno upgrade를 실행하여 업그레이드할 수 있다. 이 밖에 최신 릴리즈의 다른...

2021.03.05

사이냅소프트, 인공지능 딥러닝 OCR ‘사이냅 OCR’ 업데이트

사이냅소프트가 지속적인 딥러닝 학습을 통해 인식률을 향상한 ‘사이냅 OCR’ 업데이트 버전을 배포했다고 밝혔다. 이번 업데이트를 통해 기존 OCR에서는 인식률이 낮았던 ▲재무제표, 영수증 등에 많이 사용되는 금액의 단위 구분자는 물론이고 ▲한글 세로쓰기 ▲앞뒤 공백이 포함된 텍스트 인식률도 대폭 향상됐다고 업체 측은 설명했다.    기존 OCR은 재무제표, 전표, 영수증의 다양한 레이아웃, 저화질 스캔 이미지, 워터마크, 작은 글꼴 등 다양한 요인으로 OCR 인식률이 떨어졌다. 하지만 사이냅 OCR은 이미지 전처리 기술과 지속적인 딥러닝 학습을 통하여 이들의 인식률을 향상시켰다는 게 회사 측 설명이다. 또한 GUI 기반 서식 템플릿 작성 도구 ‘사이냅 OCR 폼메이커(FormMaker)’로 사용자가 편리하게 서식 템플릿도 작성할 수 있다. 사용자는 폼메이커 내에서 사전에 정의한 ‘후보정단어’를 통해 오인식한 단어도 쉽게 수정할 수 있다고 사이냅소프트는 전했다. 사이냅소프트 전경헌 대표는 “이번 업데이트는 고객의 개선 요구가 많았던 부분을 해결함으로써 사용자의 만족도를 높이고 사이냅 OCR의 경쟁력을 한층 끌어올리는 역할을 할 것”이라며 “앞으로도 딥러닝 학습을 통해 지속적으로 인식률을 향상시켜 AI OCR 시장을 주도하겠다”라고 말했다. ciokr@idg.co.kr

사이냅소프트 인공지능 딥러닝 OCR

2021.03.02

사이냅소프트가 지속적인 딥러닝 학습을 통해 인식률을 향상한 ‘사이냅 OCR’ 업데이트 버전을 배포했다고 밝혔다. 이번 업데이트를 통해 기존 OCR에서는 인식률이 낮았던 ▲재무제표, 영수증 등에 많이 사용되는 금액의 단위 구분자는 물론이고 ▲한글 세로쓰기 ▲앞뒤 공백이 포함된 텍스트 인식률도 대폭 향상됐다고 업체 측은 설명했다.    기존 OCR은 재무제표, 전표, 영수증의 다양한 레이아웃, 저화질 스캔 이미지, 워터마크, 작은 글꼴 등 다양한 요인으로 OCR 인식률이 떨어졌다. 하지만 사이냅 OCR은 이미지 전처리 기술과 지속적인 딥러닝 학습을 통하여 이들의 인식률을 향상시켰다는 게 회사 측 설명이다. 또한 GUI 기반 서식 템플릿 작성 도구 ‘사이냅 OCR 폼메이커(FormMaker)’로 사용자가 편리하게 서식 템플릿도 작성할 수 있다. 사용자는 폼메이커 내에서 사전에 정의한 ‘후보정단어’를 통해 오인식한 단어도 쉽게 수정할 수 있다고 사이냅소프트는 전했다. 사이냅소프트 전경헌 대표는 “이번 업데이트는 고객의 개선 요구가 많았던 부분을 해결함으로써 사용자의 만족도를 높이고 사이냅 OCR의 경쟁력을 한층 끌어올리는 역할을 할 것”이라며 “앞으로도 딥러닝 학습을 통해 지속적으로 인식률을 향상시켜 AI OCR 시장을 주도하겠다”라고 말했다. ciokr@idg.co.kr

2021.03.02

엔비디아, 딥러닝 인스티튜트 교육 대상 확대…“인기 교육과정, 일반에 공개” 

엔비디아가 딥러닝 인스티튜트(Deep Learning Institute, 이하 DLI)의 인기있는 강사 주도형 워크샵을 일반 대중에도 오픈한다고 밝혔다. 엔비디아의 공개 워크샵은 3월부터 시작되며, 개인 개발자, 데이터 과학자, 연구원 및 학생을 포함해 참여를 원하는 누구나 등록할 수 있다.  DLI 워크샵은 당초 사내 개발자를 위한 전문 교육을 원하는 대규모 조직이나 GTC(GPU 기술 컨퍼런스)에 참석하는 개인에게만 제공됐다. 하지만, 최근 몇 년간 개인과 조직 모두에 걸쳐 새로운 기술 습득과 고급 소프트웨어 개발 역량 개발을 위한 심도있는 교육에 대한 수요가 급증하고 있다. 엔비디아는 이러한 요구를 충족시키고자 DLI 교육 대상을 확대하게 됐다고 전했다. 엔비디아의 개발자 프로그램 글로벌 총괄인 윌 레이미는 “엔비디아의 공개 워크샵은 개인 개발자와 소규모 조직들이 딥러닝, 가속 컴퓨팅 및 데이터 사이언스에 대한 수준 높은 교육을 받을 수 있는 기회를 제공한다”라고 말했다. 일반인들이 수강할 수 있는 DLI 워크샵 3월 강의는 ▲쿠다(CUDA) 파이썬(Python)을 활용한 가속 컴퓨팅의 기초 ▲예측 유지보수를 위한 AI의 적용이다.  4월 강의는 ▲딥러닝의 기초 ▲이상 감지를 위한 AI의 적용 ▲쿠다 C 및 쿠다 C++를 활용한 가속 컴퓨팅의 기초 ▲트랜스포머 기반 자연어 처리 애플리케이션 구축 ▲자율주행차를 위한 딥러닝 – 인식 ▲엔비디아 래피즈(RAPIDS)를 활용한 가속화된 데이터 사이언스의 기초 ▲다중 GPU를 통한 쿠다 C++ 애플리케이션 가속화 ▲다중 GPU를 위한 딥러닝 기초이다.  5월 강의는 ▲지능형 추천 시스템 구축 ▲엔비디아 래피즈(RAPIDS)를 활용한 가속화된 데이터 사이언스의 기초 ▲산업 검사를 위한 딥러닝 ▲트랜스포머 기반 자연어 처리 애플리케이션 구축 ▲이상 감지를 위한 AI의 적용이다.  각 교육과정과 워크샵 전체 일정은 DLI 홈페이지(www.nvidia.com/en-us...

엔비디아 딥러닝

2021.02.23

엔비디아가 딥러닝 인스티튜트(Deep Learning Institute, 이하 DLI)의 인기있는 강사 주도형 워크샵을 일반 대중에도 오픈한다고 밝혔다. 엔비디아의 공개 워크샵은 3월부터 시작되며, 개인 개발자, 데이터 과학자, 연구원 및 학생을 포함해 참여를 원하는 누구나 등록할 수 있다.  DLI 워크샵은 당초 사내 개발자를 위한 전문 교육을 원하는 대규모 조직이나 GTC(GPU 기술 컨퍼런스)에 참석하는 개인에게만 제공됐다. 하지만, 최근 몇 년간 개인과 조직 모두에 걸쳐 새로운 기술 습득과 고급 소프트웨어 개발 역량 개발을 위한 심도있는 교육에 대한 수요가 급증하고 있다. 엔비디아는 이러한 요구를 충족시키고자 DLI 교육 대상을 확대하게 됐다고 전했다. 엔비디아의 개발자 프로그램 글로벌 총괄인 윌 레이미는 “엔비디아의 공개 워크샵은 개인 개발자와 소규모 조직들이 딥러닝, 가속 컴퓨팅 및 데이터 사이언스에 대한 수준 높은 교육을 받을 수 있는 기회를 제공한다”라고 말했다. 일반인들이 수강할 수 있는 DLI 워크샵 3월 강의는 ▲쿠다(CUDA) 파이썬(Python)을 활용한 가속 컴퓨팅의 기초 ▲예측 유지보수를 위한 AI의 적용이다.  4월 강의는 ▲딥러닝의 기초 ▲이상 감지를 위한 AI의 적용 ▲쿠다 C 및 쿠다 C++를 활용한 가속 컴퓨팅의 기초 ▲트랜스포머 기반 자연어 처리 애플리케이션 구축 ▲자율주행차를 위한 딥러닝 – 인식 ▲엔비디아 래피즈(RAPIDS)를 활용한 가속화된 데이터 사이언스의 기초 ▲다중 GPU를 통한 쿠다 C++ 애플리케이션 가속화 ▲다중 GPU를 위한 딥러닝 기초이다.  5월 강의는 ▲지능형 추천 시스템 구축 ▲엔비디아 래피즈(RAPIDS)를 활용한 가속화된 데이터 사이언스의 기초 ▲산업 검사를 위한 딥러닝 ▲트랜스포머 기반 자연어 처리 애플리케이션 구축 ▲이상 감지를 위한 AI의 적용이다.  각 교육과정과 워크샵 전체 일정은 DLI 홈페이지(www.nvidia.com/en-us...

2021.02.23

“딥러닝 AI, 전문의가 놓쳤던 폐암 98% 찾았다” 모니터코퍼레이션

딥러닝 기법을 이용한 인공지능 솔루션이 전문의가 놓쳤던 폐암을 기존 사례보다 높은 98%의 정확도로 찾아냈다고 의료인공지능 스타트업 모니터코퍼레이션이 밝혔다.  이같은 결과를 실은 논문은 미국의 대규모 흉부CT 폐암검진 연구에서 현지 영상의학 전문의가 폐암 의심 소견이 없다고 판독했지만, 나중에 폐암이 있었던 것으로 밝혀진 영상을 대상으로 인공지능이 얼마나 정확히 조기 폐암을 발견할 수 있는지를 연구한 것이다. 이번 연구에서 모니터코퍼레이션이 개발한 폐암검진용 인공지능 솔루션 ‘루카스(LuCAS)’를 활용했다.  이번 연구결과가 가지는 높은 신뢰성은 실제 미국에서 이뤄진 대규모 전향적 폐암검진 (National Lung Screening Trial, NLST) 영상과 판독 결과를 활용했다는 점이라고 업체 측은 설명했다. 미국의 다양한 의료기관에서 다양한 기기와 프로토콜로 촬영된 영상을 이용했다는 점, 그리고 국내 기업이 개발한 인공지능 솔루션을 미국 데이터에서 평가했을 때에도 높은 성능을 보였다는 점이 의미가 있다고 덧붙였다.  이 연구는 미국 국가폐암검진연구에서 영상의학 전문의가 폐암 의심소견이 없다고 판독했지만 1년 뒤 폐암이 발견된 환자군을 대상으로 진행하였다.  회사에 따르면 모니터코퍼레이션의 루카스 솔루션은 영상의학 전문의가 놓쳤던 폐암의 98%를 검출하는 데 성공해 폐암 가능성이 있는 환자(Lung-RADS 카테고리 3 이상)로 자동 분류했다. 또 인공지능 솔루션은 실제 폐암이 없었던 영상의 90%를 추가 검사가 불필요한 환자로 분류했고 하나의 영상에서 0.16개의 위양성 결절만을 보고했다. 이는 높은 폐암 검출 성능에도 불구하고 낮은 위양성률을 보인 것으로서 실제 임상에 적용할 때 큰 효과를 볼 수 있음을 의미한다. 모니터코퍼레이션의 남창모 대표는 “딥러닝 기술을 이용한 자동화 영상 분석 솔루션이 엑스레이뿐 아니라 CT에서도 효과적으로 작동할 수 있다는 것을 미국의 대규모 임상시험 데이터에서 검증했...

모니터코퍼레이션 딥러닝 인공지능

2021.02.03

딥러닝 기법을 이용한 인공지능 솔루션이 전문의가 놓쳤던 폐암을 기존 사례보다 높은 98%의 정확도로 찾아냈다고 의료인공지능 스타트업 모니터코퍼레이션이 밝혔다.  이같은 결과를 실은 논문은 미국의 대규모 흉부CT 폐암검진 연구에서 현지 영상의학 전문의가 폐암 의심 소견이 없다고 판독했지만, 나중에 폐암이 있었던 것으로 밝혀진 영상을 대상으로 인공지능이 얼마나 정확히 조기 폐암을 발견할 수 있는지를 연구한 것이다. 이번 연구에서 모니터코퍼레이션이 개발한 폐암검진용 인공지능 솔루션 ‘루카스(LuCAS)’를 활용했다.  이번 연구결과가 가지는 높은 신뢰성은 실제 미국에서 이뤄진 대규모 전향적 폐암검진 (National Lung Screening Trial, NLST) 영상과 판독 결과를 활용했다는 점이라고 업체 측은 설명했다. 미국의 다양한 의료기관에서 다양한 기기와 프로토콜로 촬영된 영상을 이용했다는 점, 그리고 국내 기업이 개발한 인공지능 솔루션을 미국 데이터에서 평가했을 때에도 높은 성능을 보였다는 점이 의미가 있다고 덧붙였다.  이 연구는 미국 국가폐암검진연구에서 영상의학 전문의가 폐암 의심소견이 없다고 판독했지만 1년 뒤 폐암이 발견된 환자군을 대상으로 진행하였다.  회사에 따르면 모니터코퍼레이션의 루카스 솔루션은 영상의학 전문의가 놓쳤던 폐암의 98%를 검출하는 데 성공해 폐암 가능성이 있는 환자(Lung-RADS 카테고리 3 이상)로 자동 분류했다. 또 인공지능 솔루션은 실제 폐암이 없었던 영상의 90%를 추가 검사가 불필요한 환자로 분류했고 하나의 영상에서 0.16개의 위양성 결절만을 보고했다. 이는 높은 폐암 검출 성능에도 불구하고 낮은 위양성률을 보인 것으로서 실제 임상에 적용할 때 큰 효과를 볼 수 있음을 의미한다. 모니터코퍼레이션의 남창모 대표는 “딥러닝 기술을 이용한 자동화 영상 분석 솔루션이 엑스레이뿐 아니라 CT에서도 효과적으로 작동할 수 있다는 것을 미국의 대규모 임상시험 데이터에서 검증했...

2021.02.03

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.

10.5.0.5