Offcanvas

������������������ml

10년 후, 데이터 과학자 사라진다?··· ‘오토ML’로 싹 달라진다!

‘오토ML(AutoML)’은 개발자를 데이터 과학자로 바꿀 준비가 돼 있다. 반대 경우도 마찬가지다. 오토ML이 데이터 과학을 어떻게 더 나은 방향으로 변화시키는 걸까? 앞으로 10년 후에는, 현재 우리가 알고 있는 데이터 과학자가 없어질 것이다. 일자리가 사라질 걱정은 할 필요 없다. 데이터 과학자들도 걱정할 필요는 없다. 하는 일이 달라지는 것이기 때문이다. 오히려 미국 노동부(Bureau of Labor) 통계에 따르면 데이터 과학자의 역할은 2029년까지 평균보다 더 높은 속도로 확대될 전망이다.    설명하자면, 기술 발전으로 인해 데이터 과학자의 업무와 기업이 애널리틱스에 접근하는 방식에 큰 변화가 초래될 것으로 예상된다. 원시 데이터부터 모델까지 머신러닝 파이프라인을 자동화하는 오토ML 도구가 이러한 혁신적인 변화를 견인한다.  이에 따라 데이터 과학자들은 10년 후 완전히 다른 기술과 도구를 갖게 될 가능성이 크다. 그러나 복잡한 데이터를 활용해 비즈니스 문제를 해결할 수 있도록 지원하는 전문 가이드라는 점은 여전할 것이다. 데이터 과학을 ‘민주화’ 하는 오토ML 최근까지도 머신러닝 알고리즘과 프로세스는 거의 전적으로 전통적인 데이터 과학자, 즉 전문 교육을 받고 고급 학위를 취득했거나 또는 대규모 기술 기업에서 일하는 사람들만 다룰 수 있는 영역이었다. 데이터 과학자들은 머신러닝 개발 스펙트럼의 모든 부분에서 매우 중요한 일들을 해왔다.  하지만 머지않아 데이터 과학자들은 더욱더 협력적이고 전략적인 역할로 변화할 전망이다. 오토ML과 같은 도구를 사용해 학문적인 이론 및 기술을 자동화함으로써, 기업이 데이터를 통해 비즈니스 문제를 해결할 수 있도록 솔루션을 ‘가이드’하는 데 집중할 수 있다는 뜻이다.  이는 오토ML이 머신러닝 모델 구축을 ‘민주화’하기 때문에 가능한 부분이다. 이미 시장에서는 스타트업부터 클라우드 하이퍼 스케일러까지 여러 업체가 개발자를 대상으로 전문 교육이나 경험 측면...

데이터 과학 데이터 과학자 오토ML 개발자 시민 데이터 과학자 머신러닝 애널리틱스 AWS 마이크로소프트 애저 데이터 사이킷런 텐서플로우 파이토치

2020.11.20

‘오토ML(AutoML)’은 개발자를 데이터 과학자로 바꿀 준비가 돼 있다. 반대 경우도 마찬가지다. 오토ML이 데이터 과학을 어떻게 더 나은 방향으로 변화시키는 걸까? 앞으로 10년 후에는, 현재 우리가 알고 있는 데이터 과학자가 없어질 것이다. 일자리가 사라질 걱정은 할 필요 없다. 데이터 과학자들도 걱정할 필요는 없다. 하는 일이 달라지는 것이기 때문이다. 오히려 미국 노동부(Bureau of Labor) 통계에 따르면 데이터 과학자의 역할은 2029년까지 평균보다 더 높은 속도로 확대될 전망이다.    설명하자면, 기술 발전으로 인해 데이터 과학자의 업무와 기업이 애널리틱스에 접근하는 방식에 큰 변화가 초래될 것으로 예상된다. 원시 데이터부터 모델까지 머신러닝 파이프라인을 자동화하는 오토ML 도구가 이러한 혁신적인 변화를 견인한다.  이에 따라 데이터 과학자들은 10년 후 완전히 다른 기술과 도구를 갖게 될 가능성이 크다. 그러나 복잡한 데이터를 활용해 비즈니스 문제를 해결할 수 있도록 지원하는 전문 가이드라는 점은 여전할 것이다. 데이터 과학을 ‘민주화’ 하는 오토ML 최근까지도 머신러닝 알고리즘과 프로세스는 거의 전적으로 전통적인 데이터 과학자, 즉 전문 교육을 받고 고급 학위를 취득했거나 또는 대규모 기술 기업에서 일하는 사람들만 다룰 수 있는 영역이었다. 데이터 과학자들은 머신러닝 개발 스펙트럼의 모든 부분에서 매우 중요한 일들을 해왔다.  하지만 머지않아 데이터 과학자들은 더욱더 협력적이고 전략적인 역할로 변화할 전망이다. 오토ML과 같은 도구를 사용해 학문적인 이론 및 기술을 자동화함으로써, 기업이 데이터를 통해 비즈니스 문제를 해결할 수 있도록 솔루션을 ‘가이드’하는 데 집중할 수 있다는 뜻이다.  이는 오토ML이 머신러닝 모델 구축을 ‘민주화’하기 때문에 가능한 부분이다. 이미 시장에서는 스타트업부터 클라우드 하이퍼 스케일러까지 여러 업체가 개발자를 대상으로 전문 교육이나 경험 측면...

2020.11.20

‘문턱 낮으면서도 효과까지 만점’··· 고효율 IT 이니셔티브 7가지

혁신은 비즈니스 성공의 열쇠다. 그러나 필요한 교체와 업그레이드를 수행하기 위해 예산에 압박을 받는 조직에게 빅뱅 같은 혁신 이니셔티브는 까마득한 이야기다. 그러나 비교적 적은 비용으로 착수할 수 있지만 여전히 신속하고 의미 있는 이점을 제공할 수 있는 여러 IT 이니셔티브가 있다. 여기 적은 돈으로 상당한 이득을 이끌어낼 수 있는 7가지 아이디어를 정리했다.   데이터 애널리틱스에 뛰어들기 고도로 숙련된 데이터 과학자는 찾기 어렵고, 연봉도 높다. 다행히도, 오토ML(AutoML) 툴을 통해 저렴한 비용으로 비즈니스 애널리틱스의 세계에 첫발을 내디딜 수 있다. 오토ML은 실제 문제에 머신러닝을 적용하는 엔드 투 엔드 프로세스를 자동화함으로써 공식적인 데이터 과학 전문 지식이 없는 파워 비즈니스 사용자가 고품질 진단 및 예측 애널리틱스 툴을 사용하여 통찰력 있는 모델을 구축할 수 있도록 한다. 카네기멜론대 테퍼 경영대학원의 이도균 비즈니스 애널리틱스 조교수는 “이 기술을 자체 솔루션에 내장하거나 클라우드 서비스로 만드는 기업이 존재한다. 빠르게 시도할 수 있으면서도 적지 않은 효과를 기대할 수 있다”라고 말했다. 기존의 BI 시스템을 이미 가지고 있는 조직은 비즈니스 팀이라면 이 기술을 어떻게 그리고 어느 정도까지 사용할 것인지 파악할 가치가 있다. 스티븐스 공과대학교의 폴 로마이어 부교수는 “많은 기업들이 데이터 웨어하우스와 BI 기능에 상당히 투자를 했지만 이 기능의 극히 일부만을 사용하고 있는 것으로 보인다. 이 프로젝트는 BI 투자에서 실현된 가치를 향상시킬 잠재력이 높다”라고 말했다.   -> 오이 농장도 AI 활용··· 클라우드가 문턱 낮춘다 -> "자동 이미지 태그로 밀렵 방지"··· 동물보호단체의 '오토ML' 활용법 -> '데이터 용량 증가로 휴먼 인사이트 부상'··· MSTR, 10대 분석 동향 발표 IT 프로세스 재평가하기 IT 프로세스 평가는 현재 ...

RPA IT 만족도 평가 오토ML 로우 코드 LCDP 보안 훈련 IT 프로세스 재평가

2020.06.25

혁신은 비즈니스 성공의 열쇠다. 그러나 필요한 교체와 업그레이드를 수행하기 위해 예산에 압박을 받는 조직에게 빅뱅 같은 혁신 이니셔티브는 까마득한 이야기다. 그러나 비교적 적은 비용으로 착수할 수 있지만 여전히 신속하고 의미 있는 이점을 제공할 수 있는 여러 IT 이니셔티브가 있다. 여기 적은 돈으로 상당한 이득을 이끌어낼 수 있는 7가지 아이디어를 정리했다.   데이터 애널리틱스에 뛰어들기 고도로 숙련된 데이터 과학자는 찾기 어렵고, 연봉도 높다. 다행히도, 오토ML(AutoML) 툴을 통해 저렴한 비용으로 비즈니스 애널리틱스의 세계에 첫발을 내디딜 수 있다. 오토ML은 실제 문제에 머신러닝을 적용하는 엔드 투 엔드 프로세스를 자동화함으로써 공식적인 데이터 과학 전문 지식이 없는 파워 비즈니스 사용자가 고품질 진단 및 예측 애널리틱스 툴을 사용하여 통찰력 있는 모델을 구축할 수 있도록 한다. 카네기멜론대 테퍼 경영대학원의 이도균 비즈니스 애널리틱스 조교수는 “이 기술을 자체 솔루션에 내장하거나 클라우드 서비스로 만드는 기업이 존재한다. 빠르게 시도할 수 있으면서도 적지 않은 효과를 기대할 수 있다”라고 말했다. 기존의 BI 시스템을 이미 가지고 있는 조직은 비즈니스 팀이라면 이 기술을 어떻게 그리고 어느 정도까지 사용할 것인지 파악할 가치가 있다. 스티븐스 공과대학교의 폴 로마이어 부교수는 “많은 기업들이 데이터 웨어하우스와 BI 기능에 상당히 투자를 했지만 이 기능의 극히 일부만을 사용하고 있는 것으로 보인다. 이 프로젝트는 BI 투자에서 실현된 가치를 향상시킬 잠재력이 높다”라고 말했다.   -> 오이 농장도 AI 활용··· 클라우드가 문턱 낮춘다 -> "자동 이미지 태그로 밀렵 방지"··· 동물보호단체의 '오토ML' 활용법 -> '데이터 용량 증가로 휴먼 인사이트 부상'··· MSTR, 10대 분석 동향 발표 IT 프로세스 재평가하기 IT 프로세스 평가는 현재 ...

2020.06.25

'데이터 용량 증가로 휴먼 인사이트 부상'··· MSTR, 10대 분석 동향 발표

마이크로스트레티지코리아가 2020년 주목할 10가지 엔터프라이즈 분석 트렌드를 발표했다. 마이크로스트레티지는 매해 포레스터, IDC, 컨스텔레이션 리서치, 벤타나 리서치의 애널릿트 및 인플루언스와의 협업해 AI, 모바일 인텔리전스부터 데이터 및 데이터 소스 급증, 데이터 및 분석 전문가 부족 등 여러 인적 요소에 이르기까지 분석 분야에 대한 트렌드를 제시하고 있다. 마이크로스트레티지의 제품 마케팅 담당 부사장인 비제이 아난드는 “이 보고서를 통해 의사결정자들은 엔터프라이즈 분석, AI, ML, 딥러닝 등에 대한 최신 트렌드를 파악하고 활용할 수 있을 것”이라며 “업계 전문가들의 통찰력이 담긴 이 보고서는 데이터를 활용하고, 효율성 및 ROI를 높이며, 경쟁에서 이길 수 있는 혁신적인 기술을 추구하는 리더들이 정보에 기반한 의사결정과 조직 내 대화를 주도해 갈 수 있도록 방향을 제시할 것”이라고 설명했다.  1. 딥러닝, 경쟁우위 창출 ‘셰이프(SHAPE) - 데이터 및 분석에 의한 디지털 전략’의 저자 겸 최고데이터책임자인 프랭크 J. 버나드는 “2020년, 딥러닝은 ‘아는 것’과 ‘실행하는 것’ 사이의 넥서스(연결, 결합)가 이뤄질 것”이라며, “딥러닝은 더 이상 버즈워드(유행어)가 아니고, 인간 행동을 예측하고 이해하기 위한 딥러닝의 실질적인 출현으로 기업들은 인텔리전스를 기반으로 경쟁업체를 앞설 수 있는 강력한 혁신 기술을 활용할 수 있을 것”이라고 말했다.   2. 오토ML, 데이터 사이언스 이니셔티브의 ROI 향상 보바 컨설팅의 창립자겸 수석 컨설턴트 마커스 보바는 “머신러닝은 최근 몇 년간 가장 빠르게 진화하고 있는 기술 중 하나로, 머신러닝에 대한 개발 요구는 기하급수적으로 증가해왔다”며, “머신러닝 솔루션의 급속한 성장으로 전문가의 지식 없이도 손쉽게 사용할 수 있는 즉시 사용 가능한(ready-to-use) 머신러닝 모델에 대한 수요가 높아지고 있다”고 밝혔다.  3. 시맨틱 그래프, 비즈니스 가치 전달에 가...

IDC 포레스터 마이크로스트레티지 인공지능 ML 오토ML 벤타나 리서치 컨스텔레이션 리서치 휴먼 인사이트

2020.01.09

마이크로스트레티지코리아가 2020년 주목할 10가지 엔터프라이즈 분석 트렌드를 발표했다. 마이크로스트레티지는 매해 포레스터, IDC, 컨스텔레이션 리서치, 벤타나 리서치의 애널릿트 및 인플루언스와의 협업해 AI, 모바일 인텔리전스부터 데이터 및 데이터 소스 급증, 데이터 및 분석 전문가 부족 등 여러 인적 요소에 이르기까지 분석 분야에 대한 트렌드를 제시하고 있다. 마이크로스트레티지의 제품 마케팅 담당 부사장인 비제이 아난드는 “이 보고서를 통해 의사결정자들은 엔터프라이즈 분석, AI, ML, 딥러닝 등에 대한 최신 트렌드를 파악하고 활용할 수 있을 것”이라며 “업계 전문가들의 통찰력이 담긴 이 보고서는 데이터를 활용하고, 효율성 및 ROI를 높이며, 경쟁에서 이길 수 있는 혁신적인 기술을 추구하는 리더들이 정보에 기반한 의사결정과 조직 내 대화를 주도해 갈 수 있도록 방향을 제시할 것”이라고 설명했다.  1. 딥러닝, 경쟁우위 창출 ‘셰이프(SHAPE) - 데이터 및 분석에 의한 디지털 전략’의 저자 겸 최고데이터책임자인 프랭크 J. 버나드는 “2020년, 딥러닝은 ‘아는 것’과 ‘실행하는 것’ 사이의 넥서스(연결, 결합)가 이뤄질 것”이라며, “딥러닝은 더 이상 버즈워드(유행어)가 아니고, 인간 행동을 예측하고 이해하기 위한 딥러닝의 실질적인 출현으로 기업들은 인텔리전스를 기반으로 경쟁업체를 앞설 수 있는 강력한 혁신 기술을 활용할 수 있을 것”이라고 말했다.   2. 오토ML, 데이터 사이언스 이니셔티브의 ROI 향상 보바 컨설팅의 창립자겸 수석 컨설턴트 마커스 보바는 “머신러닝은 최근 몇 년간 가장 빠르게 진화하고 있는 기술 중 하나로, 머신러닝에 대한 개발 요구는 기하급수적으로 증가해왔다”며, “머신러닝 솔루션의 급속한 성장으로 전문가의 지식 없이도 손쉽게 사용할 수 있는 즉시 사용 가능한(ready-to-use) 머신러닝 모델에 대한 수요가 높아지고 있다”고 밝혔다.  3. 시맨틱 그래프, 비즈니스 가치 전달에 가...

2020.01.09

'생각보다 복잡' 자연어처리는 어떻게 작동하나

딥러닝의 도약으로 인공지능 번역과 기타 자연어처리(NLP) 작업이 개선됐다.  다음은 필자 친구의 페이스북에 올라온 인공지능과의 대화다.  나: 알렉사, 아침 5시 30분 요가 수업이 있다는 걸 다시 알려줘. 알렉사: 쇼핑목록에 테킬라를 추가했습니다.  기기와 대화를 나눌 때, 종종 기기는 우리가 말하는 것을 정확히 인식한다. 우리는 무료 서비스를 이용하여 온라인에서 접하는 외국어 구절을 영어로 번역하기도 하는데, 가끔은 정확하게 번역해 준다. 자연어처리는 엄청나게 발전했지만, 아직도 개선의 여지가 상당하다.  필자 친구에게 인공지능의 우발적인 테킬라 주문은 생각보다 더 적절한 것이었을 수도 있다.     자연어처리란 무엇인가? NLP라고 하는 자연어처리는 실패에 관한 이야기에도 불구하고 현재는 딥러닝을 위한 주요한 성공적인 응용 분야 중 하나다. 자연어처리의 전반적인 목표는 컴퓨터가 인간의 언어를 이해하고 이에 따라 행동할 수 있도록 하는 것이다. 우리는 그것을 다음 섹션에서 더 자세히 다룰 것이다.  역사적으로, 자연어처리는 처음에는 문법이나 어간 추출과 같은 규칙을 작성하여 규칙 기반 시스템에 의해 다루어졌다. 그 규칙들을 사람이 직접 하는 데 드는 엄청난 일의 양은 별론으로 하더라도, 제대로 작동하지 않는 경향이 있었다.  왜 잘 안되었을까? 간단한 예로 철자법의 경우를 생각해보자. 스페인어와 같은 몇몇 언어에서는 철자가 정말 쉽고 방식도 규칙적이다. 그러나 제2외국어로 영어를 배우는 사람은 영어 철자와 발음이 얼마나 불규칙할 수 있는지 안다. 초등학교 철자법칙인 "C 뒤에 올 때를 제외하고 I는 E보다 먼저 온다. 또는 네이버나 웨이처럼 에이(A)라고 발음할 때는 E가 먼저 온다”와 같이 예외로 얼룩진 규칙을 프로그래밍해야 한다고 상상해 보자. 이미 알려진 바와 같이 "E 앞에 I"는 거의 규칙이라고 할 수도 없다. 정확히 말해...

페이스북 심층 전이 학습 오토ML AutoML NLP 자연어처리 자연어 챗봇 마이크로소프트 애저 알렉사 분석 인공지능 소셜미디어 아마존 빅데이터 오토머신러닝

2019.06.03

딥러닝의 도약으로 인공지능 번역과 기타 자연어처리(NLP) 작업이 개선됐다.  다음은 필자 친구의 페이스북에 올라온 인공지능과의 대화다.  나: 알렉사, 아침 5시 30분 요가 수업이 있다는 걸 다시 알려줘. 알렉사: 쇼핑목록에 테킬라를 추가했습니다.  기기와 대화를 나눌 때, 종종 기기는 우리가 말하는 것을 정확히 인식한다. 우리는 무료 서비스를 이용하여 온라인에서 접하는 외국어 구절을 영어로 번역하기도 하는데, 가끔은 정확하게 번역해 준다. 자연어처리는 엄청나게 발전했지만, 아직도 개선의 여지가 상당하다.  필자 친구에게 인공지능의 우발적인 테킬라 주문은 생각보다 더 적절한 것이었을 수도 있다.     자연어처리란 무엇인가? NLP라고 하는 자연어처리는 실패에 관한 이야기에도 불구하고 현재는 딥러닝을 위한 주요한 성공적인 응용 분야 중 하나다. 자연어처리의 전반적인 목표는 컴퓨터가 인간의 언어를 이해하고 이에 따라 행동할 수 있도록 하는 것이다. 우리는 그것을 다음 섹션에서 더 자세히 다룰 것이다.  역사적으로, 자연어처리는 처음에는 문법이나 어간 추출과 같은 규칙을 작성하여 규칙 기반 시스템에 의해 다루어졌다. 그 규칙들을 사람이 직접 하는 데 드는 엄청난 일의 양은 별론으로 하더라도, 제대로 작동하지 않는 경향이 있었다.  왜 잘 안되었을까? 간단한 예로 철자법의 경우를 생각해보자. 스페인어와 같은 몇몇 언어에서는 철자가 정말 쉽고 방식도 규칙적이다. 그러나 제2외국어로 영어를 배우는 사람은 영어 철자와 발음이 얼마나 불규칙할 수 있는지 안다. 초등학교 철자법칙인 "C 뒤에 올 때를 제외하고 I는 E보다 먼저 온다. 또는 네이버나 웨이처럼 에이(A)라고 발음할 때는 E가 먼저 온다”와 같이 예외로 얼룩진 규칙을 프로그래밍해야 한다고 상상해 보자. 이미 알려진 바와 같이 "E 앞에 I"는 거의 규칙이라고 할 수도 없다. 정확히 말해...

2019.06.03

"자동 이미지 태그로 밀렵 방지"··· 동물보호단체의 '오토ML' 활용법

야생동물보호단체인 ZSL(Zoological Society of London)이 야생에서 카메라로 촬영한 수 백만 장의 이미지를 자동으로 분석하기 위해 구글의 클라우드 오토ML(Cloud AutoML) 플랫폼을 선택했다. 다양한 야생동물의 움직임과 잠재적 밀렵꾼을 파악하는 작업이 더 수월해질 것으로 기대된다. 그러나 문제가 있었다. 동작 감지 카메라는 열감지기를 이용해 야생동물 또는 인간이 지나갈 때를 식별해 광범위한 데이터를 생성하는데, 이 데이터에 신속하게 태그(Tag)하는 것이 어려웠다. 이 작업에 일반적으로 최대 9개월이 소요되는데, 이미 야생동물의 움직임도, ZSL의 전략도 바뀐 이후였다. ZSL의 환경 보호 기술 책임자 소피 맥스웰은 "야생동물을 보호하거나 밀렵을 막으려면 이보다 신속하게 정보를 확보해야 했다"라고 말했다. 그래서 대안으로 도입한 것이 구글의 클라우드 오토ML이다. 인공 지능과 머신 러닝(Machine Learning) 알고리즘을 이용해 9개월치 작업을 순식간에 처리한다. 이 플랫폼은 ZSL처럼 머신 러닝 전문성이 많지 않은 조직이 고급 머신 러닝 기법과 툴을 이용해 자체적으로 고급 사용자 정의 모델을 구축하는 데 도움이 된다. 왜 오토ML인가? 구글의 툴을 사용하기 전에는 ZSL의 환경 보호 활동가가 수 십만 개의 이미지를 수동으로 태그해야 했다. 많은 노력과 시간이 소요됐다. 그러나 이제는 클라우드 오토ML이 이 모든 것을 자동으로 처리한다. ZSL의 맞춤 모델을 사용하고 이 단체가 보유한 광범위한 데이터 세트로 훈련할 수 있어 다른 비슷한 제품보다 더 뛰어난 성능을 보여준다. 맥스웰은 시범 운영 결과를 상세하게 공개하지는 않았지만 초기 이미지 분석을 통해 잠재력을 확인했다. 그는 "클라우드 오토ML은 특히 종의 부분 집합을 인식하는 까다로운 작업에서 뛰어난 성과를 보였다. 다른 이미지 인식 솔루션들보다 훨씬 좋앗다. 사용자 정의 종 세트와 사용자 정의 위치를 기반으로 사용...

머신러닝 오토ML ZSL

2018.02.01

야생동물보호단체인 ZSL(Zoological Society of London)이 야생에서 카메라로 촬영한 수 백만 장의 이미지를 자동으로 분석하기 위해 구글의 클라우드 오토ML(Cloud AutoML) 플랫폼을 선택했다. 다양한 야생동물의 움직임과 잠재적 밀렵꾼을 파악하는 작업이 더 수월해질 것으로 기대된다. 그러나 문제가 있었다. 동작 감지 카메라는 열감지기를 이용해 야생동물 또는 인간이 지나갈 때를 식별해 광범위한 데이터를 생성하는데, 이 데이터에 신속하게 태그(Tag)하는 것이 어려웠다. 이 작업에 일반적으로 최대 9개월이 소요되는데, 이미 야생동물의 움직임도, ZSL의 전략도 바뀐 이후였다. ZSL의 환경 보호 기술 책임자 소피 맥스웰은 "야생동물을 보호하거나 밀렵을 막으려면 이보다 신속하게 정보를 확보해야 했다"라고 말했다. 그래서 대안으로 도입한 것이 구글의 클라우드 오토ML이다. 인공 지능과 머신 러닝(Machine Learning) 알고리즘을 이용해 9개월치 작업을 순식간에 처리한다. 이 플랫폼은 ZSL처럼 머신 러닝 전문성이 많지 않은 조직이 고급 머신 러닝 기법과 툴을 이용해 자체적으로 고급 사용자 정의 모델을 구축하는 데 도움이 된다. 왜 오토ML인가? 구글의 툴을 사용하기 전에는 ZSL의 환경 보호 활동가가 수 십만 개의 이미지를 수동으로 태그해야 했다. 많은 노력과 시간이 소요됐다. 그러나 이제는 클라우드 오토ML이 이 모든 것을 자동으로 처리한다. ZSL의 맞춤 모델을 사용하고 이 단체가 보유한 광범위한 데이터 세트로 훈련할 수 있어 다른 비슷한 제품보다 더 뛰어난 성능을 보여준다. 맥스웰은 시범 운영 결과를 상세하게 공개하지는 않았지만 초기 이미지 분석을 통해 잠재력을 확인했다. 그는 "클라우드 오토ML은 특히 종의 부분 집합을 인식하는 까다로운 작업에서 뛰어난 성과를 보였다. 다른 이미지 인식 솔루션들보다 훨씬 좋앗다. 사용자 정의 종 세트와 사용자 정의 위치를 기반으로 사용...

2018.02.01

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