Offcanvas

���������������

‘ML옵스 분야 이끈다’ 알아둘 만한 AI 스타트업 5곳

AI에 대한 관심이 고조되면서 AI 활용을 위한 소프트웨어와 인프라에 대한 갈증도 나타나고 있다. 이로 인해 ML옵스(MLops)라는 새로운 세계를 안내해 줄 스타트업들이 많이 등장했다. 데이터 준비와 훈련에서부터 배치와 그 이후 단계에 이르기까지 이들이 기업이 공략하는 지점도 다양하다. 특히 흥미로운 업체들을 소개한다.   W&B W&B(Weights & Biases)는 ML 분야에서 영향력 있는 존재로 자리매김하고 있다. 특히 잘 설계된 종합 실험 추적 서비스를 원하는 데이터 과학자들 사이에서 인지도가 높다.  W&B의 서비스는 다양한 특징을 지닌다. 먼저 인기 있는 ML 라이브러리 거의 모두를 즉시 통합해 준다. (또한, 커스텀 지표 추가도 매우 간단하다.) 둘째, W&B는 사용자가 필요한 만큼 사용할 수 있다. 예를 들면, 텐서보드(Tensorboard)의 출력 강화 버전으로 사용하거나 하이퍼파라미터 튜닝에 대한 제어 및 보고 수단으로도 사용할 수 있다. 마지막으로 데이터 과학 팀원 전원이 결과를 확인하거나 다른 팀원이 실행한 실험을 재현할 수 있는 협력 센터로 사용될 수도 있다.  기업에서는 W&B를 거버넌스 및 기원(governance and provenance) 플랫폼으로도 사용할 수 있다. 모델이 개발에서 생산 과정으로 가는 과정에서 어떤 입력값과 변환, 그리고 실험이 모델 구축에 사용되었는지에 대한 감사 흔적을 제공하기 때문이다. 주변에 데이터 과학자가 있다면 그들은 이미 W&B에 대해 알고 있을 가능성이 아주 높다. 또 회사 내에서 W&B를 쓰고 있지 않다면 쓰고 싶어 할 것이 거의 틀림없다. 오픈AI(OpenAI), 깃허브(GibHub), 세일즈포스(Salesforce), 엔비디아(Nvidia)에서도 W&B를 활용하고 있다.  셀돈 셀돈(Seldon)은 엔터프라이즈 기능을 추가로 제공하는 오픈 코어 서비스 기업이다. 오픈소스 요소인...

ML 옵스 데이터로봇 Grid.ai 파인콘 질리즈 W&B 셀돈

2021.06.23

AI에 대한 관심이 고조되면서 AI 활용을 위한 소프트웨어와 인프라에 대한 갈증도 나타나고 있다. 이로 인해 ML옵스(MLops)라는 새로운 세계를 안내해 줄 스타트업들이 많이 등장했다. 데이터 준비와 훈련에서부터 배치와 그 이후 단계에 이르기까지 이들이 기업이 공략하는 지점도 다양하다. 특히 흥미로운 업체들을 소개한다.   W&B W&B(Weights & Biases)는 ML 분야에서 영향력 있는 존재로 자리매김하고 있다. 특히 잘 설계된 종합 실험 추적 서비스를 원하는 데이터 과학자들 사이에서 인지도가 높다.  W&B의 서비스는 다양한 특징을 지닌다. 먼저 인기 있는 ML 라이브러리 거의 모두를 즉시 통합해 준다. (또한, 커스텀 지표 추가도 매우 간단하다.) 둘째, W&B는 사용자가 필요한 만큼 사용할 수 있다. 예를 들면, 텐서보드(Tensorboard)의 출력 강화 버전으로 사용하거나 하이퍼파라미터 튜닝에 대한 제어 및 보고 수단으로도 사용할 수 있다. 마지막으로 데이터 과학 팀원 전원이 결과를 확인하거나 다른 팀원이 실행한 실험을 재현할 수 있는 협력 센터로 사용될 수도 있다.  기업에서는 W&B를 거버넌스 및 기원(governance and provenance) 플랫폼으로도 사용할 수 있다. 모델이 개발에서 생산 과정으로 가는 과정에서 어떤 입력값과 변환, 그리고 실험이 모델 구축에 사용되었는지에 대한 감사 흔적을 제공하기 때문이다. 주변에 데이터 과학자가 있다면 그들은 이미 W&B에 대해 알고 있을 가능성이 아주 높다. 또 회사 내에서 W&B를 쓰고 있지 않다면 쓰고 싶어 할 것이 거의 틀림없다. 오픈AI(OpenAI), 깃허브(GibHub), 세일즈포스(Salesforce), 엔비디아(Nvidia)에서도 W&B를 활용하고 있다.  셀돈 셀돈(Seldon)은 엔터프라이즈 기능을 추가로 제공하는 오픈 코어 서비스 기업이다. 오픈소스 요소인...

2021.06.23

미래 보여주는 수정구슬··· ‘예측 분석’ 위한 툴 15가지 

어느샌가 컴퓨터가 데이터를 보관하는 ‘캐비닛’에서 미래를 보여주는 ‘수정구슬’로 바뀌었다. 데이터 분석으로 몇 초, 며칠, 심지어는 몇 년 후에 일어날지도 모르는 일들을 예측할 수 있기 때문이다.   이러한 분석 툴은 ‘예측 분석(predictive analytics)’이라는 용어의 범주에 속한다. 예측 분석은 통계부터 인공지능(AI), 머신러닝(ML), 다차원적 수학에 이르기까지 다양한 분야에서 수년간 개발된 알고리즘을 모두 포괄한다.  예측 분석 툴은 연구소에서 등장해 기업의 서버 팜(Server Farm)에 적용됐다. 이제 이 툴들은 리소스 할당 및 수익 창출과 관련해 기업이 적절한 의사결정을 내릴 수 있도록 안내할 준비를 마쳤다.    이 툴들은 크게 두 가지 역할을 한다. 무엇보다 가장 중요한 역할은 데이터베이스라는 정보의 바다를 들여다보고 미래를 위한 비전을 찾는 것이다. 다양한 전략적 접근방식을 통해 여러 알고리즘을 지원하며, 수십 가지의 알고리즘을 지원하는 경우도 있다. 나머지 역할은 눈에 잘 띄진 않지만 더 많은 시간을 투입해야 하기도 한다. 바로 데이터 준비다. 대부분의 데이터가 일관성을 유지하고 있지 않거나 깨끗하지 않기 때문에 데이터 준비는 매우 성가신 과정이다. 예를 들어 2개의 파일을 통합할 때 서로 다른 시간대로 인해 날짜 형식이 다른 경우다. 여기까지는 그럭저럭 쉽게 해결할 수 있다고 치자. 하지만 더 어려운 과제는 오류의 결과일 수 있는 누락된 필드나 특이치다. 데이터 무결성을 유지하면서 오류를 제거하는 것은 정말 어렵다. 훌륭한 툴은 데이터를 준비하고 결과를 제시하는 데 적절한 지원을 제공한다.  많은 예측 분석 툴은 데이터베이스 개발사, 비즈니스 애널리틱스 및 리포팅 벤더가 구축한 확장 기능으로 제공된다. 이들은 기존 보고서 생성 툴과 AI 알고리즘을 통합해 예측을 요약하고 제공하는 툴을 개발했다. 또한 많은 툴이 특정 데이터 스토리지 제품과 긴밀하게 연계돼 ...

빅데이터 데이터 데이터 분석 데이터 애널리틱스 예측 분석 인공지능 머신러닝 분석 툴 알터릭스 아마존 보드 대시 쿠버네티스 데이터브릭스 데이터로봇 IBM 왓슨 SPSS 인포메이션 빌더스 매스웍스 파이썬 주피터 노트북 R 래피드 마이너 SAP SAS 타블로 세일즈포스닷컴

2020.07.20

어느샌가 컴퓨터가 데이터를 보관하는 ‘캐비닛’에서 미래를 보여주는 ‘수정구슬’로 바뀌었다. 데이터 분석으로 몇 초, 며칠, 심지어는 몇 년 후에 일어날지도 모르는 일들을 예측할 수 있기 때문이다.   이러한 분석 툴은 ‘예측 분석(predictive analytics)’이라는 용어의 범주에 속한다. 예측 분석은 통계부터 인공지능(AI), 머신러닝(ML), 다차원적 수학에 이르기까지 다양한 분야에서 수년간 개발된 알고리즘을 모두 포괄한다.  예측 분석 툴은 연구소에서 등장해 기업의 서버 팜(Server Farm)에 적용됐다. 이제 이 툴들은 리소스 할당 및 수익 창출과 관련해 기업이 적절한 의사결정을 내릴 수 있도록 안내할 준비를 마쳤다.    이 툴들은 크게 두 가지 역할을 한다. 무엇보다 가장 중요한 역할은 데이터베이스라는 정보의 바다를 들여다보고 미래를 위한 비전을 찾는 것이다. 다양한 전략적 접근방식을 통해 여러 알고리즘을 지원하며, 수십 가지의 알고리즘을 지원하는 경우도 있다. 나머지 역할은 눈에 잘 띄진 않지만 더 많은 시간을 투입해야 하기도 한다. 바로 데이터 준비다. 대부분의 데이터가 일관성을 유지하고 있지 않거나 깨끗하지 않기 때문에 데이터 준비는 매우 성가신 과정이다. 예를 들어 2개의 파일을 통합할 때 서로 다른 시간대로 인해 날짜 형식이 다른 경우다. 여기까지는 그럭저럭 쉽게 해결할 수 있다고 치자. 하지만 더 어려운 과제는 오류의 결과일 수 있는 누락된 필드나 특이치다. 데이터 무결성을 유지하면서 오류를 제거하는 것은 정말 어렵다. 훌륭한 툴은 데이터를 준비하고 결과를 제시하는 데 적절한 지원을 제공한다.  많은 예측 분석 툴은 데이터베이스 개발사, 비즈니스 애널리틱스 및 리포팅 벤더가 구축한 확장 기능으로 제공된다. 이들은 기존 보고서 생성 툴과 AI 알고리즘을 통합해 예측을 요약하고 제공하는 툴을 개발했다. 또한 많은 툴이 특정 데이터 스토리지 제품과 긴밀하게 연계돼 ...

2020.07.20

'머신러닝을 더 쉽게' 6가지 툴

‘머신러닝(ML)’이라는 말은 마법 같은 아우라로 가득 차 있다. 기계가 학습하도록 가르치기란 아직 일반인의 영역으로 보기 어렵다. 오늘날 이 용어는 데이터를 금으로 바꾸는 데이터 사이언티스트 같은 매우 전문적인 연금술사들의 영역이다.   단 이제 머신러닝 툴은 약간의 용기와 동기만 있다면 누구나 버튼을 눌러 기계가 중요한 것을 학습할 수 있도록 하는 수준으로 발전해가고 있다. 단번에 되는 정도는 아닐지언정 데이터를 모아 실행 가능한 통찰력으로 바꾸는 작업이 충분히 자동화되어가는 중이며, 동기를 가진 스마트한 사람들이라면 도전할만한 수준으로 진보했다.  이런 느린 르네상스는 비즈니스 세계의 많은 사람들이 이미 데이터를 꽤 능숙하게 다루게 되면서 이뤄졌다. 숫자로 가득 찬 스프레드시트는 모든 비즈니스의 의사 결정자들의 언어다. 머신러닝을 다루게 해주는 각종 새로운 툴은 기본적으로 테이블 데이터를 유용한 답변으로 바꾸는 여러 전략과 옵션의 조합이다. 이 툴의 강점은 데이터 수집, 가능한 경우 구조와 일관성 추가, 계산 시작 등의 번거로운 작업을 처리할 수 있는 능력이다. 데이터 수집 과정과 정보를 행과 열로 유지하는 단조로운 작업이 간소화된다. 이 툴은 아직 이 모든 학습을 스스로 수행할 만큼 충분히 스마트하지 못하다. 적절한 질문을 던지고 적절한 곳을 살펴야 한다. 하지만 이 툴을 통해 더욱 신속하게 답을 얻을 수 있기 때문에 더 넓은 영역을 담당하고 더 많은 곳을 조사할 수 있게 된다.  AutoML : 머신러닝의 민주화 최근 머신러닝 알고리즘 분야에는 추가적인 자동화 메타 계층이 수반된다는 의미의 새로운 유행어인 ‘AutoML’이 등장했다. 전통적인 알고리즘은 옵션과 파라미터가 많았다. 데이터 사이언티스트들은 종종 예측 가능성이 가장 높은 규칙을 찾을 때까지 이런 것들을 조정하느라 시간의 80-99%를 소요하곤 한다. AutoML은 여러 옵션을 시도하고 시험한 후 추가적인 작업를 거쳐 이 단계를 자동화한다. 머신러닝...

스플렁크 AutoML H2o 래피드마이너 BigML 데이터로봇 R 스튜디오 머신러닝 툴

2019.09.06

‘머신러닝(ML)’이라는 말은 마법 같은 아우라로 가득 차 있다. 기계가 학습하도록 가르치기란 아직 일반인의 영역으로 보기 어렵다. 오늘날 이 용어는 데이터를 금으로 바꾸는 데이터 사이언티스트 같은 매우 전문적인 연금술사들의 영역이다.   단 이제 머신러닝 툴은 약간의 용기와 동기만 있다면 누구나 버튼을 눌러 기계가 중요한 것을 학습할 수 있도록 하는 수준으로 발전해가고 있다. 단번에 되는 정도는 아닐지언정 데이터를 모아 실행 가능한 통찰력으로 바꾸는 작업이 충분히 자동화되어가는 중이며, 동기를 가진 스마트한 사람들이라면 도전할만한 수준으로 진보했다.  이런 느린 르네상스는 비즈니스 세계의 많은 사람들이 이미 데이터를 꽤 능숙하게 다루게 되면서 이뤄졌다. 숫자로 가득 찬 스프레드시트는 모든 비즈니스의 의사 결정자들의 언어다. 머신러닝을 다루게 해주는 각종 새로운 툴은 기본적으로 테이블 데이터를 유용한 답변으로 바꾸는 여러 전략과 옵션의 조합이다. 이 툴의 강점은 데이터 수집, 가능한 경우 구조와 일관성 추가, 계산 시작 등의 번거로운 작업을 처리할 수 있는 능력이다. 데이터 수집 과정과 정보를 행과 열로 유지하는 단조로운 작업이 간소화된다. 이 툴은 아직 이 모든 학습을 스스로 수행할 만큼 충분히 스마트하지 못하다. 적절한 질문을 던지고 적절한 곳을 살펴야 한다. 하지만 이 툴을 통해 더욱 신속하게 답을 얻을 수 있기 때문에 더 넓은 영역을 담당하고 더 많은 곳을 조사할 수 있게 된다.  AutoML : 머신러닝의 민주화 최근 머신러닝 알고리즘 분야에는 추가적인 자동화 메타 계층이 수반된다는 의미의 새로운 유행어인 ‘AutoML’이 등장했다. 전통적인 알고리즘은 옵션과 파라미터가 많았다. 데이터 사이언티스트들은 종종 예측 가능성이 가장 높은 규칙을 찾을 때까지 이런 것들을 조정하느라 시간의 80-99%를 소요하곤 한다. AutoML은 여러 옵션을 시도하고 시험한 후 추가적인 작업를 거쳐 이 단계를 자동화한다. 머신러닝...

2019.09.06

데이터로봇, 쏘카에 머신러닝 자동화 솔루션 공급

데이터로봇(www.datarobot.com)이 종합 모빌리티 기업 쏘카에 자사의 머신러닝 자동화 플랫폼을 공급했다고 밝혔다.  이 솔루션은 차종 선정 및 차량 배치를 포함하는 모빌리티 혁신 서비스를 위한 모델 개발 시간을 단축시키고, 복잡한 비즈니스 문제들을 민첩하게 해결할 수 있도록 지원하고 있다고 업체 측은 설명했다. 지난해 초 한국 시장에 진출한 데이터로봇은 데이터 준비부터 변경, 모델링(분석), 튜닝, 배포 및 관리 과정을 자동화하는 머신러닝 자동화 플랫폼을 통해 국내 기업들이 인공지능 기반 조직으로 나아가도록 지원하고 있다.  데이터로봇 솔루션은 기존의 머신러닝 예측모델 개발에 많은 시간이 소요됐던 코딩, 알고리즘 선택 및 튜닝 작업을 자동화해 모델링 속도를 10배 이상 향상시키며 보다 정확한 분석 결과를 얻을 수 있는 모델을 개발할 수 있도록 지원한다. 쏘카는 자사의 비즈니스 경쟁력을 지속적으로 유지하기 위해 머신러닝 모델 개발을 가속화하고자 데이터로봇 솔루션을 도입한 것이다. 쏘카는 현재 사용자, 차량, 지역 기준에 맞는 수요 예측, 비용 산정, 마케팅 등에 데이터로봇 솔루션을 적용해 자사의 서비스 운영 최적화를 위해 노력하고 있다. 더불어 자회사 VCNC의 종합 모빌리티 플랫폼 ‘타다’의 머신러닝/인공지능 프로젝트에 데이터로봇 솔루션을 도입해 기존의 모델 개발에 요구됐던 수작업을 자동화함으로써 업무 생산성 및 품질을 대폭 향상시켰다고 업체 측은 밝혔다. 쏘카는 비즈니스 과제 정의, 데이터 수집, 전처리, 모델링, 모델 배포 및 활용에 이르는 머신러닝 프로젝트에서 데이터로봇 솔루션을 통해 전처리, 모델링 및 배포를 자동화했다. 이로써 머신러닝 모델 개발 시간을 절약했을 뿐 아니라, 데이터 업로드 및 전처리 과정의 오류 발생가능성을 줄였다.  또한, 훈련 이후 특성의 중요성, 영향, 효과, 설명 등에 대한 정보를 도출해 분석에 적합한 높은 품질의 데이터를 보다 빠르게 찾을 수 있게 됐다. 이에, 머신러닝 모델 ...

데이터로봇 쏘카

2019.06.18

데이터로봇(www.datarobot.com)이 종합 모빌리티 기업 쏘카에 자사의 머신러닝 자동화 플랫폼을 공급했다고 밝혔다.  이 솔루션은 차종 선정 및 차량 배치를 포함하는 모빌리티 혁신 서비스를 위한 모델 개발 시간을 단축시키고, 복잡한 비즈니스 문제들을 민첩하게 해결할 수 있도록 지원하고 있다고 업체 측은 설명했다. 지난해 초 한국 시장에 진출한 데이터로봇은 데이터 준비부터 변경, 모델링(분석), 튜닝, 배포 및 관리 과정을 자동화하는 머신러닝 자동화 플랫폼을 통해 국내 기업들이 인공지능 기반 조직으로 나아가도록 지원하고 있다.  데이터로봇 솔루션은 기존의 머신러닝 예측모델 개발에 많은 시간이 소요됐던 코딩, 알고리즘 선택 및 튜닝 작업을 자동화해 모델링 속도를 10배 이상 향상시키며 보다 정확한 분석 결과를 얻을 수 있는 모델을 개발할 수 있도록 지원한다. 쏘카는 자사의 비즈니스 경쟁력을 지속적으로 유지하기 위해 머신러닝 모델 개발을 가속화하고자 데이터로봇 솔루션을 도입한 것이다. 쏘카는 현재 사용자, 차량, 지역 기준에 맞는 수요 예측, 비용 산정, 마케팅 등에 데이터로봇 솔루션을 적용해 자사의 서비스 운영 최적화를 위해 노력하고 있다. 더불어 자회사 VCNC의 종합 모빌리티 플랫폼 ‘타다’의 머신러닝/인공지능 프로젝트에 데이터로봇 솔루션을 도입해 기존의 모델 개발에 요구됐던 수작업을 자동화함으로써 업무 생산성 및 품질을 대폭 향상시켰다고 업체 측은 밝혔다. 쏘카는 비즈니스 과제 정의, 데이터 수집, 전처리, 모델링, 모델 배포 및 활용에 이르는 머신러닝 프로젝트에서 데이터로봇 솔루션을 통해 전처리, 모델링 및 배포를 자동화했다. 이로써 머신러닝 모델 개발 시간을 절약했을 뿐 아니라, 데이터 업로드 및 전처리 과정의 오류 발생가능성을 줄였다.  또한, 훈련 이후 특성의 중요성, 영향, 효과, 설명 등에 대한 정보를 도출해 분석에 적합한 높은 품질의 데이터를 보다 빠르게 찾을 수 있게 됐다. 이에, 머신러닝 모델 ...

2019.06.18

클라우드 기반 머신러닝 서비스 7가지

컴퓨팅 작업 중에서 가장 늦게 클라우드로 흡수되는 작업 중 하나는 바로 데이터 분석이다. 과학자들이 원래 프로그래밍을 좋아해 자신의 책상 위에 컴퓨터를 두는 편을 선호해서일 수도 있고, 데이터를 기록하기 위해 실험 장비가 컴퓨터에 직접 연결되어 있거나 데이터 집합이 너무 커서 이동하려면 너무 많은 시간이 걸려서일 수도 있다. 이유가 무엇이든 과학자와 데이터 분석가들은 그동안 원격 컴퓨팅 도입에 소극적이었다. 그러나 원격 컴퓨팅은 이제 대세다. 머신러닝, 인공 지능, 데이터 분석을 위한 클라우드 기반 툴이 증가하고 있다. 이유는 클라우드 기반 문서 편집 및 이메일에 대한 관심을 촉발했던 이유와 같다. 팀은 어느 컴퓨터에서나 중앙 저장소에 로그인할 수 있고 원격지에서, 이동 중에, 심지어 해변에서도 작업을 할 수 있다. 클라우드에서는 백업과 동기화가 자동으로 처리하므로 모든 작업이 간소화된다. 그러나 클라우드가 데이터 분석에 더 유리한 실무적인 측면의 이유도 있다. 데이터 집합의 크기가 큰 경우 클라우드를 사용하면 훨씬 더 빠르게 작업을 수행할 수 있는 임대 하드웨어에 대규모 작업을 스풀링할 수 있다. PC 작업을 시작한 다음 몇 시간 후 점심을 먹으러 나갔다가 돌아와서 작업이 실패한 것을 확인할 일이 없다. 이제는 버튼을 눌러 방대한 메모리가 준비된 수십 개의 클라우드 인스턴스를 가동하고 몇 분 이내에 코드가 실패하는 것을 확인하면 된다. 현재 클라우드는 초 단위로 비용을 청구하므로 시간과 비용을 절감할 수 있다. 위험도 있다. 가장 큰 위험은 개인정보보호 대한 막연한 우려다. 일부 데이터 분석에는 여러분이 보호해줄 것이라 믿고 맡긴 사람들의 개인 정보가 사용된다. 우리는 데이터가 실험실의 하드 드라이브에 저장된 상태에서의 보안 문제에 익숙하다. 클라우드에서는 무슨 일이 일어나고 있는지 알기가 어렵다. 클라우드 제공업체가 사용하는 모범 사례를 편안하게 받아들이게 되기까지는 시간이 더 걸리겠지만 실험실의 대학원생보다 클라우드 제공업체가 더 많...

클라우드 아마존 세이지메이커 머신러닝서비스 데이터로봇 SageMaker 빅ML 데이터브릭스 머신러닝 왓슨 애저머신러닝

2018.10.18

컴퓨팅 작업 중에서 가장 늦게 클라우드로 흡수되는 작업 중 하나는 바로 데이터 분석이다. 과학자들이 원래 프로그래밍을 좋아해 자신의 책상 위에 컴퓨터를 두는 편을 선호해서일 수도 있고, 데이터를 기록하기 위해 실험 장비가 컴퓨터에 직접 연결되어 있거나 데이터 집합이 너무 커서 이동하려면 너무 많은 시간이 걸려서일 수도 있다. 이유가 무엇이든 과학자와 데이터 분석가들은 그동안 원격 컴퓨팅 도입에 소극적이었다. 그러나 원격 컴퓨팅은 이제 대세다. 머신러닝, 인공 지능, 데이터 분석을 위한 클라우드 기반 툴이 증가하고 있다. 이유는 클라우드 기반 문서 편집 및 이메일에 대한 관심을 촉발했던 이유와 같다. 팀은 어느 컴퓨터에서나 중앙 저장소에 로그인할 수 있고 원격지에서, 이동 중에, 심지어 해변에서도 작업을 할 수 있다. 클라우드에서는 백업과 동기화가 자동으로 처리하므로 모든 작업이 간소화된다. 그러나 클라우드가 데이터 분석에 더 유리한 실무적인 측면의 이유도 있다. 데이터 집합의 크기가 큰 경우 클라우드를 사용하면 훨씬 더 빠르게 작업을 수행할 수 있는 임대 하드웨어에 대규모 작업을 스풀링할 수 있다. PC 작업을 시작한 다음 몇 시간 후 점심을 먹으러 나갔다가 돌아와서 작업이 실패한 것을 확인할 일이 없다. 이제는 버튼을 눌러 방대한 메모리가 준비된 수십 개의 클라우드 인스턴스를 가동하고 몇 분 이내에 코드가 실패하는 것을 확인하면 된다. 현재 클라우드는 초 단위로 비용을 청구하므로 시간과 비용을 절감할 수 있다. 위험도 있다. 가장 큰 위험은 개인정보보호 대한 막연한 우려다. 일부 데이터 분석에는 여러분이 보호해줄 것이라 믿고 맡긴 사람들의 개인 정보가 사용된다. 우리는 데이터가 실험실의 하드 드라이브에 저장된 상태에서의 보안 문제에 익숙하다. 클라우드에서는 무슨 일이 일어나고 있는지 알기가 어렵다. 클라우드 제공업체가 사용하는 모범 사례를 편안하게 받아들이게 되기까지는 시간이 더 걸리겠지만 실험실의 대학원생보다 클라우드 제공업체가 더 많...

2018.10.18

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