|
|
|
|
AI 채택의 걸림돌
전문인력 부족, AI Engineering은 대규모 전문 팀의 장기간 개발, AI에 대한 신뢰 부족
또한, AI의 실제 적용을 위해서는 모델의 성능 하락을 막기 위한 지속적인 모델 업데이트가 필요합니다.
우리는 이것을 Lifelong Learning이라고 부르며, Lifelong Learning을 구현하는 과정에는 재학습, 성능 모니터링, 모델관리 등의 실행/운영 측면의 어려움이 존재합니다. 이러한 어려움들을 극복하기 위한 MLOps의 중요성이 날로 높아지고 있습니다.
우리는 이것을 Lifelong Learning이라고 부르며, Lifelong Learning을 구현하는 과정에는 재학습, 성능 모니터링, 모델관리 등의 실행/운영 측면의 어려움이 존재합니다. 이러한 어려움들을 극복하기 위한 MLOps의 중요성이 날로 높아지고 있습니다.
Auto ML의 주요 요구사항
-
01 AI 모델을 학습하기 위해 데이터에서 중요한 특징(feature)을 선택하고 인코딩하는 방식에 대한 특징 엔지니어링(feature engineering) 자동화다. -
02 AI 모델 학습에 필요한 사람의 설정들, 하이퍼 파라미터를 자동으로 탐색 -
03 AI 모델의 구조 자체를 더 효율적인 방향으로 찾아주는 아키텍처 탐색이다.
H2O.ai 데이터 과학과 ML Workflow 자동화
전문 데이터과학자가 필요한 “Feature engineering에서 모델링, ML Workflow”까지 자동화
실제 AI프로젝트에서 h2o.ai Driverless AI를 활용하면 아래의 장점이 있습니다.
빠르게 높은 정확도의 모델을 만드는 Auto ML
파워젠의 H2O.ai 기반 비즈니스 제공
|
대표전화 T. 02-6447-5067 │ 구매문의 T. 02-404-5067 │ E-mail. supportcenter@powergen.ai |
|
파워젠 │ 대표명: 이정규 │ 주소: 서울특별시 송파구 법원로 114 엠스테이트 A동 13층 (주)파워젠
Copyright POWERGEN. All rights reserved.
