“C”로 개발된 경량화 AI 추론모델
보유 기술을 활용한 데이톤 만의 데이터 분석
-
01
금융/교통 빅데이터
예측/분석 자체 엔진 개발 (RBM) -
02
GS1등급 목록 확대로
S/W 내재화 추진 -
03
대용량 데이터 분석용
경량화 분석 엔진 개발 (RBM) -
04
데이터 이상탐지 원인
분석/예측 모듈 개발
RBM 시스템 구성
- 3 Clusters
-
MI1기업의 경영, 고객행위, 상품판매 등 실시간으로 발생하는 이벤트/시그널에
대하여 실시간 예측 및 판단 - MI2경영의 의사결정, 서비스 운영 등 의사결정 지원 가능
- MI3시스템 고장 진단/예측 신경망화
- 상용 모델
- 빠른 시간 내 기본기능(예측/상황판단)의 대규모 구현
- 경량화 모듈을 통한 자원효율화 및 처리속도 증가
- 품질관기, 서비스 확장, 진화를 위한 연구 및 유지관리
-
계층화, 대형화 개념
-
Internal View
실시간 경량화 이상탐지
(Unsupervised Learning RBM : DBN)
-
노드 별 이상탐지 및 계층 형 모델로 수백 개의
인공지능 엔진이 동시에 동작이 가능한 모델 개발 -
알고리즘으로 어려운 정도의 대형화 데이터
모델에 적용이 가능한 경량화 엔진으로
모델링 후 영상분석 시스템간 연동을 통하여
대형 모델 개발 -
Tiks(데이터 최소단위) 테스트 모델을
통하여 추상화 정확도에 대한 데이터 검증 진행