AWS 개요의 검증 카지노
- AI/데이터 활용을 촉진하려면 "데이터 분석"주기 및 "비즈니스 및 비즈니스 운영에서의 활용"을 실행하여 비즈니스에 대한 기여를 최대화해야합니다
- 그러나 AI 모델을 시스템으로 실현하는 데 고유 한 과제가 있으며, 이러한 문제를 극복하기 위해 "Mlops"라는 아이디어가 제안되기 시작했습니다
- CTC는 프로젝트에 참여하고, AI를 사용하여 시스템화를 촉진하고, 현재 솔루션을 제공하고, 검증 카지노의 도입을 포함하여 전체 AI 라이프 사이클을 지원하는 문제를 식별합니다
- 특히, AWS에서 오랜 실적과 결과를 활용함으로써 우리는 All-CTC 시스템을 순조롭게 수행 할 것입니다
검증 카지노는 무엇입니까? 그것의 필요
AI 시스템 개발에서 발생했습니다
대중 문제
상태 1 : AI 모델 생성 작업이 너무 오래 걸립니다
AI 모델을 생성하려면 알고리즘을 지정하고 조정해야합니다 그러나 인간 시간은 시스템화의 다른 작업에 비해 크지 않습니다 알고리즘 자체는 공개적으로 사용할 수 있고 튜닝이 자동화되므로 더 효율적으로 만들고 싶습니다
상태 2 : 각 팀의 기술과 지식이 다르기 때문에 노동의 극단적 인 분열
데이터 엔지니어, 과학자 및 응용 프로그램 개발자는 기술과 지식이 다르며 종종 서로의 다른 분야를 알지 못합니다 결과적으로, 이것이 의도되지 않았다는 사실에도 불구하고, 시스템은 극단적 인 노동 분업이되었습니다
Challenge 3 : 수술 후 자동화에 대한 시선으로 디자인이 만들어지지 않았습니다
개발 중에 생성 된 모델은 영구적이지 않으며 시간이 지남에 따라 데이터가 변경되면 정확도가 좋지 않을 가능성이 높으므로 작동 중에이를 감지하고 AI 모델을 재현해야합니다 이 수동으로 구현하는 것은 현실적이지 않으므로 개발 단계에서 운영의 자동화를 주시하여 설계해야합니다
이러한 문제를 해결하고 추가 AI/Data Utilization을 홍보하려면
지속 가능한 계획 및 지속적인 개선을위한 파이프 라인 요약,
및 수명주기 관리가 필요합니다
관심을 끌고있는 것은
기계 학습 팀, 개발 팀 및 운영 팀의 개발 및 운영 프로세스
더 빠른 데이터 처리 및 통신
개념은 "mlops"입니다
검증 카지노 = ml (머신 러닝) + dev (개발) + ops (릴리스/운영)
- 기계 학습
-
- ③ 데이터 준비
- ④ 머신 러닝 알고리즘 및 모델링 적용
- ⑤ 정확도, 오버레이션 등의 검증
- 개발
-
- ① AI 요구 사항 정의
- ② 시스템화를 볼 수있는 디자인
- ⑥ 다른 프로그램으로 모델을 패키지
- 작동
-
- ⑦ 모델과 프로그램을 생산 환경으로 릴리스
- ⑧ 설정 및 미세 조정 변경
- ⑨ 문제가 있는지 작동하는 모니터링 및 모니터링
왜 클라우드에 검증 카지노가 있습니까?
아래와 같이 검증 카지노는 클라우드 서비스와 높은 친화력을 가지고 있습니다
-
확장 성
클라우드 제공 업체가 제공하는 자동화 스케일링 서비스를 활용하면 검증 카지노에 필요한만큼 많은 리소스를 사용할 수 있습니다 -
빠른 개발 및 배포
클라우드 제공 업체가 제공하는 기계 학습 도구 및 API를 활용하여 기계 학습 모델을 신속하게 개발하고 배포 할 수 있습니다
클라우드의 이점은 이전에 소개 된 서비스에도 언급되어 있습니다
https : //wwwctc-gcojp/solutions/cloud/ai/aihtml
검증 카지노를 구현하는 데 필요한 노력은 무엇입니까?
연속 AI 사용 파이프 라인 설계
CI/(CL)/CD를 계속 사용하기 위해 파이프 라인은 데이터 과학자 및 OPS 엔지니어 (운영 SES)가 함께 협력하여 연속 AI를 개발하고 운영하도록 설계되었습니다 검증 카지노 환경과 기능을 실현해야합니다
*CI (연속 통합) : 데이터 및 모델 테스트 및 검증
*CD (Continuous Delivery) : 최신 데이터로 재교육 된 기계 학습 모델을 자동으로 배포하여 프로덕션 환경
비즈니스 운영 메커니즘 및 규칙 만들기
검증 카지노 소개가 모든 문제를 해결하는 것은 아닙니다 기존 시스템 및 데이터 호수와의 협업을 고려하는 아키텍처를 고려하고 조직 내에서 비즈니스 운영 메커니즘 및 규칙을 만들어야합니다
| 데이터 중단 문제 | 데이터는 나뉘어지고 조직이 나뉘어지고 즉시 사용할 수 없습니다 |
|---|---|
| 데이터 준비 챌린지 | 대규모 복잡한 데이터를 처리하기위한 환경, 도구 또는 인적 자원 없음 |
| 데이터 품질 문제 | 데이터가있는 데이터이지만 품질이있는 데이터는 제어되지 않으며 즉시 사용할 수 없으며 분석 결과의 정확도는 확실하지 않습니다 |
| 데이터 품질 문제 | 비즈니스 운영을 위해 데이터를 즉시 사용하는 데 시간이 걸리며 데이터 분석 결과의 정확도는 확실하지 않습니다 |
| 데이터 통합 | 데이터가 통합되어 필요한 데이터에 신속하게 액세스 할 수있는 환경 |
|---|---|
| 데이터 준비 속도 업 |
인프라 및 도구가 개발, 자동화, 표준화 등 생산성 향상 |
| 데이터 품질 개선주기 | 데이터, 시각화 및 분석의 원점은 Fed Back이므로 고품질의 누적 데이터를 사용할 수 있습니다 |
| 데이터 사용 확장 | 프로세스로의 데이터 수집, 분석 및 개선 만들기, 회사 전체의 데이터 활용 속도를 높이고 DX를 홍보합니다 |
AWS 서비스 세부 사항에 대한 검증 카지노
CTC는 AWS 클라우드 환경 + 모델 작업을 기반으로 검증 카지노를 사용합니다
우리는 진행중인 AI 개발 환경의 "검증 카지노 on AWS"의 건설을 지원할 것입니다
- 우리는 고객 프로젝트에 참여하고 AI를 사용하여 시스템화를 촉진하기위한 문제 식별 및 제시와 같은 지원을 제공 할 것입니다
- AI 프로젝트에서 광범위한 실적과 업적을 활용하여 검증 카지노를 원활하게 수행 할 수 있습니다
- 주요 지원 세부 사항
-
- AI 모델의 운영 요구 사항 이해
- 모델 운영 설계 지원
- 생산 작업을위한 예약 문제
- 요구 사항 청문회
- 프로토 타입 환경 구성 및 운영 검증
- 마이그레이션 지원
- 기능적/비 기능적 요구 사항 분류
- 기술 전송
*이것은 단지 예일 뿐이며 고객의 요청에 따라 별도로 정의됩니다
검증 카지노에 poc
- POC에서 미리 프로세스로 검증 카지노로 수행 할 수도 있습니다
- POC 단계에서 검증 카지노의 아이디어를 통합하면보다 통합 된 프로젝트가 수행 될 수 있습니다
풍부한 AI/분석 프로젝트 트랙 레코드
- CTC는 AI 및 분석 프로젝트 및 POC에서 다양한 경험을 가지고 있습니다 이 노하우는 검증 카지노에 추가 할 수 있습니다
Group CRM, 고품질 고객 개발
- 테마
- 그룹 회사 내 데이터 확인 (승차 및 예약 데이터, 판매자 구매 데이터, 설문 조사 등) 및 고객 세분화를 통한 고객 특성 분석
- 통찰력
- 고품질/출발/비 품질/비즈니스/관광/라이딩 행동 동향과 같은 고객 분류의 타당성 확인
운송량 예측
- 테마
- 코로나 바이러스와 같은 변화가있을 경우에도 매우 정확한 운송량 예측 시스템을 구축하여 특수 열차, 직원 계약 등의 최적화를 달성합니다
- 통찰력
- 향후 운송량을 결정할 수있는 주요 지표 탐색 및 발견
건축 자재 기계 제조업체
- 테마
- 건설을 설계 할 때, 우리는 과거 건설 현장을 사용하여 건설 장비의 수와 유형을 이해하고 예비를 준비합니다 추정치를 빠르고 정확하게 준비하려면 비슷한 사이트를 구별해야하지만 베테랑 노동자의 경험과 기술이 필요합니다
- 통찰력
- 건설 현장에서 이미지 및 수치 정보를 입력하여 과거 사이트 정보의 차이점을 평가합니다 점수를 포괄적으로 평가 한 후 유사한 사이트의 식별을 지원하는 모델을 개발했습니다
재료 최적화
- 테마
- 우리는 재료 비용과 관련된 비용을 줄이기 위해 막대한 양의 실험을 수행하고 있습니다
- 통찰력
- MI를 사용하여 분석 지원을 구현함으로써 재료의 특성을 유지하면서 비용을 줄일 수있는 조건을 효율적으로 찾을 수 있습니다 앞으로 기술 이체는 사내 생산 지원으로 고객 직원에게 수행 될 것입니다
발전
- 테마
- 발전소의 안전성을 높이고 인력을 보호하기 어려운 광범위한 검사 작업을 최적화하는
- 통찰력
- 물 누출 및 장비 문제와 같은 초기 증상을 감지하기 위해 AI를 사용하여 드론 및 카메라로 얻은 이미지 분석
프로모션 시스템
우리는 All-CTC를 사용하여 고객 프로젝트를위한 프로젝트를 홍보 할 것입니다
구현 프로세스
구현 케이스
고객 배경 및 과제
분석, 전처리 프로그램 및 모델 관리에 사용되는 데이터 사용
- 각 개인은 수행 중이며 회사 내에서 공유되지 않은 분석을 보유하고 있습니다
- 전처리 프로그램 또는 모델 관리 없음
AWS는 이미 회사 전체 플랫폼으로 설치 되었으며이 분석 환경을 마이그레이션하고 싶습니다
- 분석 환경으로서, 우리는 AWS 네이티브를 고려해야합니다
- 변경 관리, 자동화 및 운영 관점을 채택해야합니다
CTC 지원 컨텐츠
구축 AWS 기본 분석 인프라,
검증 카지노의 아이디어를 포함하는 시스템을 구축하려는 목표
- AWS 네이티브 SAGEMAKER 또는 접착제 고려
- 자동화 및 작동 모델 변경의 관점에서
검증 카지노의 개념을 통합
마이그레이션 및 분석 프로그램 및
검증 카지노 환경 구축
- Sagemaker, Glue에 기존 프로그램 게시
- 검증 카지노 환경 설계/구축
소개 효과
시스템 전체 자동화/벌크 관리 달성
- 관리 노력 및 비용 감소
- 인간의 노력을 줄이고 새로운 서비스 개발이 새로운 서비스 개발에 집중할 수있게합니다
자주 묻는 문의 (FAQ)
q 요구 사항이 충분히 명확하다면 어떻게 진행해야합니까?
a 시스템 구성에 따라 전체 시스템 검증 카지노를 만들 필요가 없으므로 먼저 범위를 정의하십시오 그 후, 우리는 일반 SIS와 동일한 견해에 따라 요구 사항 정의 설계 개발 테스트를 진행합니다
