Edge Conductor

Simplified Edge AI

One Click 모델 학습 & 모델 배포

Edge Conductor를 사용하여 AI 모델의 학습과 배포를 더욱 손쉽게 할 수 있습니다.
원하는 학습데이터셋을 선택하여 AI 모델을 간편하게 학습시키고, 스케줄링 기능을 통해 정기적으로 모델을 업데이트할 수 있습니다.
Edge App이 설치된 환경 어디에서든지 쉽게 AI 모델을 배포할 수 있습니다. Edge Conductor를 통해 AI 모델의 학습과 배포 과정을 간소화하고, 효율적인 모델 관리를 경험해 보세요.

AI Monitoring

실시간 AI 추론 결과 모니터링

AI 모델의 실시간 추론 결과를 모니터링하고, 추론 결과 데이터를 효율적으로 수집하는 강력한 도구입니다.
이 데이터를 기반으로 새로운 학습 데이터셋을 생성할 수 있어 AI 모델의 학습 성능을 지속적으로 향상시킬 수 있습니다.
Edge Conductor의 뛰어난 특장점을 통해 실시간으로 추론 결과를 파악하고, 필요한 데이터를 수집하여 정밀한 분석과 모델 업데이트를 수행할 수 있습니다.
Edge의 연결이 끊어지거나 AI Model 추론 결과가 Defect으로 나오는 등 다양한 케이스에 대하여 선별적으로 Webhook을 설정할 수 있습니다.
사용자가 설정한 값에 따라 원하는 채널에서 실시간 Alert를 받을 수 있습니다.

Model Optimization

지속적인 AI Model 최적화를 위한 Dataset 관리 기능 지원

Edge Conductor는 사용자가 직접 데이터를 관리하고, AI Model을 최적화할 수 있도록 지원합니다.
사용자는 실시간으로 수집된 추론 결과 데이터를 모아 새로운 Dataset을 생성하거나, Local 환경에 보관하고 있는 데이터를 업로드할 수도 있으며,
필요 시, 클라우드에 적재된 Data를 Dataset에 연동시킬 수도 있습니다. Dataset 기능은 쉬운 UI를 통해 제공되기 때문에, 비전문가들도 쉽게 자신의 Data를 관리할 수 있습니다.

Data Re-labeling 을 통한 학습데이터셋 구축

수집한 이미지 데이터를 효율적으로 Re-labeling하여 AI 모델의 성능을 향상시킬 수 있습니다.
Re-labeling 기능을 활용하여 정확하고 정밀한 데이터로 고성능 AI 모델을 학습시킬 수 있습니다. Edge Conductor는 이미지 데이터 처리와 라벨링 작업을 간소화하여, 더 높은 정확도의 학습 데이터를 제공합니다. 이를 통해 AI 모델의 학습 효율성을 극대화하고, 데이터 정확도를 향상시켜 뛰어난 분석 결과를 도출할 수 있습니다.

Model 재학습 프로세스

Edge Conductor는 AI 모델의 재학습 프로세스를 간소화하여, 사용자가 손쉽게 AI 모델을 업데이트할 수 있도록 지원합니다.
사용자는 새로운 Dataset을 선택하고, 원하는 AI 모델을 지정하여 재학습을 시작할 수 있습니다.
재학습이 완료되면, 새로운 AI 모델을 Edge App에 배포하여 최신 상태의 AI 모델을 유지할 수 있습니다.
또한, 스케줄링 기능을 활용하여 특정 시간 또는 특정 주기에 모델 재학습 및 배포를 사용자의 개입없이 자동으로 수행할 수 있습니다. 학습에 필요한 Dataset, Stream, 모델 배포 대상인 Edge를 선택하여 정해진 시간에 자동으로 학습을 수행하고 생성된 모델은 자동으로 배포됩니다.
이 모든 프로세스는 직관적인 UI를 통해 제공되며, 사용자는 복잡한 설정 없이 간편하게 AI 모델을 재학습하고 배포할 수 있습니다.

Architecture

다양한 운영 환경 지원

Edge Conductor는 Cloud/On-premise 환경 모두에 설치 및 활용이 가능합니다.
데이터 보안 때문에 Cloud에 데이터를 저장할 수 없는 경우에도, Edge AI를 Private Network 내부에서 활용해야 하는 경우에도,
누구든지 Edge Conductor 를 자신의 비즈니스 환경에 설치하고 활용할 수 있습니다.

여러 프로젝트 운영 가능한 Workspace 구조 제공

Edge Conductor는 여러 프로젝트를 효율적으로 운영할 수 있도록 Workspace 구조를 지원합니다. 각 Workspace에는 Edge 디바이스가 등록되어 개별적으로 관리되며, 계정과 권한도 Workspace 단위로 구분됩니다. 이러한 구조 덕분에 특정 프로젝트의 Edge는 해당 Workspace에 권한이 있는 사용자만 접근할 수 있고, Edge에서 수집된 데이터와 학습용 데이터 역시 Workspace 권한이 있는 사용자만 확인할 수 있습니다. 프로젝트별로 Edge와 데이터를 안전하게 분리 관리할 수 있어, 민감한 데이터 보호에도 적합합니다. 권한 관리가 용이해 협업과 보안을 동시에 만족시킬 수 있습니다. 관리자는 Workspace별 사용자, Edge, 데이터 현황을 명확히 파악하고 통제할 수 있습니다. 이처럼 Edge Conductor는 다양한 프로젝트를 안전하고 효율적으로 운영할 수 있는 환경을 제공합니다.

유연하고 확장성 있는 아키텍처

사용자는 Edge Conductor를 통해 다수의 Edge App 추론 결과를 모니터링하고 재 학습된 모델을 배포할 수 있습니다.
모델 재 학습에 필요한 학습 데이터 셋은 Edge App 추론 결과,노트북의 로컬 데이터, 그리고 AWS Cloud S3 데이터로부터 생성되며, 사용자는 데이터 셋 Relabeling을 통해 학습 데이터의 정확성을 높여 모델의 성능과 신뢰성을 높일 수 있습니다.지속적인 추론 모니터링과 재 학습된 모델의 재 배포 운영 시스템을 통해 Edge App에서 높은 성능과 신뢰성 있는 추론을 유지하도록 합니다.추론 및 모델 학습 상태, 배포 정보를 기반으로 정의된 알람은 웹을 통해 기본 제공되며, 동시에 Slack, Teams 외부 시스템을 통해 사용자에게 실시간으로 전송됩니다.