본문으로 건너뛰기
버전: docs v25.02

AI Solution Development

ALO 설치

ALO는 AI 솔루션 개발의 핵심 프레임워크입니다. 이를 통해 개발자는 모델을 설계하고 테스트하며, Try 플랫폼에 손쉽게 등록해 운영 환경에서 활용할 수 있습니다.

개발 환경 준비

Python 3.10 기반의 개발 환경을 설정하세요. 자세한 지침은 개발 환경 구축 가이드를 확인하세요.

  • 권장 환경: Linux 또는 Windows
  • 대안: Local 환경이 적합하지 않을 경우 Google Colab과 같은 클라우드 플랫폼을 활용 가능

필요한 패키지 설치 및 환경 변수 설정을 완료해 ALO 사용을 위한 준비를 마무리하세요.

ALO Quick Run

ALO Quick Run을 따라 ALO를 설치하고 제공된 예제를 실행해 보세요. 이는 ALO가 정상적으로 작동하는지 확인하는 첫 단계입니다.



AI Solution 개발

Mellerikat에서 AI 솔루션을 개발하려면 다음 세 단계를 따릅니다: 문제 정의, 데이터 준비, 모델 코드 개발. 각 단계는 체계적인 접근을 통해 효율적인 개발을 지원합니다.

문제 정의

문제 정의는 AI 솔루션의 방향성을 잡는 중요한 시작점입니다.

  • 문제 구체화: 해결하고자 하는 과제를 명확히 설정하세요. 예: "제품 불량 탐지" 또는 "고객 만족도 예측".
  • 입력/출력 설정: 입력 데이터(예: 테이블 형태의 센서 데이터)와 출력 결과(예: 불량 여부)를 정의하세요.
  • 성능 지표 선택: 모델 평가 기준을 선택하세요. 예: 정확도(accuracy), 정밀도(precision), 재현율(recall), F1 스코어 등.

이 단계에서 목표와 범위를 명확히 하면 이후 개발이 훨씬 수월해집니다.

데이터 준비

모델이 학습하고 운영될 수 있도록 데이터를 준비합니다.

  • 학습 데이터: 모델 훈련에 필요한 라벨링된 데이터셋을 수집하세요. 데이터 품질과 양이 성능에 큰 영향을 미칩니다.
  • 추론 데이터: 운영 환경에서 모델이 처리할 입력 데이터를 준비하세요. 실제 사용 시나리오를 반영해야 합니다.
  • 데이터 전처리: 결측값 처리, 정규화, 포맷 변환 등으로 데이터를 최적화하세요.

데이터가 부족하거나 형식이 맞지 않으면 Mellerikat의 샘플 데이터셋을 활용할 수도 있습니다.

모델 코드 개발

Mellerikat은 사용자의 필요에 따라 맞춤형 모델 개발을 지원합니다. 아래는 상황별 접근 방식입니다.

- 모델 개발이 필요한 경우

문제와 데이터는 준비되었으나 적합한 모델을 찾지 못한 경우, Mellerihub를 통해 솔루션을 탐색하세요.

  • Mellerihub: 도메인별 문제를 해결한 ALO 기반 AI 솔루션을 Git Repository로 제공합니다. 이를 참고해 자신의 문제에 맞는 모델을 선택하거나 커스터마이징할 수 있습니다.

Mellerihub의 AI Contents는 파라미터 조정만으로 모델을 생성할 수 있는 튜토리얼을 제공합니다:

이 튜토리얼들은 초보자도 쉽게 따라 할 수 있도록 단계별 코드와 설명을 포함합니다.

Note: 준비 단계에서 제공받은 Github의 token은 Mellerihub의 Private Repository를 clone할 때 사용됩니다. git clone 할 때 username은 자신의 Github id를 사용하고 제공 받은 token을 입력하세요.

- 기존 코드를 ALO로 변환하려는 경우

  • From Scratch Development (FSD) Tutorial: 기존 코드를 ALO 기반으로 동작하도록 수정하는 방법을 단계별로 설명합니다. (예: 와인 품질 예측 모델 변환, Google Colab)

변환된 솔루션은 AI Conductor에 등록해 운영 환경에서 테스트하고 배포할 수 있습니다.



AI Solution 등록

완성된 AI 솔루션을 AI Conductor에 등록하면 운영 환경에서 활용할 수 있습니다. AI Conductor는 AI Solution 버전 관리, 클라우드 리소스를 활용한 모델 학습, 리소스 사용량 모니터링 및 로그 기록을 제공하며 Edge Conductor에서 제공하는 Dataset으로 AI Solution의 Train Pipeline이 동작하여 모델을 생성합니다.

준비 단계

등록을 위해 AWS 환경을 설정해야 합니다:

  • AWS CLI 설치: 운영체제별 설치 가이드를 따라 AWS CLI를 설치하세요.
  • ALO Infra 설정: 발급받은 AWS Key로 AWS Profile을 생성하고, solution_info.yaml 파일을 작성하세요.
    • AWS Profile 설정: aws configure 명령어로 Access Key와 Secret Key를 입력.
    • solution_info.yaml 작성: 솔루션 이름, 버전, 데이터 경로 등을 명시.

등록 확인

AI Conductor 대시보드에서 솔루션이 정상적으로 등록되었는지 확인하세요. AI Solution의 상세 정보를 작성하거나 모델의 학습, 리소스 사용량을 확인할 수 있습니다.

Solution Register Screenshot