AI Contents 활용하여 AI Solution 만들기
인공지능(AI)을 활용하여 다양한 산업 분야의 과제들을 해결하기 위해 각 도메인에 특화된 AI Contents들이 존재합니다. 이 AI 콘텐츠들은 ALO가 요구하는 AI Pipeline 구조를 따르면서 설계되었기 때문에, experimental_plan.yaml 파일의 조정을 통해 각 도메인의 요구 사항과 특성에 최적화된 AI 모델을 효과적이고 신속하게 생성할 수 있습니다.
AI Contents 개발은 데이터 수집, 전처리, 모델 학습, 평가, 그리고 배포에 이르는 전 과정을 포괄할 수 있습니다. 각 단계는 experimental_plan.yaml에 명시되어 있어, AI Contents 사용자는 이 파일을 조정하는 것 만으로도 다른 데이터에 적용하거나, 모델의 구조를 변경하고, 모델 Hyper-parameters를 튜닝 함으로써 모델의 성능을 지속적으로 개선할 수 있습니다.
구체적으로, experimental_plan.yaml 파일은 AI Pipeline의 여러 단계에 대한 설정을 담고 있으며 데이터 경로, 모델 구성, 학습 알고리즘, 평가 측정 지표 (Evaluation Metrics) 등을 정의할 수 있습니다. 이를 통해 가장 효과적인 Data Feature Extraction, Hyper-parameters 최적화 및 Model Ensemble 관련하여 실험하여 도메인 특화 모델을 발굴하고 그 성능을 정교화 할 수 있습니다.
AI Contents의 개발과 개선 작업은 이러한 구성 파일을 기반으로 반복되며, 이 과정을 통해 특정 산업 분야나 목표 문제에 맞는 AI Solution을 생성 및 등록하여 실질적인 운영화 단계로 나아갈 수 있습니다.
Topics
AI Contents 살펴보기
AI Contents 페이지(AI Contents)를 살펴보고 사용자의 도메인에 맞는 AI Contents를 선택 및 적용해보시기 바랍니다.
Note: AI Contents에 대한 Git 코드 접근은 (AI Contents Access)를 참고하시기 바랍니다.
| AI Contents | Description |
|---|---|
| TCR | Tabular 데이터에 대한 분류/회귀 AI Contents로, 전처리 / 샘플링 / HPO / 최적 모델 선정을 자동으로 수행합니다. https://github.com/mellerikat-aicontents/Tabular-Classification-Regression.git |
| GCR | GCR은 TCR과 입출력은 동일하나, Graph ML 기술로 데이터의 숨은 정보를 추출 및 활용해 모델 정확도를 높이며, 결측치가 있는 데이터도 처리 가능한 분류/회귀 AI Contents입니다. https://github.com/mellerikat-aicontents/Graph-powered-Classification-Regression.git |
| FCST | 데이터의 시계열을 분석하고 미래 값을 예측하는 AI Contents 입니다. https://github.com/mellerikat-aicontents/Forecasting.git.git |
| CV | Image classification 모델을 통해 여러 종류의 클래스 분류를 자동화하기 위한 AI Contents 입니다. https://github.com/mellerikat-aicontents/Vision-Classification.git |
| PAD | PAD는 Point Anomaly Detection의 약자이며 point 형태의 시계열 데이터가 정상인지 이상인지 탐지하는 AI Contents입니다. https://github.com/mellerikat-aicontents/Anomaly-Detection.git |
| TAD | TAD는 Tabular Anomaly Detection의 약자이며, Tabular 형태의 단일 혹은 다양한 변수를 통해 정상과 이상을 탐지하는 AI Contents입니다. https://github.com/mellerikat-aicontents/Tabular-Anomaly-Detection.git |
| MAD | 여러 개의 다양한 변수를 모니터링하면서 이상 또는 불량을 조기 검출(Early sensing)하여 이상탐지하고 싶은 경우 사용할 수 있는 AI Contents입니다. http://mod.lge.com/hub/dxadvtech/aicontents/mad.git |
| VAD | Visual Anomaly Detection(VAD)은 정상 이미지를 학습하여 비정상 이미지를 감지하는 AI 컨텐츠입니다. https://github.com/mellerikat-aicontents/Vision-Anomaly-Detection.git |