• --
좋은 질문을 남겨주신 분들 중 추첨을 통해
애플워치(1명), Absolute 안경(4명), 겐조 선글라스(2명)를 드립니다.

2021. 10. 06(Wed) – 10. 07(Thu) Online Conference

AI가 PLUS된 새로운 일상을 일상을 만나보세요.

현재 우리의 삶에 바로 적용할 수 있는 인공지능 서비스
새로운 가치를 제공하는 메타버스와 버츄얼휴먼에 대한
AI 전문가들의 이야기를 만날 수 있는 AI PLUS 2021


AI PLUS 2021은 Session 페이지에서 다시보기가 가능합니다.

HPE MLOps가 머신러닝 라이프사이클 관리를 위해 타 솔루션과 차별을 두는 중요 포인트는 무엇인가요?
[답변]
MLflow, kubeflow 사용이 어렵지만, 빌트인 방식으로 연동하여 CI/CD 쉽게 지원할 수 있습니다.
딥러닝과 머신러닝의 차이는 무엇인가요?
[답변]
신경망의 사용 유무에 따라서 차이가 있습니다.
아마존에서 컴파일한 모델을 사용하면 딥러닝 수행시, 안정성 문제가 없는지 궁금합니다
[답변]
기본적으로 Jetson Nano에서 vanilla 딥러닝 프레임워크로 직접 딥러닝 모델을 추론하면 추론 퍼포먼스가 매우 떨어지기에 실시간 추론이 어렵습니다. 따라서, 최대한 엣지 디바이스에 적합한 가벼운 모델(예: MobileNet, MNasnet 등) 기반으로 TFLite, TensorRT, SageMaker Neo 등으로 컴파일하셔야 실시간 추론이 원활하며 안정성에 대해서는 직접 모델을 배포 후 테스트를 해 보시는 것을 권장드립니다. SageMaker Neo의 장점은 컴파일에 필요한 환경을 밑바닥부터 구축할 필요 없이 AWS SDK/CLI/콘솔 등에서 별도의 비용 추가 없이 쉽게 컴파일을 수행할 수 있습니다.
기존 데브옵스와의 차이와 더불어 세부적으로 MLOps, AIOps, ModelOps, DataOps 차이가 궁금합니다.
[답변]
MLOps, AIOps 등은 모두 큰 범주로 본다면 DevOps에 속하며, DevOps 기반에 모델 검증/재학습을 통한 모델 파이프라인 고도화를 위한 CT(Continuous Training)이 추가됩니다. 모델 파이프라인에 걸쳐 ML/Data Engineer와 Data Scientist와의 협업을 통해 모델을 보다 안정적으로 서빙하는 것이 주 목표입니다.
안경 인식을 위한 OCR 기술에서 문자의 왜곡된 이미지를 어떤식으로 보정하셨나요?
[답변]
안경원에 진열된 2천여 종의 OCR코드에 대한 탐색이기 때문에 인식률에 있어서 큰 문제는 없었습니다. 다만 실시간(100ms) 이내에 탐색을 완료하기 위해 추가 로직이 여러 가지 들어가 있습니다. OCR 부위를 빨리 찾는다든지, OCR 인쇄 과정에서 자간/행간/폰트 등을 다양하게 테스트하면서 인식률 높은 환경을 조성하였습니다.
안경원에 방문하는 모든 고객이 사용할 수 있는 경험 디자인 서비스를 개발하신 과정과 방법에 대해서 질문드립니다.
[답변]
오프라인에서 프토토타입 서비스를 프리 릴리즈하면서 고객 인터뷰와 쉐도잉, 설문 조사 등 UX리서치 방법론을 시행하여 고도화 합니다. 또한 온라인 채널을 통해 AB테스트 같은 그로스해킹도 병행하면서 온오프라인 사용자 경험을 이해하고 있습니다. 늘 고객은 변화하기 때문에 유저리서치에 대해 끊임없이 관심 두고 있습니다.
딥아이의 비즈니스 모델은 무엇인가요?
[답변]
딥아이가 추구하는 온라인과 오프라인을 잇는(O2O) 아이웨어 커머스는 PB판매, 위탁 중계 수수료, 입점몰 광고 등 다양한 비즈니스 모델로의 확장이 용이한 사업입니다. 지금은 플랫폼으로서 입지를 다지는 데 주력하고 있고, 어떤 수익을 올리냐보다는 산업의 발전과 안경원 영소상인, 안경 제작사 등 다양한 이해 관계자와의 상생을 통해 시장 자체가 커지고 더욱 활성화되는 데 초점을 맞추고 있습니다.
라운즈의 가상피팅 기술은 안경 이외에 다른 패션잡화에도 적용 가능한가요?
[답변]
네, 기본적으로 얼굴 분석 관련 딥러닝 기술을 토대로 하기에 다른 아이템(귀걸이 등)에도 적용 가능합니다. 특정 패션 도메인(아이템)마다 튜닝 요소가 다분할 것으로 생각됩니다.
아이웨어가 잘 어울린다는 기준은 무엇인가요?
[답변]
각 패션 컴퍼니(서비스 제공사)마다 다르지만 라운즈의 경우, 온라인 통계와 안경사분들의 추천, 얼굴 분석, 상품 메타 데이터 등의 내부 데이터를 조합하고 있습니다. 향후 데이터를 더욱 정교하게 가공하여 순위나 추천 로직을 다각화 중에 있습니다.
동일 알고리즘으로 학습되어 기업마다 유사한 투자 상품을 추천하는 경우, 추후 상품 조작 등과 같은 문제가 발생되지는 않을까요?
[답변]
유사한 알고리즘으로 설계되고 학습이 된다고 하더라도 모든 예측모델이 동일한 성능을 보이는 것은 아니기에 말씀하신 것의 경우가 발생할 확률은 낮다고 생각합니다. 또한 모든 투자자는 높은 수익률을 최우선으로 선호하겠지만, 기술의 발전과 더불어 금융상품이 다양해지면서 개개인의 상황 (수입, 연령, 직업, 소비 패턴 등)에 맞게 추천되는 상품도 다양화되리라 생각합니다.
행사에 대한 문의는 하기 행사 사무국으로 연락주시기 바랍니다.
문의처: rgst@marple.co.kr
ⓒ ESTsoft, All rights reserved.