-
자동화 모델 고도화 및 관리 기능 강화
‘블랙올리브’ 데이터 자동화-가공-관리 솔루션, 대규모 데이터셋 구축 경험 노하우를 반영한 업데이트 버전 출시
-
인공지능 기반 의료 및 헬스케어 서비스 혁신 – 크레스콤
의료 헬스케어 데이터 가공 사례
-
데이터 가공 기술과 품질의 중요성
인공지능의 알고리즘 성능이 아무리 탁월해도 저 품질의 데이터를 입력하면 AI 서비스는 무용지물이 될 수 있습니다.
-
핫해진 데이터 라벨링 (2)
AI 데이터 구축을 위해서는 원천 데이터에 설명을 다는 라벨링 작업이 기초가 되어야 합니다.
-
핫해진 데이터 라벨링 (1)
중소-벤처 인공지능 서비스 개발 회사들이 자체적으로 학습데이터를 구축하기 위해서는 많은 비용과 시간을 들여야 합니다. 원천 데이터를 수집 후 라벨링 또는 어노테이션이라 불리는 데이터 전처리 과정을 거쳐야 하기 때문이죠.
-
인공지능 지도학습 데이터 (3)
이제는 인공지능 기술 자체의 고도화에 따라 실제 산업군에 맞게 다양한 서비스들이 구현되어 나오는 것이 가능해 졌습니다.
-
인공지능 지도학습 데이터 (2)
인공지능 개발 서비스 분야에 따라 다양한 학습 데이터 예시를 들어봅니다.
-
인공지능 지도학습 데이터 (1)
인공지능은 개발하려는 서비스 분야에 따라 다양한 학습 데이터가 필요합니다.
-
인공지능의 발전과 산업기술의 혁신 (2)
다양한 학습 알고리즘의 발전과 새로운 시도를 통해 발전하고 있는 인공지능 서비스의 혁신을 살펴 봅니다.
-
인공지능의 발전과 산업 기술의 혁신 (1)
인공지능은 실제 현실문제 해결을 위한 다양한 서비스로 구현 및 발전되고 있습니다.
-
인공지능 기계학습의 핵심 – 양질의 데이터 확보
인공지능 서비스 개발의 빠른 구현을 위해서는 품질 좋은 다양한 학습 데이터를 확보하는 것이 중요합니다.
-
‘인도 보행 영상’ 데이터 셋 구축 사례
인도 보행 영상 데이터 셋 구축 사업은 장애인 보행에 위협 요소인 각종 장애물(자동차, 사람, 가로등, 가로수 등)과 파손 등으로 위험한 보행 노면에 대한 데이터 셋을 구축하는 사업으로, 장애인의 이동권 신장을 위한 인공지능 서비스 개발의 기반을 구축한 사업입니다.