모델을 소개합니다: 몇 번의 클릭만으로 강력한 AI 모델을 손쉽게 학습시키고 배포하세요

모델을 소개합니다: 몇 번의 클릭만으로 강력한 AI 모델을 손쉽게 학습시키고 배포하세요

슈퍼브 모델을 소개합니다. 모델은 컴퓨터 비전을 도입하려고 계획 중이거나 이미 도입 초기인 회사들이 흔히 직면하는 아래와 같은 문제들을 간편하게 해결해 줄 수 있는 제품 입니다.

1) 전담 ML팀이 있어야 시작이라도 해 볼 수 있어요
2) 커스텀 모델을 만들려면 엄청난 노하우와 컴퓨터 리소스가 필요해요
3) 기존의 제품, 서비스, 비즈니스 로직에 AI를 새로 배포하고 연동시키기가 까다로워요
4) 모델 성능에 따라 학습 데이터를 어떻게 바꿔야 하는지 매번 완벽하게 알 수는 없어요
5) 프로토타입을 제작하고 개발 가능성을 시험하는 데에만 몇 달씩 걸려서 실제 가치를 창출하기까지 시간이 많이 필요해요

모델은 이런 진입 장벽을 없애고 누구나 AI를 도입할 수 있도록 고성능의 AI 모델을 코딩이나 ML 지식 없이도 학습 시키고 배포할 수 있게 도와줍니다.

이 뿐 아니라 이미 ML팀이 있는 회사의 경우 모델을 사용해 ML 생애주기에서 아주 중요한 초기 단계들을 손쉽게 처리하고 과도한 시간과 비용 소모 없이 커스텀 모델을 구축할 수 있습니다.

모델이란?

모델은 누구나 AI를 손쉽게 도입할 수 있도록 만들겠다는 슈퍼브에이아이의 미션을 잘 드러내는 제품입니다. 다시 말해, 슈퍼브 라벨(커스텀 오토라벨)슈퍼브 큐레이트(오토 큐레이트)처럼 슈퍼브 모델 역시 자동화가 핵심이라는 뜻이죠. 모델은 아래와 같은 기능을 제공합니다:

  1. AI 프로젝트를 빠르게 시작하기 위한 파운데이션 모델 제공(슈퍼브에이아이 모델 및 오픈소스 모델)
  2. AutoML을 통한 자동 모델 학습 및 하이퍼파라미터 최적화(베이지안 최적화)
  3. 직관적인 성능 평가 지표 제공(클래스별 정밀도, 재현율, IoU 등)
  4. 클릭 한 번으로 간편한 모델 배포 및 엔드포인트 모니터링 (사용량, 빈도 등)

모델은 처음으로 엔드 투 엔드 컴퓨터 비전 솔루션을 배포하려고 하는 팀도, PoC만 몇 번 진행하려는 하는 팀도 누구나 편하게 원하는 제품을 만들 수 있도록 AI 진입 장벽을 최대한 낮추기 위한 제품입니다.

* 모델의 최초 배포 버전에서는 바운딩 박스 탐지가 지원됩니다. 곧 더 많은 어노테이션 타입이 지원될 예정이니 많은 기대 부탁드려요.

모델은 누가 사용해야 하나요?

모델은 제품 및 소프트웨어 개발, ML, 또는 이와 유사한 업무를 하고 있는 분들께 가장 적합합니다. 어떻게 모델이 이 모든 사람들에게 최고의 제품이라는 건지 의아하시죠? 앞서 언급한 분야 중 ML 지식을 보유한 직종은 하나 뿐인데 말이에요.

조금만 확인해 볼까요?

  • 제품 및 소프트웨어 개발팀

모델은 AI 모델 학습, 성능 평가 및 배포 과정에 수반되는 복잡한 작업들을 정돈하고 자동화하는 강력한 AutoML 기능을 지원하고 있습니다. 덕분에 ML 지식이나 커스텀 모델이 없는 제품 및 소프트웨어 개발팀도 모델에서 제시하는 가이드를 따라 몇 단계만 진행하면 학습용 데이터셋 구축부터 모델 학습까지 단숨에 해결할 수 있습니다.

제품 개발팀에서는 모델을 이렇게 사용할 수 있습니다:

  • 기존의 제품에 컴퓨터 비전을 빠르게 도입
  • 모델 성능을 평가해 학습용 데이터가 충분한지 판단
  • 회사에서 내부 ML팀을 구축해야 하는지 결정할 수 있도록 MVP를 제작

  • ML 엔지니어

AutoML은 개발팀 뿐 아니라 ML팀에게도 아주 유용한 기술입니다. 파운데이션 모델과 함께 사용하면 엄청난 시간을 절약해 줄 수 있기 때문이죠. 실제로 모델을 학습시키는 시간은 천차만별이지만, 그럼에도 커스텀 모델을 개발하고 배포하는 데는 최소 한 달, 혹은 그 이상의 시간이 소요됩니다.

보통 모델 개발은 개발이 성공적일지, 투자 대비 수익률은 어느 정도일지 적절히 평가하기 전에 진행되기 때문에 대부분의 경우 많은 재작업이 필요합니다. 슈퍼브에이아이의 모델은 여러분의 학습용 데이터셋의 성능을 평가할 수 있도록 최첨단 모델을 학습, 평가할 수 있는 기회를 제시하고, 커스텀 모델 제작에 엄청난 노력을 쏟기 전에 미리 전체적인 성능 기준을 마련할 수 있도록 돕습니다.

기준이 되는 성능 지표를 마련하게 되면 추후 커스텀 모델을 구축할 때도 동일한 데이터로 학습한 오픈소스 모델 성능과 비교할 수 있어 유용합니다. (힌트: 큐레이트에서 여러분의 데이터로 학습시킨 모델의 성능을 진단할 수 있는 모델 진단 기능도 개발 중이랍니다)

ML 엔지니어는 모델을 이렇게 사용할 수 있습니다:

  • 서로 다른 모델의 컨셉 타당성을 빠르게 검증
  • 프로젝트 초기에 투자 대비 수익률을 계산할 수 있도록 빠르게 프로토 타입이나 PoC 개발
  • 보유한 학습 데이터가 고성능 모델의 성능에 어떤 영향을 미치는지 직접 실험

슈퍼브 모델로 쉽고 빠르게 모델을 학습시키고 배포하세요

- Step 1: 기본 모델을 선택하세요

모델은 빠르게 모델을 학습시키고 배포할 수 있도록 몇 가지 옵션을 제공합니다. 최초 출시 버전에서는 Faster-RCNN과 슈퍼브에이아이의 자체 개발 AI 모델을 제공합니다. YOLO나 다른 트랜스포머 기반 모델과 같은 다양한 추가 오픈소스 모델도 곧 함께 제공될 예정입니다. 이미 플랫폼에서 학습시킨 모델을 재학습시킬 수도 있기 때문에 반복 학습도 첫 학습만큼 쉽게 진행할 수 있습니다.

어떤 모델을 사용해야 하는지 잘 모르시겠다면 각 옵션마다 제공되는 예상 인퍼런스 속도, 처리량 등의 다양한 정보를 살펴보시고 여러분의 상황이나 기대하는 성능에 따라 적절한 모델을 선택하시면 됩니다.

- Step 2: 학습용, 검증용 데이터셋을 선택하세요

기본 모델을 선택했다면 학습용 데이터셋과 검증용 데이터셋을 선택할 차례입니다. 학습용 데이터셋은 슈퍼브 큐레이트에서 생성된 슬라이스를 포함해 필요한 어떤 데이터든 포함할 수 있습니다. 또는, 데이터셋을 선택하고 큐레이트에서 직접 모델을 학습시킬 수도 있습니다. 검증용 데이터셋의 경우 데이터를 직접 선택해 구성할 수도 있고, 또는 모델이 자동으로 데이터를 샘플링하도록 설정할 수도 있습니다. 후자를 선택한다면 모델 성능을 평가할 때 고민해야 할 부분을 하나 줄일 수 있겠죠?

다음으로 모델이 학습할 클래스를 선택해야 합니다. 이 프로세스를 최대한 간소화하고 자동화할 수 있도록 모델은 여러분의 데이터에 따라 적절한 가이드를 제시합니다. 최고의 결과를 얻기 위해 각 객체 타입이나 클래스별로 몇 개의 학습용 예제가 필요한지 등, 다양한 조언이 제공되죠. 일례로 “권장 수량” 지표를 보고 선택한 데이터셋을 그대로 사용해도 괜찮은지, 혹은 개선이 필요한지 힌트를 얻을 수 있습니다.

선택이 끝났다면 모델에 이름을 붙이고 학습하기 버튼을 누르기만 하면 됩니다. 선택하신 모델에 대한 최적의 하이퍼파라미터 적용 등 나머지 작업은 모두 슈퍼브에이아이의 AutoML에 맡기시면 됩니다.

- Step 3: 모델 성능을 확인하고 반복 개선하세요

첫 모델 학습을 마쳤으니 이제 결과를 살펴보고 부족한 부분을 개선하고 최적화해야 합니다. 가장 복잡하고 어렵고 신경쓸 게 많은 모델 학습 단계를 슈퍼브 모델이 대신 처리해 엄청난 시간을 절약해 주었으니 이제 프로젝트를 지연시키지 않고도 데이터 개선에 시간을 투자할 수 있습니다.

모델은 여러분이 학습시킨 모든 모델들을 한 데 모아 보여주고 반복 학습 및 개선을 위해 필요한 모든 툴을 제공합니다:

  • 검증용 데이터셋으로 측정한 모델 정확도 지표
  • 샘플 데이터로 측정한 모델 성능 시각화
  • 전체 데이터셋 및 모델 로그
  • 더 많은 데이터로 모델 학습
  • 학습을 완료한 모델들을 관리하기 위한 종합적인 검색 및 필터링 기능
  • 큐레이트를 통한 심도 있는 모델 및 데이터 진단 (곧 출시!)

학습을 마친 모델의 성능을 분석한 뒤 결과에 어느 정도 만족했다면 이제는 적용할 차례입니다.

💡
모델 성능이 만족스럽지 않아 정답 데이터셋을 빠르게 개선할 수 있는 방법을 찾고 계신가요? 슈퍼브 라벨의 커스텀 오토라벨과 슈퍼브 큐레이트의 오토 큐레이트를 함께 사용하면 눈 깜짝할 사이에 간편하게 새로운 데이터셋을 구축하거나 기존의 데이터셋을 개선할 수 있습니다.


- Step 4: 클릭 한 번으로 클라우드 환경에 모델을 배포하세요


물론 모델을 데이터의 품질을 평가하거나 고성능 모델 구현을 위한 기준 성능 측정 용도로 일부 사용할 수는 있겠지만, 모델의 진면목은 배포되는 순간부터 발휘됩니다. 하지만 모델 개발과 모델 배포에 필요한 기술이나 경험이 보통 크게 상이하다보니 많은 회사들이 배포 단계에서 큰 어려움을 겪습니다.

하지만 모델과 함께라면 배포도 전혀 문제 없습니다. “엔드포인트 생성하기” 버튼을 클릭해 API 엔드포인트를 생성하기만 하면 되니까요. 참고로 잠깐 기술적으로 설명하자면 엔드포인트라는 건 단순히 기기와 기기가 연결된 네트워크(=여러분의 모델과 여러분)가 서로 소통할 수 있도록 만들어주는 원격 컴퓨팅 기기를 의미합니다.

💡
학습된 모델을 제품, 서비스, 비즈니스 로직에 적용해 줄 ML 엔지니어나 소프트웨어 엔지니어가 없으신가요? 걱정 마세요! 원하는 곳에 모델 API를 빠르고 간편하게 적용하거나 해제할 수 있게 도와주는 그래픽 인터페이스를 준비 중이니까요.


- Step 5: 배포된 모델을 모니터링 하세요

물론 모델을 배포한다고 해서 끝이 아닙니다. 발생한 문제를 추적하거나 사용량이 증가했을 때의 성능을 평가하는 등 다양한 목적을 위해 모델을 계속 모니터링해야 합니다. 모델에서는 버튼 클릭 한 번으로 필요할 때마다 엔드포인트를 활성화, 비활성화, 일시정지하는 등 엔드포인트 사용을 완벽히 제어할 수 있습니다. 또 정해진 기간 동안 엔드포인트 사용량이나 빈도 등 엔드포인트와 관련된 지표를 가시화해 보여줍니다. 이제 끝입니다! 고작 다섯 단계만으로 첫 (혹은 100번째) 모델 학습 및 배포를 완료했습니다.

마치며

이제 막 컴퓨터 비전을 도입하려는 팀이든, 이미 커스텀 모델을 개발하는 인하우스 ML 엔지니어와 데이터 사이언티스트가 있는 팀이든, 누구나 모델을 사용해 엄청난 시간과 비용을 절감할 수 있습니다. 더 많이 알고 싶으신 분들은 언제든지 환영이에요!

💡
AutoML을 통한 자동 모델 학습의 시작, 슈퍼브 플랫폼 데모 체험하기


14일 무료 체험을 통해 직접 사용해보시거나 저희 세일즈팀에 문의하시어 여러분의 니즈에 꼭 맞는 맞춤형 데모를 확인하세요.