저널 컴퓨터 비전 프로젝트를 위한 DataOps 팀빌딩 하기 Part3 *본 글은 Superb AI의 James Le가 작성한 ‘Part 3: Building a DataOps Team for Your Computer Vision Projects’의 번역본입니다. 들어가며 이 DataOps 시리즈의 파트1에서 저희는 DataOps와 데이터 분석의 개념을 소개하고 컴퓨터 비전을 위한 DataOps를 사용하는 경우를 보여드리고 엔터프라이즈용 컴퓨터 비전 시스템을 위한 6가지 DataOps 원칙들을 제시했습니다. 파트2에서는 (1) 컴퓨터
저널 DevOps의 다음은 MLOps입니다. 여러분, ‘DevOps’ 또는 ‘MLOps’를 들어보신 적 있나요? 아마 IT업계에 종사하시는 분들에게도 생소한 단어일 텐데요. 소프트웨어의 시대였던 지난 10여년 간, DevOps 도구들은 소프트웨어 개발과 운영의 생산성에 조용하지만 크게 기여해왔습니다. 그리고 다가오는 인공지능 시대에서는, MLOps 가 그 역할을 이어받을 것으로 주목받고 있죠. 슈퍼브 플랫폼 또한 단순한 라벨링 툴 이상의, 머신러닝 개발
저널 학습용 데이터 관리로부터 시작하는 MLOps Superb AI CRO 김계현님이 말하는 학습용 데이터 관리가 MLOps에 필수인 이유 Superb AI는 2020년 8월, 오토라벨링 (Auto-Labeling) 기술과 관련하여 미국에서 5개의 특허를 출원했습니다. 머신러닝 데이터 플랫폼 Suite의 Superb Auto-labeling™ 기술은 데이터 가공 생산성을 최대 약 10배 향상시킬 수 있습니다. 이 기술의 중심에는 Superb AI의 김계현 CRO가 있는데요, 김계현님은 딥러닝 중에서도
저널 머신러닝 전문가의 시선으로 훈련용 데이터 워크플로우 고찰하기 1. 들어가며 컴퓨팅이 등장하고 최신 데이터베이스가 보급되면서 대부분의 컴퓨팅 수요는 정형 데이터에 집중되었습니다. 그러나 시간이 흐르면서 우리는 새로운 데이터의 시대로 접어들고 있습니다. 디지털 데이터버스(digital data-verse)에서 이미지, 비디오, 텍스트, 오디오와 같은 비정형 데이터의 규모가 정형 데이터의 규모를 아득히 뛰어넘은 것이죠. 게다가 가트너(Gartner)는 기업이 보유한 데이터 중 비정형
저널 영어 훈련 데이터로 비영어 자연어 처리 모델 훈련 시키기 안녕하세요! 저는 하버드 대학교에서 컴퓨터 사이언스를 전공 중인 3학년 홍찬의(Channy Hong)입니다. 지난 여름, 저는 YC가 지원하는 스타트업인 슈퍼브에이아이에서 이재연 멘토님과 이정권 슈퍼바이저님과 함께 자연어 처리(NLP) 연구라는 소중한 기회를 얻었습니다. 저는 이 인턴 경험을 통해 "제로샷 교차 언어 전이를 위한 문장 임베딩 기반 비지도 중간 언어 의미
