**본 글은 Superb AI의 김계현 CRO(Chief Research Officer)가 작성한 ‘Auto-Labeling: Part 1. Introduction to Superb AI’s Auto-Labeling Tech’의 번역본입니다. 오토라벨은 데이터 라벨링의 생산성을 최대 10배까지 향상시킬 수 있는 라벨링 자동화 기술입니다. 이번 블로그 시리즈에서는 Superb AI Suite의 주요 기술인 오토라벨에 대해 소개하고, 오토라벨에 적용된 기술이 실제로

‍ 저와 김계현 CRO는 작년에 데이터 라벨링부터 데이터 운영에까지 이르는 전 과정에서 효율성을 높이는 방법이 뭐가 있을까에 대한 이야기를 나눴습니다. 그리고 Superb AI가 자동화(automation)와 애자일한 운영을 지원하는 기능에 집중해야 한다는 결론을 냈습니다. 김계현 CRO가 마침  autoML, Few-shot learning과 Transfer learning과 관련해 높은 수준의 전문성이 있기도 했기에, 이 부분을 Suite에

들어가며 관리자의 입장에서 인공지능 학습용 데이터셋 구축 프로젝트를 진행하다보면, 데이터 품질 관리·프로젝트 생산성 관리 측면에서 다뤄야 할 이슈가 매우 많습니다. 그 중에서도 많은 기업과 PM들이 가장 어렵다고 꼽는 이슈를 고르라면, 인력 수급과 일하는 인력의 생산성 관리 이슈일 것입니다. 슈퍼브에이아이와 데이터연구소는 여러 건의 데이터 라벨링 프로젝트를 함께 진행하며 수백명의 데이터

‍ “슈퍼브에이아이처럼 AWS의 서비스들을 누구보다 빠르고 능동적으로 적용하고 실험하는 기업은 , 그만큼 빠르게 혁신하고 트렌드를 따라갈 수밖에 없다고 생각합니다. - AWS Solutions Architect 강승욱님 ‍ B2B SaaS(Software as a Service) 솔루션 시장이 커지고 있습니다. 기존 B2B 소프트웨어 시장에서는 무거운 온프레미스(On-premise; 소프트웨어를 기업의 자체 서버에 설치해 사용하는 방식) 제품이 주를 이뤘다면, 이제는

‍ 인공지능 산업 규모는 해마다 커지고 있습니다. 조사에 따르면, 2025년까지 전세계 인공지능 시장 산업 규모는 1조 2600억달러까지 성장할 예정입니다. 하지만 빠르게 성장하는 만큼, 인공지능 개발 단계의 효율화라는 과제가 남아있습니다. 특히 인공지능 개발의 첫 단계인 데이터 구축단계에서는 인간의 수동 반복 작업이 많이 필요합니다. 엔지니어가 모델을 설계하거나, 인공지능을 학습시키는 것은 이 데이터 구축단계가

‍ 슈퍼브에이아이는 머신러닝 데이터 플랫폼 ‘Superb AI Suite’를 개발하고 있는 한편, Suite를 활용해 데이터 라벨링을 하고자 하는 기업들을 꾸준히 컨설팅해왔는데요, 그 중에 성공적으로 데이터라벨링 사업을 하고 있는 곳을 소개해볼까 합니다. 바로 ‘데이터연구소’입니다. 데이터연구소는 인공지능 학습용 데이터셋 구축을 돕는 라벨링 회사로, 최고 품질의 결과물을 담보하며 국내외 다수 글로벌 AI 회사와의

‍ 슈퍼브에이아이는 머신러닝 데이터 플랫폼 ‘Superb AI Suite’를 개발하고 있는 한편, Suite를 활용해 데이터 라벨링을 하고자 하는 기업들을 꾸준히 컨설팅해왔는데요, 그 중에 성공적으로 데이터 라벨링 사업을 하고 있는 곳을 소개해볼까 합니다. 바로 ‘데이터연구소’입니다. 데이터연구소는 인공지능 학습용 데이터셋 구축을 돕는 라벨링 회사로, 최고 품질의 결과물을 담보하며 국내외 다수 글로벌 AI