Offcanvas
추천 테크라이브러리

BI|분석

“운영 관리가 AI/ML의 성패를 결정한다” 머신러닝을 위한 MLOps 전략과 HPE Ezmeral MLOps - IDG Summary

과학 기술에는 어두운 이면이 존재한다. 인간의 이미지를 실제와 유사하게 합성하는 ‘딥페이크(Deepfake)’도 이런 논란이 있는 대표적인 기술이다. 가장 널리 알려진 사용례가 가짜 뉴스와 디지털 성범죄 영상 제작일 정도로 딥페이크의 역기능을 우려하는 목소리가 크다. 하지만 순기능도 간과해서는 안 되는 부분이다. 딥페이크로 그리운 사람의 생전 모습을 재현하거나 고품질 합성 영상을 제작해 영화 산업의 효율을 높일 수 있으며, 질병 진단에 활용하기도 한다. 특히 최근에는 적은 양의 데이터에 AI 알고리즘을 적용해 데이터양을 늘리는 ‘데이터 증강’ 분야에서 새로운 게임 체인저로 주목받고 있다. 다양한 활용사례를 통해 딥페이크의 명암을 살펴보고, 의미 있는 발전 방향을 모색해 본다. 주요 내용 - “AI가 낳은 괴물?” 딥페이크의 탄생 - 딥페이크의 핵심 기술 ‘GAN’ - 그리고 시작된 가짜와의 전쟁 - 산업 전반의 혁신을 가져올 ‘게임 체인저’로서의 딥페이크 - 딥러닝을 활용한 딥페이크 탐지 기술 동향 - 딥페이크를 감당할 사회적 역량이 필요한 시점

테크라이브러리 자료 업로드 신청

입력하신 이메일로 안내메일을 발송해드립니다.

BI|분석

“운영 관리가 AI/ML의 성패를 결정한다” 머신러닝을 위한 MLOps 전략과 HPE Ezmeral MLOps - IDG Summary

AI/ML 프로젝트 중 프로덕션까지 살아남는 비중은 매우 낮다. 적절한 데이터 부족, 컴퓨팅 자원 부족 등 여러 이유가 있지만, 본질적인 이유는 AI/ML 모델 구현, 훈련, 배포, 모니터링 등 전체 생명주기를 아우르는 관리 체계 부재에서 찾을 수 있다.  HPE Ezmeral MLOps를 예로 AI/ML 프로젝트의 성공 비율을 높이는 MLOps 전략에 대해 알아보자.  주요 내용 - AI/ML 프로젝트의 성공률을 높여라 - 누구나 쉽게 활용할 수 있는 MLOps 솔루션 - 민첩성 보장하는 MLOps와 데브옵스의 통합 - HPE Ezmeral MLOps 활용 사례 - 다양한 배포 옵션으로 인프라와 MLOps 통합 - 디지털 트랜스포메이션을 가속화하는 AI의 역할 변화

HPE 2022.05.09

스토리지

빅 데이터 및 AI/ML 작업 부하용 스토리지 아키텍처 설계

인공 지능(AI), 머신 러닝(ML), 대규모 데이터를 생성 및 사용하는 기타 빅 데이터 애플리케이션과 시스템이 급격하게 증가하고 있습니다. 최근 설문 조사에 따르면, 기업 중 절반 이상은 현재 ML을 사용 중이며 대부분의 기업들이 몇 년 이내로 사용할 예정인 것으로 나타났습니다. 데이터 전략을 혁신하기 위해서는 올바른 데이터 아키텍처가 핵심입니다. 이상적인 데이터 아키텍처는 무한대의 규모와 효율성에 최적화되므로, 필요한 데이터 및 필요성을 인식하지 못한 데이터 모두를 캡처할 수 있습니다. 그러나 리소스 부족과 현재 기술 및 솔루션의 제한으로 인해 이를 달성하는 것은 어렵습니다. 이 백서에서는 빅 데이터 및 AI/ML 작업 부하에 적합한 확장성과 함께 비용 대비 효율적인 IT 인프라를 원하는 기업을 위한 하이브리드 클라우드 및 스토리지 아키텍처에 대해 알아봅니다. <14p> 주요 내용 - 데이터 아키텍처에서 ML 및 AI의 중요성 - 증가하는 복잡한 데이터 관리 요구 사항 해결 - 우선 순위 변화에 대처하기 위한 스토리지 아키텍처 정의 - AI/ML 워크플로의 다양한 단계를 위한 여러 데이터 흐름 필수 요소 - 보다 원활한 AI/ML을 간소화할 미래의 패브릭

Seagate 2022.04.20

데이터센터

“효율적인 인프라와 운영 환경을 구축하라” DX 시대 AI 플랫폼의 진화 방향 - Tech Summary

AI와 분석 업무를 위한 클라우드 기술 기반 데이터센터 구축 시 고려해야 할 사항은 무엇일까? 큰 틀에서 보면 전통적인 엔터프라이즈 워크로드를 위한 환경과 AI와 분석에 최적화된 데이터센터 설계는 같은 방향을 향한다. 바로 소프트웨어 정의 데이터센터다. 하지만 실제 구축과 운영 방법에 있어 결이 다르다. 웹, 미들웨어, 데이터베이스로 주요 스택이 구성되는 전통적인 엔터프라이즈 워크로드와 비교해 AI, 분석 환경은 더 복잡한 소프트웨어 스택으로 구성된다. 더불어 자원 효율과 성능 보장을 위해 고려해야 할 요소도 적지 않다. DX 시대에 맞는 AI, 분석 기반을 구축할 때 검토해야 하는 GPU 가상화, 초고성능 병렬 파일시스템 등 주요 고려 사항을 살펴본다.  주요 내용 - AI, 분석 인프라에 대한 현장의 목소리 - 비용과 성능 고민을 해결하는 자원 이용 효율 - 성능과 비용 모두를 만족하는 스토리지 옵션 - NVIDIA가 제공하는 I/O 가속 기술 - AI, 분석 환경 구축 사례

효성인포메이션시스템 2022.03.23

BI|분석

챗봇 vs 가상 비서 - 비교 분석

본 백서는 대화형 인공지능(AI)을 통해 고객/직원/상담원 경험을 혁신하고자 하는 기업들을 위해 작성되었다. 본 백서는 봇(bot)의 중요성과 현대적 라이프스타일에서 얼마나 흔하게 사용되는지 기술한다. 또한, 차세대 사용자 경험을 달성함에 있어 챗봇의 한계와 가상 비서가 이런 한계를 극복하는 방법에 대해 중점적으로 설명하며, 챗봇과 가상 비서의 비교 분석을 제공한다. 대화의 맥락과 사용자 감정을 이해하고, 한 번에 여러 요청을 처리하며, 대화 도중에 입력값을 변경하고, 일상적 대화를 나누거나 위젯 형식으로 데이터를 표시하는 등의 다양한 기능을 상세하게 설명하였다. 각 기능에 대한 이해를 돕기 위해 대화 시나리오를 사용했으며, 이를 통해 챗봇과 가상 비서의 대화 방식을 비교해볼 수 있다. 본 백서에서는 챗봇과 가상 비서의 차이점, 가상 비서 실행 시 챗봇 대비 얻을 수 있는 추가 이점 등을 심도 있게 다루었으며, 가상 비서가 디지털 혁신을 달성하도록 지원하는 방식에 대한 전반적인 개념을 이해할 수 있을 것이다. <16p> 주요 내용 - 일상 속 챗봇 - 챗봇의 한계 - 가상 비서의 진화 - 챗봇 vs 가상 비서 - 심층 비교 - 가상 비서의 비즈니스적 이점

Kore.ai 2022.03.07

사이버 범죄|해킹 / 프라이버시

“게임 체인저인가 범죄 도구인가” 딥페이크 기술의 명암 - IDG Tech Report

과학 기술에는 어두운 이면이 존재한다. 인간의 이미지를 실제와 유사하게 합성하는 ‘딥페이크(Deepfake)’도 이런 논란이 있는 대표적인 기술이다. 가장 널리 알려진 사용례가 가짜 뉴스와 디지털 성범죄 영상 제작일 정도로 딥페이크의 역기능을 우려하는 목소리가 크다. 하지만 순기능도 간과해서는 안 되는 부분이다. 딥페이크로 그리운 사람의 생전 모습을 재현하거나 고품질 합성 영상을 제작해 영화 산업의 효율을 높일 수 있으며, 질병 진단에 활용하기도 한다. 특히 최근에는 적은 양의 데이터에 AI 알고리즘을 적용해 데이터양을 늘리는 ‘데이터 증강’ 분야에서 새로운 게임 체인저로 주목받고 있다. 다양한 활용사례를 통해 딥페이크의 명암을 살펴보고, 의미 있는 발전 방향을 모색해 본다. 주요 내용 - “AI가 낳은 괴물?” 딥페이크의 탄생 - 딥페이크의 핵심 기술 ‘GAN’ - 그리고 시작된 가짜와의 전쟁 - 산업 전반의 혁신을 가져올 ‘게임 체인저’로서의 딥페이크 - 딥러닝을 활용한 딥페이크 탐지 기술 동향 - 딥페이크를 감당할 사회적 역량이 필요한 시점

ITWorld 2022.02.23

BI|분석 / 엔터프라이즈 애플리케이션

“하이퍼 오토메이션을 위한 초석” AI OCR의 이해 - IDG Tech Report

최근 RPA의 핵심 기술로 AI 기반 광학 문자 인식, ‘AI OCR’이 각광받고 있다. AI OCR은 학습 기반의 AI 알고리즘을 통해 문서 분류 및 데이터 추출 과정의 효율성과 정확도를 높여 복잡한 문서를 처리하지 못하는 전통적인 OCR의 한계를 보완했다. 기업 데이터의 약 80%를 차지하는 각종 비정형 문서에 대해 맥락 이해를 통한 데이터 오류 수정, 잠재적인 리스크 예측까지 가능하다는 점에서 활용 분야가 더욱 확대될 것으로 보인다. 다만, 한글과 필기체를 정확하게 인식하는 것은 여전히 기술적 과제로 남아있다. 또한, AI 모델 및 알고리즘을 악용한 각종 사이버 공격을 인지하고 대비해야 할 것이다. AI OCR의 작동 방식과 기존 OCR에 비해 갖는 차별점을 이해하고, 그 이면에 가려진 문제도 함께 살펴본다. 주요내용 - “노이즈 제거부터 맥락 이해까지” 다재다능한 AI OCR - 비정형 데이터 처리를 통한 하이퍼 오토메이션 가속화 - 기존 OCR과의 차별점 1. 스캔 도구와 인식 환경의 제약 감소 - 기존 OCR과의 차별점 2. 딥러닝 기반의 표 영역 인식 - 기존 OCR과의 차별점 3. AI 알고리즘 활용으로 모듈 간소화 - 기존 OCR과의 차별점 4. 이미지 정보 보호 - AI OCR 작동 방식 - 금융권에서 빛을 발하는 AI OCR - AI OCR도 못 막는 보안 공격 - 한글과 필기체 인식의 난제

ITWorld / Lomin 2022.01.19

BI|분석

의료 인공지능 기업 LUNIT : 데이터 사이언스를 위한 HP Z 워크스테이션 CASE STUDY

대한민국 딥러닝 1호 스타트업 기업 루닛의 대표 제품인 ‘루닛 인사이트(Lunit INSIGHT)’는 딥러닝 기반 인공지능 기술을 활용한 의료AI 제품으로 두 종류가 있다. 하나는 흉부 X레이를 분석해 폐 관련 질환을 빠르고 정확히 진단하는 ‘루닛 인사이트 CXR’, 다른 하나는 유방암 등이 의심되는 이상 부위를 알려주는 ‘루닛 인사이트 MMG’다. 이 의료영상 검출 보조 소프트웨어 제품의 개발과 활용에 HP 워크스테이션 모델이 중요한 역할을 수행했다. <8p> 주요 내용 - HP 기술의 정점을 현장에서 구현한 루닛(Lunit)사의 워크스테이션 실사용기 - 극한의 환경에서도 안정적으로 구동 가능한 HP의 내구성과 편의성  - 루닛의 향후 행보에도 든든한 파트너가 될 HP - 무한대의 가능성을 담은 HP 워크스테이션     인텔® 제온® W-11955M 프로세서의 탁월한 설계를 경험해보세요. Ultrabook, 울트라북, Celeron, 셀러론, Celeron Inside, Core Inside, Intel, 인텔, Intel 로고, 인텔 로고, Intel Atom, 인텔 아톰, Intel Atom Inside, Intel Core, 인텔 코어, Intel Inside, Intel Inside 로고, Intel vPro, 인텔 v프로, Intel Evo, 인텔 Evo, Pentium, 펜티엄, Pentium Inside, vPro Inside, Xeon, 제온, Xeon Inside, Intel Agilex, 인텔 Agilex, Arria, Cyclone, Movidius, eASIC, Iris, Killer, MAX, Select Solutions, 셀렉트 솔루션, Stratix, Tofino, Intel Optane 및 인텔 Optane은 인텔사 또는 그 자회사의 상표입니다.

HP Inc 2021.12.01

BI|분석 / 서버|스토리지 / 스토리지 / 스토리지 관리 / 스토리지 하드웨어

“AI 학습 속도가 기업의 경쟁력” 인공지능용 스토리지의 5가지 조건 - IDG Summary

오늘날 인공지능은 의료 현장 곳곳에서 널리 사용된다. 최근에는 민간 영역뿐만 아니라 군도 인공지능을 통해 의료 서비스 개선에 나서고 있다. 그러나 실제로 의료 분야에서 인공지능을 성공적으로 활용하는 것은 그리 녹록지 않다. 특히 스토리지의 속도와 안정성, 편의성 측면에서 많은 기업과 공공기관이 애를 먹고 있다. 인공지능의 장점을 100% 활용하기 위해  고성능 스토리지가 필요한 이유와 인공지능용 고성능 스토리지의 핵심 요건을 알아본다. 국내외 주요 사례를 통해 고성능 스토리지에 대한 투자 가치를 분석한다. 주요 내용 - AI 프로젝트가 실패하는 숨겨진 이유 - AI용 스토리지의 필수 요건 5가지 - F1 레이싱팀이 IBM ESS 3000을 선택한 이유 - AI 학습 시간 줄이는 과감한 투자가 필요한 시점

IBM / 유니포인트 2021.11.19

SaaS / 엔터프라이즈 애플리케이션 / 인력 관리

RPA, ‘넥스트 레벨’을 향해 가라··· 자동화를 넘어선 하이퍼오토메이션 대응 방안 - IDG Summary

RPA에서 비롯된 자동화의 열기가 식을 줄 모른다. 자동화의 단맛을 봤기 때문이다. 기업들은 단순 반복 작업을 자동화하는 솔루션을 통해 제한적이지만 비용 이상의 효과를 거뒀다. 그리고 이제는 RPA 고도화를 모색하는 기업이 늘고 있다. 하이퍼오토메이션(Hyperautomation)을 향해 가고 있는 것이다. 인공지능, 머신러닝 등의 기술을 결합해 그간 엄두도 내지 못했던 영역까지 자동화할 수 있으리라는 기대감이 커지고 있다. 하지만 문제는 RPA의 난이도와 RPA+의 난이도 격차가 생각 이상으로 크다는 점이다. 주요 내용 - ‘RPA+AI’는 만병통치약이 아니다 - ‘기술 융합’으로 접근하고 보완하라 - 하이퍼오토메이션, 제대로 활용하려면  

IBM / KSTEC 2021.06.22

BI|분석

인공지능의 어두운 이면 - IDG Deep Dive

인류는 자신의 노동을 대신할 수 있는 다재다능한 무언가를 갈망했고 마침내 인공지능(Artificial Intelligence, AI)이라는 해답을 찾았다. AI 혁신은 경이롭다. 시리, 알렉사, 구글 어시스턴트 같은 가상 비서는 10~15년 전만 해도 마치 마술처럼 보였을 것들이다. 그러나 마법 같은기능에도 불구하고, AI는 여전히 온갖 제약사항을 갖고 있다. 영리한 신비로움과 정교한 알고리즘의 아래에는 ‘if-Then’ 결정을 수행하는 일련의 트랜지스터가 있을 뿐이다. 우리가 인공지능이 가진 어두운 비밀과 함께 살아가는 법을 배워야 하는 이유다. 주요 내용 Tech Guide : 인공지능의 어두운 비밀 12가지 Interview "중립성부터 프라이버시까지" IT 전문 변호사가 말하는 인공지능의 명암 Column - 인공지능 편향성을 확인하는 것은 인간의 몫 - 설명가능한 인공지능

ITWorld 2021.06.09

스토리지

AI를 위한 스토리지 : 데이터 수집부터 인사이트까지 이르는 빠른 길

오늘날 기업은 인공지능(Artificial Intelligence, 이하 AI)이 혁신과 생산성에 이르는 빠른 길임을 잘 알고 있습니다. 대부분의 기업은 이미 테스트, 도입, 구현, 실현을 통해 AI의 완전한 잠재력을 깨닫고 있으며, 그 결과 AI 솔루션에 대한 기업의 투자는 앞으로 몇 년간 크게 증가할 것으로 예상됩니다.  모든 성공적인 AI 프로젝트는 적절한 데이터를 확보하는 데서 시작해 폭넓게 AI를 활용하는 데 이르기까지 여러 단계로 구성된 프로세스를 거칩니다. 하지만 많은 기업이 앞으로 어떻게 진행해야 할지 확신하지 못하고, AI/ML을 가장 유리하게 활용하는 방법을 명확히 이해하지 못하고 있습니다. IBM이 이 과정의 모든 단계에서 어떻게 고객을 도울 수 있는지 살펴봅니다. <9p> 주요 내용 - IA없는 AI는 없다 - 단단한 기반 구축 - 사례 : 경쟁우위 확보 - 결론  

IBM / 씨플랫폼 / 유니원아이앤씨 2021.03.18

BI|분석 / 아웃소싱

데이터로 그리는 새로운 세상, AI 라이프 사이클에 최적화된 통합 플랫폼이 필요한 이유 - IDG Summary

기업의 85%가 경쟁우위를 확보하거나 유지하는 데 AI가 핵심 역할을 할 것으로 본다. 그러나 기대와 달리 AI 도입은 파일럿 이후 진행이 안 되거나 기대한 만큼의 성과를 내지 못하는 사례가 많다. 기업이 데이터 기반 AI 역량을 확보하기 위한 핵심 역량을 살펴보고 이를 지원하는 기술을 알아본다. 특히 이러한 역량과 기술을 기업 현장에 적용하기 위한 필수 요소로, 데이터 가상화, 거버넌스, 모델의 개발과 운영 등 3가지 측면에서 상세하게 분석한다. 주요 내용 - AI는 전략적인 기회이자 도전 과제 - 데이터 기반 AI를 위한 핵심역량 - 데이터 기반 AI 플랫폼을 완성하는 기술 - 데이터 기반 AI를 완성하는 데이터 가상화, 데이터 거버넌스 그리고 모델의 개발과 운영 - AI를 현실화하는 비결, 통합과 실패를 용인하는 문화

IBM / 데이타솔루션 2020.10.30

BI|분석 / 애플리케이션 개발

AI 기반 ‘지능형 자동화’ 시대의 RPA 홈쇼핑·유통업 분야 사례 - IDG Summary

RPA, 이제는 낯설지 않은 단어다. 그만큼 관심도 높고 니즈도 많다. 그러나 막상 적용한다고 하면 넘어야 할 허들이 상당하다. 환상에 빠져 무턱대고 RPA를 시작했다가 현실적 제약에 부딪히는 것이다. 이를테면 RPA 대상 업무에 정형화된 규칙이 없거나 데이터 변동이 큰 경우다. 프로젝트 진행 중에 해당 업무가 드롭되는 일도 태반이다. 이 환상을 현실화하는 열쇠가 있다. 바로 ‘인공지능(AI)’이다.  주요 내용 - AI와 만난 RPA, 어떻게 ‘진화’하고 있나?  - 금지어 검수의 ‘정확성’과 ‘속도’를 높이다 - ‘동영상’까지 지원하는 심의 모니터링 자동화 - ‘VOC 데이터’를 분석하는 지능형 자동화  - ‘지능형 자동화’, 한 걸음 더 나아가다 

Automation Anywhere / 레인보우브레인 2020.10.06

BI|분석 / 엔터프라이즈 애플리케이션 / 프로젝트 관리

“자동화 기회 포착부터 봇 생성까지 한 번에” RPA 통합 프로세스 디스커버리 솔루션에서 답을 찾다 - IDG Summary

‘기회를 한 번도 만나지 않은 이는 없다. 포착하지 못했을 뿐이다’라는 말이 있다. 이는 RPA 여정에서도 해당되는 이야기다. 자동화의 효용성을 목격했거나 혹은 직접 입증한 기업들이 RPA 확대에 나서고 있다. 문제는 바로 ‘무엇을 자동화해야 하는가?’다. 막상 자동화 기회를 발견하기가 어렵기 때문이다. 운 좋게 발견하더라도 제대로 구현하지 못하거나 혹은 기대한 성과를 달성하지 못하는 경우도 많다. 프로세스 디스커버리가 정확하게 이뤄지지 않은 탓이다. 수많은 프로세스 중에서 어떻게, 그리고 정확하게 자동화 기회를 포착할 수 있을까? 한 플랫폼에서 프로세스 디스커버리부터 봇 생성, 배포에 이르기까지 엔드투엔드 자동화 구현 경험을 제공하는 오토메이션애니웨어의 ‘디스커버리 봇(Discovery Bot)’을 살펴본다. 주요 내용  - 무엇을 자동화해야 하는가?  - 처음부터 끝까지 한 플랫폼에서 이뤄지는 RPA 여정 - 자동화 주기를 획기적으로 앞당기다

Automation Anywhere 2020.07.24

BI|분석

인공지능 개인화 상품 추천 백서

다양한 상품 확보, 즉 상품 구색을 갖추기 위한 소싱(Sourcing) 역량은 이커머스 기업에 있어서 필수 불가결한 경쟁요소다. 다만 이커머스 서비스(온라인 쇼핑몰)가 취급하는 상품과 정보량이 급증하면서 이로 인해 고객이 상품 선택에 어려움을 겪거나 피곤함을 느낀다면 매우 아이러니한 일이 아닐 수 없다. 이러한 상황에서 상품 추천 시스템은 고객에게 보다 나은 쇼핑 경험을 제공하여 충성도를 높이고 궁극적으로는 매출 향상을 달성하는 중요한 서비스 전략이 된다. 본 백서에서는 초기의 상품 추천 유형과 한계를 짚어보는 것을 시작으로 딥러닝 등의 인공지능 기술을 활용한 최신의 다양한 상품 추천의 동작 원리 및 비즈니스 현장에서의 활용전략까지 소개한다. 만약 이커머스 서비스 전략의 중요한 한 축이 되는 추천 시스템의 도입이나 개선을 고민하는 마케터나 서비스 운영자라면 이 백서를 통해 해답의 실마리를 찾는 계기가 될 것이다. <24p> 주요 내용 - 초기 상품 추천의 유형과 한계 - 본격적인 개인화 추천의 시작 - 그루비 시즌 2의 인공지능(AI) 개인화 상품 추천 - 전략적인 상품 추천 활용

그루비 2020.06.08

BI|분석

SAS AI-Enhanced Analytics : AI 기반의 의사결정 지원을 위한 SAS의 전략

기업 조직 전체에서 데이터 기반의 의사결정을 실현하기 위해서는 AI를 특정 영역이 아닌 분석 라이프 사이클 전반으로 확대하고, 이 라이프 사이클은 의사결정 프로세스와 연결돼야 합니다. 개방된 플랫폼에서 분석 시간을 줄이고, 그 결과를 운영시스템에 빠르게 적용하여 더 큰 비즈니스 가치를 실현하도록 돕는 것. 이것이 바로, SAS AI-Enhanced Analytics입니다. 본 백서에서는 AI와 머신 러닝의 트렌드, AI를 쉽게 적용하도록 돕는 AutoML의 개념, 전세계 AI 소프트웨어 플랫폼 시장을 이끌고 있는 SAS의 AI-Enhance d Analytics 전략과, SAS 솔루션의 주요 AI 기능도 함께 살펴봅니다. 주요 내용 - AI가 주도하는 분석 인사이트 - 비즈니스를 움직이는 AI - AI를 만드는 AI, AutoML - 기업 환경에 적합한 AutoML 선택 전략 - SAS, 데이터 사이언스 및 머신 러닝 플랫폼 리더 - SAS가 바라보는 확장된 AutoML  

SAS 2020.05.20

서버

AI 확장 준비와 코어 기아 현상으로 인한 어려움 : IDC 백서

지난 몇 년 동안 IDC는 많은 기업이 광범위한 AI 기능 개발을 시작하는 것을 목격했습니다. 이와 동시에 IT 부서 역시 AI를 실행하는 인프라 측면에서 학습 곡선을 경험하게 되었습니다. 이제 딥 러닝 학습 또는 추론 작업을 위한 인프라 요구 사항 및 제품화 환경을 위한 확장 방법은 매우 명백합니다.  딥 러닝 학습에는 다른 워크로드과 구별되는 특정한 인프라가 필요합니다. 딥 러닝 학습에는 강력한 프로세서, 대용량 코프로세서, 고속 상호 연결, 대규모 I/O 대역폭, 대규모 메모리가 준비된 클러스터드 노드가 필요합니다. 이제 IT 부서가 해야 할 최선의 의사 결정은 AI 워크로드에 사용할 노드당 성능을 어떻게 할지 결정하는 것입니다. <16p> 주요 내용 - 클라우드 대비 온프레미스 - 코어 기아 현상 - AI 인프라 고려 사항 - IBM POWER SYSTEM AC922 - 당면 과제와 기회, 향후 전망

IBM 2020.04.08

+

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.