빅데이터 수집 인공지능 성능 및 AI 앱 개발 과정

카메라는 초당 20MB에서 40MB 입력되고,

레이다는 초당 10KB에서 100KB 입력되고,

소나 또는 초음파는 초당 10KB에서 100KB 입력되고,

라이다 또는 광학센서는 초당 10MB에서 70MB 입력되고,

위치정보 또는 GPS는 초당 50KB 입력됩니다. 

 

자율주행자동차에서 하루에 4000GB의 데이타를 수집합니다. 

 

빅데이터의 특징으로는 빠른 속도 Velocity 많은 크기 Volume 많은 다양성 Variety 으로 표현됩니다. 

 

예전의 인공지능에서는 효과적으로 데이터를 추출해서 사용하는 것이었지만,

신경망 기술 등장 이후로는 데이터양을 늘릴수록 인공지능 성능이 향상되고 있습니다. 

 

즉 빅데이터와 인공지능은 발전 시너지 효과가 있으며,

현대는 AI 시대 라고도 하는데, 데이터에서 인공지능까지의 과정이 중요합니다. 

1 데이터 수집

2 데이터 가공 

3 AI 모델 생성

4 앱 개발

과정이 있습니다. 

 

데이터 수집은 카테고리별 데이터 대량 수집을 진행하며, 데이터 전처리 Data Preprocessing를 통하여 분석에 적합하게 데이터를 가공하는 작업이 중요합니다. 

 

데이터 가공은 툴을 이용한 데이터 라벨링 Data Labelling을 하며, AI가 학습할수 있도록 데이터에 이름 라벨을 붙이는 작업을 합니다. 

 

AI 모델 생성은 가공된 데이타를 이용하여 모델을 생성하는데, 

1 모델 마련

2 데이터 입력

3 데이터 학습

4 테스트

5 모델 수정

을 반복하여 모델을 만듭니다. 

 

앱 개발은 만든 AI 모델을 기반으로 만들어지며, 서비스 출시 및 업데이트 가 함께 진행됩니다. 

 

데이터 수집과 라벨링을 통하여 딥 러닝이 진행되는데,

기업들의 요구사항이 발생하면

대용량 데이터베이스를 확보하기 위한 일반적인 과정으로서

개설자 Requester

관리자와 검수자 Open Plaform

작업자 Task-Sumer 

요청과 파일 결과물 제공등의 과정이 진행됩니다.