Forrester Wave 읽기: Multimodal Predictive Analytics and Machine Learning, Q3 2020

데이터 및 AI 플랫폼에서 딥 러닝이 왜 중요할까요?

컴퓨팅, 알고리즘 및 데이터 액세스가 발전함으로써, 기업들은 음성 인식, 자연어 처리 및 이미지 분류를 통해 인사이트를 추출하고 확장하기 위해 보다 광범위하게 딥 러닝을 채택하고 있습니다. 딥 러닝은 규모에 맞게 텍스트, 이미지, 오디오 및 비디오를 해석함으로써 추천 엔진, 감정 분석, 재무 위험 모델링 및 이상 항목 발견의 패턴을 생성할 수 있습니다. 
네트워크를 트레이닝하기 위한 데이터의 양과 계층의 수로 인해 뉴럴 네트워크를 처리하려면 높은 계산 능력이 필요했습니다. 게다가 기업들은 앞다투어 사일로에서 구현된 딥 러닝 실험의 결과를 보여주고 있습니다. IBM Cloud Pak® for Data에서 IBM Watson Studio의 딥 러닝 기능인 IBM Watson® Machine Learning Accelerator는 기업들이 다음을 수행할 수 있도록 지원합니다.

- 클라우드에서 동적으로 컴퓨팅, 사람 및 앱을 확장합니다.
- 투명성과 가시성으로 대규모 데이터 세트와 모델을 관리하고 통합합니다.
- 에지에서 하이브리드 클라우드로 실시간 데이터를 사용하여 연속적으로 모델을 적용합니다.
- 보다 빠른 트레이닝과 추론으로 클라우드와 AI 투자를 최적화합니다.

→ 인포그래픽 체크아웃(PDF, 574KB)

이점

딥 러닝 결과를 얻는 시간 앞당기기

초기 프로토타입의 모델을 전사적으로 보다 신속하게 구축합니다. 높은 정확도로 딥 러닝 워크로드의 트레이닝과 배치 시간을 앞당깁니다.

AI 기반의 인사이트와 예측 확장

통합된 데이터 및 AI 서비스로 정보 아키텍처를 활용합니다. 컨테이너화된 하이브리드 클라우드 기반에서 앱의 딥 러닝 모델을 푸시합니다.

AI 및 클라우드 투자 간소화

어디서나 데이터와 모델 배치를 통합합니다. 워크로드 수요에 맞게 조정된 GPU 및 CPU 할당을 공유하고 최적화합니다.

모델의 사용을 늘리고 정확도 향상

대용량의 고해상도 이미지 처리 속도를 높입니다. 자동 스케일링 기능을 사용하여 처리량, 대기 시간 및 가용성을 늘립니다.

시스템 사용 및 복원성 향상

멀티테넌시를 이용하여 교차 비즈니스 단위 및 엔터프라이즈 사용을 촉진합니다. 탄력적이고 분산된 트레이닝과 추론으로 GPU 리소스의 활용을 극대화합니다.

미션 크리티컬 AI 워크로드를 통제 및 보호

데이터 준비에서부터 모델 배치에 이르기까지 투명성과 가시성을 높입니다. 규제 준수, 법률, 보안 및 평판 리스크 역시 줄일 수 있습니다.

적용사례

  • 질병 진단, 공공 안전 및 소셜 미디어에 대한 이미지 분류
  • 콜센터 관리, 모바일 앱 및 자동화된 표기에 대한 음성-문자 변환 인식
  • 이상 항목과 사기 감지, 자동화된 문서 검증과 사이버 보안을 위한 광학 문자 인식(OCR)
  • 규제 준수, 신용 평가 및 포트폴리오 관리를 위한 재무 리스크 모델링
  • 감정 분석, 어조 분석 및 브랜드 모니터링을 위한 자연어 처리
  • 행동 예측, 맞춤형 오퍼링 및 최상의 차기 조치를 위한 추천 엔진
  • 공공 안전, 도난 방지, 작업자 안전 및 재고 관리를 위한 비디오 분석

머신 러닝과 AI를 활용한 데이터 분석

주요 기능

  • 신속한 프로토타입 작성과 배치
  • 엔드-투-엔드 정보 아키텍처
  • 컨테이너화된 인프라 관리
  • 고해상도, 대형 모델 지원
  • 멀티테넌트 배치
  • 탄력적이고 분산된 트레이닝 및 추론
  • 자동 스케일링, 자동 검색 및 로드 밸런싱
  • AI 라이프사이클 관리
  • 모델 모니터링으로 설명 가능한 AI