딥러닝 기반 예측 및 분류 시스템 개발 사례
안녕하세요!
기업 AI 도입 전문가, 김도환입니다.
오늘은 딥러닝 기술을 활용해
예측 및 분류 기능을 개발한 프로젝트 사례를
소개해드리고자 합니다.
다들 아시겠지만 머신러닝과 딥러닝의 차이를
먼저 설명해 드리면 다음과 같습니다.
▪머신러닝
컴퓨터가 데이터를 학습하고 패턴을 찾는 방법
▪딥러닝
머신러닝의 한 분야로,
인공신경망을 사용하여 데이터를 학습하고 패턴
때문에
딥러닝 모델은 많은 양의 데이터로 훈련을 받으면,
복잡한 패턴을 찾고 예측할 수 있습니다.
자 그럼 딥러닝 기술이 활용된
개발사례를 소개해드리겠습니다.
먼저 (주)한솔테크라는 기업에서
의뢰한 프로젝트입니다.
하자있는 벽지에 사진을 찍어
앱에 업로드하면 어떤 종류의 하자인지
분류해주는 서비스인데요.
전문가가 아니면 사실 어떠한 문제로 벽지가
잘못되었는지 판단하기 힘듭니다.
때문에 딥러닝 기술(EfficientNet 모델)로 해당 이미지들을 학습해
새로운 하자 벽지 이미지를 분류해내는 기술 개발을
필요로 하셨습니다.
프로젝트 목적: 불량벽지 이미지 데이터셋을 업로드하면 자동으로 유형별 분류가 가능한 딥러닝 모델 개발
학습: 직접 라벨링한 벽지데이터셋을 업로드, 업로드한 데이터를 기반으로 분류모델 학습
예측: 새로운 벽지이미지를 업로드하면 학습된 AI모델이 어떤유형인지 분류해서 자동으로 저장
사용한 모델: EfficientNet
클래스 불균형 문제가 있어서 데이터 증강 기법 사용
개발한 기능: 모델 학습, 시각화, 저장, inference 가능한 API
*EfficientNet : 이미지 분류 작업에 효율적이고 높은 성능을 발휘하는 딥러닝 모델
자세한 프로젝트 내용은
하단 URL을 클릭하시면 확인하실 수 있습니다.
https://brunch.co.kr/@brunchk1wj/75
다음으로 LMS 시스템에 도입한 사례입니다.
고클이라는 기업이며 자사 LMS 시스템에
딥러닝 기반의 예측시스템을 도입하고 싶어하셨습니다.
해당 프로젝트의 목적은
고객이 보유한 교육플랫폼 데이터를 활용, 교육 관리자의 편의성을 높이기 위함이었는데요.
개발 과제는 총 4가지 였습니다.
교육플랫폼 데이터의 시각화를 통한 인사이트 도출
수강자가 수강한 강의를 기반으로 수강자에게 유익한 강의 추천
수강자가 수강하고 있는 강의의 수료 여부 예측
수강자가 수강하고 있는 강의의 최종 진도율 예측
이를 위해 수강자의 feature(특징)들을 활용해
딥러닝 기반(LSTM 모델)의 AI 모델링 기술 필요했습니다.
*LSTM은 RNN의 한 유형으로, 장기 의존성을 학습할 수 있는 인공 신경망
*장기 의존성은 시계열 데이터에서 이전의 값이 이후의 값에 영향을 미치는 현상
자세한 개발 과정은 아래 URL 링크를 클릭해
확인해주세요!
https://brunch.co.kr/@brunchk1wj/65
마지막으로 운송ERP 전문기업 서울소프트에서
의뢰한 프로젝트 사례입니다.
시내버스 ERP 시스템에 신규노선이 추가될때
예상 이용객을 예측하는 AI 솔루션 개발을 요청하셨는데요.
기존 버스 노선 및 정류장 이용정보를 분석하여
신규 버스 노선 추가시 효율적인 배차 및 운행에 활용하는 것이 목표였습니다.
버스 정류장 이용객 데이터와 주변 지역정보 데이터를
인공지능 시계열 모듈과 Dense layer(인공신경망의 한 유형)를 조합하여
버스 정류장 이용객 수 예측 모델 구축하였습니다.
자세한 프로젝트 개발 과정은 아래 URL을 통해
확인하실 수 있습니다.
https://brunch.co.kr/@brunchk1wj/67
오늘은 딥러닝 기술을 활용한
예측 및 분류 시스템 개발 사례를 알아보았습니다.
자사 AI 제품에 딥러닝 기술을 적용하고 싶으신
기업 관계자 분들께서는 부담없이 무료 컨설팅을
신청해주세요!
https://walla.my/survey/DObblYeXUxoaY7VajNu1
