인공지능(AI)은 인지, 학습 등 인간의 지적 능력의 일부 또는 전체에 대해 컴퓨터를 이용해 구현하는 지능이다. 산업 분야를 막론하고 차세대 시장 질서를 주도할 핵심 키워드로 평가받게 되면서 인공지능 개발에 필수적인 데이터의 중요성도 함께 부각되고 있다. 데이터를 바탕으로 스스로 학습을 거듭해 진화하는 인공지능 모델에 있어 양질의 데이터셋 확보는 학습 효율을 결정짓는 요소이기도 하다. ...
인공지능(AI)은 인지, 학습 등 인간의 지적 능력의 일부 또는 전체에 대해 컴퓨터를 이용해 구현하는 지능이다. 산업 분야를 막론하고 차세대 시장 질서를 주도할 핵심 키워드로 평가받게 되면서 인공지능 개발에 필수적인 데이터의 중요성도 함께 부각되고 있다. 데이터를 바탕으로 스스로 학습을 거듭해 진화하는 인공지능 모델에 있어 양질의 데이터셋 확보는 학습 효율을 결정짓는 요소이기도 하다. 딥러닝 기술의 발전에 따라 학습데이터의 중요성도 크게 주목받고 있다. 일반적으로 딥러닝 기술의 모델을 훈련하기 위해서는 충분한 학습데이터가 준비되어야 한다. 하지만, 딥러닝 모델 설계 및 구축 작업과 달리 학습데이터를 구축하는데 상당한 시간과 노력이 필요하다. 라벨링 작업은 대부분 인적 자원을 활용해 진행하게 되는데, 많은 인적 자원을 활용할 때 라벨링 결과가 사람마다 편차가 발생하여 데이터의 품질을 하락시키는 원인이 되기도 하여 인공지능 학습 결과에도 영향을 미치게 된다. 학습데이터를 체계적으로 구축하고 지속적으로 관리·공유가 가능한 고품질의 학습데이터 구축을 위해 딥러닝 알고리즘을 통해 자동 라벨링으로 도출되는 결과에 관해 확인과 수정에만 작업자가 관여하여 빠르고 효과적인 학습데이터 생성이 가능하게 하여 데이터 제작 시간을 크게 단축시킬 수 있는 딥러닝 기술을 활용한 자동 레이블링 학습용 데이터 구축 시스템을 제안한다.
인공지능(AI)은 인지, 학습 등 인간의 지적 능력의 일부 또는 전체에 대해 컴퓨터를 이용해 구현하는 지능이다. 산업 분야를 막론하고 차세대 시장 질서를 주도할 핵심 키워드로 평가받게 되면서 인공지능 개발에 필수적인 데이터의 중요성도 함께 부각되고 있다. 데이터를 바탕으로 스스로 학습을 거듭해 진화하는 인공지능 모델에 있어 양질의 데이터셋 확보는 학습 효율을 결정짓는 요소이기도 하다. 딥러닝 기술의 발전에 따라 학습데이터의 중요성도 크게 주목받고 있다. 일반적으로 딥러닝 기술의 모델을 훈련하기 위해서는 충분한 학습데이터가 준비되어야 한다. 하지만, 딥러닝 모델 설계 및 구축 작업과 달리 학습데이터를 구축하는데 상당한 시간과 노력이 필요하다. 라벨링 작업은 대부분 인적 자원을 활용해 진행하게 되는데, 많은 인적 자원을 활용할 때 라벨링 결과가 사람마다 편차가 발생하여 데이터의 품질을 하락시키는 원인이 되기도 하여 인공지능 학습 결과에도 영향을 미치게 된다. 학습데이터를 체계적으로 구축하고 지속적으로 관리·공유가 가능한 고품질의 학습데이터 구축을 위해 딥러닝 알고리즘을 통해 자동 라벨링으로 도출되는 결과에 관해 확인과 수정에만 작업자가 관여하여 빠르고 효과적인 학습데이터 생성이 가능하게 하여 데이터 제작 시간을 크게 단축시킬 수 있는 딥러닝 기술을 활용한 자동 레이블링 학습용 데이터 구축 시스템을 제안한다.
Artificial intelligence (AI) is intelligence that uses computers to implement some or all of human intellectual abilities, such as cognition and learning. As it is evaluated as the main keyword AI will lead the order of the next-generation markets regardless of industry, in this case, data is an imp...
Artificial intelligence (AI) is intelligence that uses computers to implement some or all of human intellectual abilities, such as cognition and learning. As it is evaluated as the main keyword AI will lead the order of the next-generation markets regardless of industry, in this case, data is an important element for the development of artificial intelligence. There is an AI model that evolves by self-learning based on data. That is why having a high-quality dataset is also a determining factor in learning efficiency. With the development of deep learning technology, the importance of learning data is also receiving great attention. In general, sufficient training data must be prepared to train a deep learning model. However, unlike designing and building a deep learning model, it requires considerable time and effort to build training data. Most of the labeling works are carried out using human resources, and when a lot of human resources are used, because of this reason the labeling results can be different from person to person, which can cause deterioration of data quality and of course this affects AI learning results. In order to systematically create learning data and at the same time to create high-quality learning data which can be continuously managed and shared, we propose a data building system for automatic labeling learning using deep learning technology that can significantly reduce data production time. In the proposed model, workers are only involved in checking and correcting the results derived from automatic labeling through a deep learning algorithm to enable fast and effective learning data creation.
Artificial intelligence (AI) is intelligence that uses computers to implement some or all of human intellectual abilities, such as cognition and learning. As it is evaluated as the main keyword AI will lead the order of the next-generation markets regardless of industry, in this case, data is an important element for the development of artificial intelligence. There is an AI model that evolves by self-learning based on data. That is why having a high-quality dataset is also a determining factor in learning efficiency. With the development of deep learning technology, the importance of learning data is also receiving great attention. In general, sufficient training data must be prepared to train a deep learning model. However, unlike designing and building a deep learning model, it requires considerable time and effort to build training data. Most of the labeling works are carried out using human resources, and when a lot of human resources are used, because of this reason the labeling results can be different from person to person, which can cause deterioration of data quality and of course this affects AI learning results. In order to systematically create learning data and at the same time to create high-quality learning data which can be continuously managed and shared, we propose a data building system for automatic labeling learning using deep learning technology that can significantly reduce data production time. In the proposed model, workers are only involved in checking and correcting the results derived from automatic labeling through a deep learning algorithm to enable fast and effective learning data creation.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.