$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

OpenFaaS 기반 AI 분석 서비스 시스템 구축
Development of an AI Analysis Service System based on OpenFaaS 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.7, 2020년, pp.97 - 106  

장래영 (한국과학기술정보연구원) ,  이용 (한국과학기술정보연구원) ,  박민우 (한국과학기술정보연구원) ,  이상환 (한국과학기술정보연구원)

초록
AI-Helper 아이콘AI-Helper

5G 네트워크와 사물인터넷 기술의 빠른 발전과 보급으로 빅 데이터 분석 기술 및 서비스 시스템에 대한 요구가 증가하고 있다. 특히, AI 기술 활용에 대한 폭발적인 수요 증가로 수집된 데이터에서 새로운 의미를 추출할 수 있는 머신/딥러닝 모델의 활용을 위한 경쟁이 치열해 지고 있다. 다양한 분야에서 AI 기술을 도입하기 위해서는 고성능 GPU를 탑재한 시스템을 구축하고 딥러닝 모델을 실행하기 위한 복잡한 설정을 할 필요가 있다. AI 기술을 활용하기 위해 소요되는 노력을 줄이기 위해, AIaaS 플랫폼은 사전준비과정 및 운영을 위한 복잡함을 클라우드 인프라에 감추고, AI 연구개발자들이 고성능 AI 분석기술을 쉽게 활용할 수 있게 하는 온라인 서비스로써 큰 주목을 끌고 있다. 본 논문에서는 딥 러닝 모델 등록부터 온라인 서비스 운영에 이르기까지 Docker 및 OpenFaaS 기반 AI 서비스 생성을 지원할 수 있는 새로운 AIaaS 시스템을 제안한다. 또한 제안 시스템에서 AI 서비스를 쉽게 생성, 활용하는 방법을 보여주는 사례 연구도 설명한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Due to the rapid development and dissemination of 5G communication and IoT technologies, there are increasing demands for big data analysis techniques and service systems. In particular, explosively growing demands on AI technology adoption are also causing high competitions to take advantages of ma...

주제어

#도커   #딥러닝   #데이터 분석  

표/그림 (15)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 반대로 AI 연구개발자가 OpenFaaS 구조를 전부 이해해야 한다면 개발기간은 길어지게 될 것이다. 그렇기 때문에 본 논문에서는 최소한의 파일 구조 규격화를 통한 제한을 두고자 하였다.
  • 관리자는 개발코드 및 파일구조의 분석이 어려워 하나의 분석기술을 서비스로 등록하기 위해 많은 노력과 시간, 비용이 소모된다. 따라서, 분석기술 개발 초기단계부터 정형화된 파일 구조를 지정하여 AI 분석기술 서비스 등록 자동화를 지향하고자 하였다.
  • 이는 Dockerfile의 구성을 조합하여 다양한 요구사항에 대응하고자 한다. 또한, 제안기술에 적용된 데이터 모델 적재 형태는 대량의 서비스 요청에 유연하게 대응하기 어렵고 시스템 자원 소모가 높은 문제점을 갖고 있으나 서비스 요청 형태에 따른 데이터 모델 적재 방식을 개선하여 해결하고자 한다.
  • 본 논문에서는 AI 기술에 대한 전문지식이 없어도 OpenAPI 방식으로 AI 분석서비스를 활용할 수 있는 AIaaS를 소개하고, KISTI에서 제공 중 인 AI 분석서비스와 AIaaS를 구축하기 위해 고려한 AI 서비스 확장성과 분석기술 웹 서비스 용이성 등 제안 사항을 확인하였다.
  • 본 논문에서는 AI 분석기술을 빠르게 서비스할 수 있는 AI 서비스 등록 자동화를 위해 다음 사항을 제안한다.
  • 본 논문에서는 오픈소스 형태의 AIaaS 프레임워크를 대상으로 인프라 자원에 비종속적이고 AI 연구개발자에게 친화적인 개발 구조를 통해 기존 문제점을 해결하기 위한 시스템을 제안한다. 특히, AI 분석기술 개발을 위한 주요 환경 제공과 AI 분석기술을 AIaaS형태로 제공하기 위해 서비스 등록 자동화를 위한 개발 파일 구조 규격화를 제안한다.
  • 본 연구에서는 이러한 문제점들을 해결하기 위해 Docker를 이용해 AI 연구개발자에게 동일한 개발환경을 제공하고자 하였고, OpenFaaS를 이용해 AI 비전문 사용자에게 AI 분석기술을 API 서비스 형태로 제공하는 AIaaS를 제안한다[1-3].
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
AWS이 제공하는 환경은? 인프라 구축이 필요 없는 클라우드형 AIaaS로는 Amazon의 AWS(Amazon Web Service), Google의 GCP(Google Cloud Platform)가 대표적이다. AWS는 사용자가 직접 학습 모델들을 만들지 않고 인공지능 서비스를 사용하면서 기존의 머신러닝 과정을 획기적으로 줄일 수 있는 관리형 플랫폼 환경을 제공하고 있다. Amazon SageMaker, CodeGuru 등 AI 분석기술 개발서비스, Amazon Polly, Amazon Rekognition 등 AI 분석서비스를 제공한다.
AIaaS란? 일반적으로 AIaaS라 하면, AI 구현을 위한 H/W를 제공하는 IaaS, AI 개발에 필요한 개발툴을 지원하는 PaaS, 구현된 S/W를 제공하는 SaaS를 통칭하는 개념이다. 최근 AIaaS는 클라우드 기반으로 서비스되는 것이 주류인데 AWS, GCP가 대표적이다.
AI 기술 사용의 복잡성을 해결하기 위한 기술은 어떠한 특징을 갖고 있는가? 이러한 문제를 해결하기 위해 AI 모델을 손쉽게 OpenAPI 방식으로 서비스하는 기술이 주목 받고 있다. AIaaS(AI as a Service)는 AI 비전문 사용자도 API 형태로 제공되는 AI 분석서비스를 이용해 결과물을 활용하는 서비스를 제공할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. V. Ishakian, V. Muthusamy, and A. Slominski, "Serving Deep Learning Models in a Serverless Platform," 2018 IEEE International Conference on Cloud Engineering (IC2E). IEEE, 2018. 

  2. K. Y. Lee and N. Ha, "AI Platform to Accelerate API Economy and Ecosystem," 2018 International Conference on Information Networking (ICOIN), IEEE, 2018. 

  3. E. Bisong, "An Overview of Google Cloud Platform Services." Building Machine Learning and Deep Learning Models on Google Cloud Platform. Apress, Berkeley, CA, pp.7-10, 2019. 

  4. Docker, https://docs.docker.com/ 

  5. 배유미, 정성재, 소우영, "웹 서버 구성을 통한 가상머신과 컨테이너 방식 비교 분석," 한국정보통신학회논문지, 제18권, 제11호, pp.2670-2677, 2014. 

    원문보기 상세보기

  6. OpenFaaS, https://docs.openfaas.com/ 

  7. 이용, 박민우, 장래영, 이상환, "KISTI Vehicle-based IoT Dataset: Sensing a City with Vehicles," 한국콘텐츠학회 ICCC 논문집, pp.223-224, 2019. 

  8. M. Park, R. Lee, R. Y. Jang, and S. H. Lee, "KISTI Vehicle-Based Urban Sensing Dataset," The First International Workshop on Research Data Analysis and Utilization (RDAU2020), pp.601-604, 2020. 

  9. R. Lee, R. Y. Jang, M. Park, G. Y. Jeon, J. K. Kim, and S. H. Lee, "Making IoT Data Ready for Smart City Applications," The First International Workshop on Research Data Analysis and Utilization (RDAU2020), pp.605-608, 2020 

  10. R. Lee, M. Park, and S. H. Lee, "An Advanced IoT Data Collection Service for Data-centric Smart Cities," International Journal of Innovative Technology and Exploring Engineering, Vol.8, Issue.2, 2019. 

  11. 이용, 박민우, 장래영, 이상환, "IoTDA: An Integrated IoT Data Service Platform for Smart City Applications," 한국콘텐츠학회 ICCC 논문집, pp.49-50, 2019. 

  12. 장래영, 이용, 박민우, 이상환, "An IoT Data Analysis Service based on OpenFaaS," 한국콘텐츠학회 ICCC 논문집, pp.225-226, 2019. 

  13. 이용, 전가예, 김재광, 최인빈, 이상환, "A Case Study: Road Traffic Analysis on KISTI IoTDA Platform," 한국콘텐츠학회 ICCC 논문집, pp.227-228, 2019. 

  14. AWS, http://aws.amazon.com/ 

  15. GCP, http://cloud.google.com/ 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로