DAVinCI PLATFORM 은 기업용 인공지능 프로젝트의 전체적인 개발 사이클을 가속화시키는 하나의 통합된 도구로써, 빅데이터를 이용한 데이터 분석을 위해 AI 통합 개발 환경 솔루션을 제공합니다.

 

▫︎ 오픈소스 기반의 개방형 플랫폼

▫︎ AI 통합 개발 환경 제공

▫︎ AI 프로젝트의 통합 관리 가능
▫︎ AI 플랫폼의 자체 운영 환경 조성
▫︎ 내부 빅데이터의 손쉬운 연동
▫︎ 서버의 효율성과 가용성

▫︎ 증권사 : 금융 분석, 시장 예측

▫︎ 보험사 : 보험 심사, 보험료율 산정

▫︎ 카드사 : 신용평가, 조기 경보, 사기적발

▫︎ 금융사 : 금융 상품 개발, 대출 심사, 

               시장 선행지표 개발

빅데이터 분석을 효율적으로 수행∙관리하세요

다빈치플랫폼은 기업용 인공지능 프로젝트 개발 사이클을 가속화하는 통합 플랫폼으로,

머신러닝 알고리즘이 학습을 수행하는데 필요한 각종 중요 데이터를 모아주는 기술입니다. 

 

금융권에서 사용자가 동의할 경우 은행계좌, 보험가입내역 등 거의 모든 정보를 끌어 쓸 수 있는 스크래핑 기술을 핵심으로 한다. 이를 통해 무방문, 무서류, 무담보 대출 시스템을 구현할 수 있는 기술을 가지고 있습니다.

유동적인 서버의 효율적인 관리가 가능합니다. 또한 서버의 확장 가능성과 다양한 서비스로 확장이 가능합니다.

서버의 효율적 관리

권한이 관리된 데이터/알고리즘을 워크스페이스 공유를 통해 효율적으로 다양한 개발자들이 공유하여 작업이 가능

업무 능력 향상

효율적인 리소스 관리

복잡한 머신(딥)러닝 개발 환경을 손쉽게 구축하고 효율성을 극대화한 서버 이용이 가능합니다.

Efficiency

Performance

Scalability

▫︎ 기술 인력 보유 비용 감소

▫︎ 운영 비용 감소

▫︎ 다양한 머신러닝 라이브러리

▫︎ 새로운 데이터 자동학습

▫︎ 시각화

▫︎ 구축시간 감소

▫︎ 관리의 용이

▫︎ 기술 내재화 가능

▫︎ 망 분리

STRONG POINTS

STRONG POINTS

1. Efficiency

효율적인 리소스 관리

DAVinCI PLATFORM은 복잡한 관리의 효율적인 자동화를 제공하므로 금융권 뿐만 아니라 빅데이터 분석환경이 필요한 다양한 산업군에서 Platform 도입에 따른 경쟁력 확보와 비용 절감으로 인한 경제적인 효과 제공

 

한 눈에 보는 대쉬보드

대쉬보드를 통해서 관리자는 분석가현황/워크스페이스/학습/모델운영 등에 대한 시스템 전체 진행상황을 확인할 수 있으며, 분석가는 자신의 계정에서 진행한 활동에 대한 진행상황을 한 눈에 확인 할 수 있습니다.

 

사용자 및 계정 관리

1. 분석가가 본인이 사용할 계정을 직접 신청할 수 있으며, 관리자에 의해서 승인이 되면 딥러닝 클러스터를 사용할 수 있게 됩니다.

 

2. 워크스페이스를 통해서 알고리즘, 데이터셋, 라이브러리 패키지를 본인의 학습 환경에 맞게 손쉽게 구성할 수 있으며, 고급 분석가를 위하여 쥬피터랩, R Studio와 같은 통합 IDE 환경을 제공합니다.

 

워크스페이스 승인/신청

사용자는 본인이 수행할 학습에 맞는 시스템 자원 및 학습 환경을 선택하여 워크스페이스 사용 신청을 할 수 있으며, 관리자는 이에 대해서 승인/반려처리가 가능하고 사용이 종료된 워크스페이스에 대해서는 삭제할 수 있습니다. 

 

학습 환경의 손쉬운 제공 및 관리 가능

학습된 모델 정보 (용량, 업로드 일시, 모델 형상)를 확인하고 운영, Worker에 저장하여 성능을 비교 관리 할 수 있습니다. 별도의 서버 인프라 요청, 설치 등의 절차 없이 머신러닝/딥러닝 개발을 위한 학습 환경의 손쉬운 제공 및 관리가 가능합니다.

 

STRONG POINTS

2. Performance

업무 능력 향상

권한이 관리된 데이터/알고리즘을 워크스페이스 공유를 통해 효율적으로 다양한 개발자들이 공유하여 작업이 가능합니다.

어드민 알고리즘 관리자

학습 수행 후에 해당 알고리즘을 저장하여 알고리즘에 대한 기록 관리가 가능합니다. 또한 권한이 관리된 데이터/알고리즘을 워크스페이스 공유를 통해 효율적으로 다양한 개발자들이 공유하여 작업을 할 수 있습니다.

모델 배포 시스템

분석가는 MLDS(Machine Learning Deployment System)의 가이드라인에 따라 학습 모델을 생성하고 MLDS에 배포 요청합니다. 관리자는 이를 반려 또는 승인할 수 있으며 MLDS는 배포 모델에 대한 RESTfulAPI를 생성합니다. 배포된 모델의 RESTfulAPI는

Manager에서 확인 및 테스트를 할 수 있습니다.

배포된 모델은 빅데이터 포탈의 관리자 콘솔에서 RESTful API를 확인하고 테스트할 수 있는 UI를 제공합니다. 또한, 해당 RESTful API를 통해 레거시 시스템과 연동 할 수 있습니다. 

 

PROCESS

학습 공간 요청∙승인

Kubernetes로 관리되는 DAVinCI PL은 요청된 자원을 할당하고 할당된 작업공간을 관리자에 등록하여 작업 영역을 할당 및 회수

목적에 맞는 데이터 업로드

* 로컬 데이터 셋 업로드 또는 하둡, EDW, SQL 등을 통한 데이터 연동

학습환경 설정과 데이터 준비

Platform Manager 에서 서버 환경/ML Library/알고리즘/ML 학습 워크 서버 선택

 

* Repository를 이용하여 분석가가 자신의 연구에 필요한 패키지들을 설치 또는 관리자를 통해 등록


* Workspace에 실행되고있는 Jupyterlab 또는 Rstudio에 접근하여 활동적인 시각화 작업과 연구 작업을 IDE기반으로 수행

모델 설정 및 데이터를 사용하여 학습

Platform Manager 에서 서버 환경/ML Library/알고리즘/ML 학습 워크 서버 선택

 

* Repository를 이용하여 분석가가 자신의 연구에 필요한 패키지들을 설치 또는 관리자를 통해 등록


* Workspace에 실행되고있는 Jupyterlab 또는 Rstudio에 접근하여 활동적인 시각화 작업과 연구 작업을 IDE기반으로 수행

완성된 모델 배포 및 성과 관리

학습 완료 후 학습 보고 페이지를 이용한 학습 과정 확인

* 학습 모듈 도커를 다운 받아 REST API로 결과를 확인할 수 있는 서버가 포함된 머신러닝 모듈 다운로드
* Git repository 에 저장하여 알고리즘에 대한 기록 관리 및 분석

STRONG POINTS

3. Scalability

유동적인 서버, 효율적 관리

서버의 수평적 확장성과 오픈 소스기반의 서비스 확장 및 지속적인 업그레이드 가능

Workspace

Node-1

Node-2

Node-M

Kubernetes로 관리됨으로 Worker Cluster는 VM 또는 물리적 서버(node)의 수평적 스케일링이 가능합니다.

Workspace

TensorFlow, scikit-learn, Keras 등 특정 업체에 편향된 알고리즘이 아닌 다양한 머신러닝 라이브러리를 DAVinCI PLATFORM 에 단계적으로 적용하여 연구 목적에 적합한 환경을 개발자 스스로 선택할 수 있도록 하며, 지속적인 업그레이드 및 확장을 위한 표준화 프로세스 구축