전문가 Q&A

안녕하십니까. 앤시스 코리아 양경모입니다.
1. 인공지능 붐이 일어나기 전과 후에도 여러 이론과 방법론이 발전하고 있습니다. Non-parametric 방법론은 그 중 하나입니다. 이 방법론은 데이터에 대한 가정 없이 모델을 구축하는 방식으로, 특히 데이터의 분포를 가정하지 않는 통계적 방법을 말합니다.
여기서 몇 가지 주목할만한 non-parametric 이론과 방법론을 소개해 드리겠습니다:
- K-최근접 이웃 (K-Nearest Neighbors, KNN)
- 커널 밀도 추정 (Kernel Density Estimation, KDE)
- 비모수적 가설 검정 (Non-parametric Hypothesis Testing)
- 부트스트레핑 (Bootstrap)
- 로우스톤 테스트 (Runs Test)

2. 현재 인공지능 분야에서 가우시안 프로세스와 베이지안 프로세스는 주목받고 있는 중요한 기술입니다.

가우시안 프로세스 (Gaussian Process):
가우시안 프로세스는 확률론적 모델링 방법으로, 불확실성을 추정하고 함수를 모델링하는 데 사용됩니다.
하이퍼파라미터 최적화에 활용되며, 목표 함수의 불확실성을 고려하여 최적값을 찾습니다.
예를 들어, 인공지능 모델의 하이퍼파라미터 조정에 활용됩니다.
베이지안 프로세스 (Bayesian Process):
베이지안 프로세스는 베이지안 확률론에 기반한 순차적 최적화 전략을 사용합니다.
목표 함수의 불확실성을 추정하고, 이를 기반으로 하이퍼파라미터 최적값을 찾아냅니다.
정보보안 분야에서도 AISecurity와 관련하여 베이지안 기술이 적용 가능성을 가지고 있습니다.
이러한 기술들은 인공지능 붐에서 중요한 역할을 하고 있으며, 더 많은 연구와 응용이 기대됩니다.

가우시안 프로세스(Gaussian Process, GP)는 확률적인 모델링 방법으로, 데이터의 분포를 추론하는데 사용됩니다. 이론적으로는 오래전부터 존재했지만, 딥러닝이 활성화되면서 다양한 차이점이 나타났습니다.
딥러닝과 가우시안 프로세스의 차이점:
- 딥러닝은 신경망 구조를 사용하며, 많은 뉴런과 레이어로 복잡한 함수를 근사합니다.
- 가우시안 프로세스는 확률적인 함수를 직접 모델링하며, 평균 함수와 공분산 함수를 사용합니다.
- 딥러닝은 대량의 데이터를 필요로 합니다. 많은 샘플이 있을 때 성능이 향상됩니다.
- 가우시안 프로세스는 적은 데이터로도 유연하게 모델링할 수 있습니다.
- 가우시안 프로세스는 불확실성을 확률적으로 다루기 때문에 예측에 대한 불확실성을 제공합니다.
- 딥러닝은 불확실성을 직접 다루지 않고, 예측값만 제공합니다.
- 가우시안 프로세스에서 커널 함수는 데이터 간의 상관 관계를 정의합니다.
딥러닝에서는 커널 함수 대신 활성화 함수를 사용합니다

RNN은 시계열 데이터와 순차적인 데이터를 모델링하는데 사용됩니다.
가우시안 프로세스는 시간에 따른 불확실성을 다루는데 유용합니다.
따라서 RNN과 가우시안 프로세스는 서로 보완적인 역할을 합니다.

현재 딥러닝에서 non-parametric이라는 용어는 unsupervised 학습과 관련하여 사용됩니다. 이 개념은 라벨 없는 데이터를 활용하여 모델을 훈련하는 방식을 의미합니다. Non-parametric 방법은 파라미터의 수를 고정하지 않고 데이터에 따라 유연하게 모델을 구성하는 방식입니다. 이는 클러스터링 (예: K-means)이나 차원 축소 (예: PCA)와 같은 전통적인 비지도 학습 방법과도 관련이 있습니다.

시계열과 가우시안 프로세스는 다른 개념입니다. 시계열은 시간에 따라 변화하는 데이터를 다루는 것으로, 예측, 분류 또는 패턴 인식과 같은 작업에 사용됩니다. 반면 가우시안 프로세스는 확률적 모델로, 데이터의 분포를 모델링하고 예측하는 데 사용됩니다. 이 두 개념은 서로 다른 방식으로 코딩되며, 시계열 데이터를 다루는 경우 시계열 모델링 기법을 사용하고, 가우시안 프로세스를 적용할 때는 해당 프로세스를 구현하는 방식을 따릅니다.

인벤터와 관련된 자료 및 2D 도면 관리를 할수 있는 PDM 솔루션인 Vault 라는 프로그램이 있습니다.
https://www.autodesk.co.kr/products/vault/subscribe?plc=VLTWG&term=1-YEAR&support=ADVANCED&quantity=1

제 개인적으로는 체험결과 느낌적으로 퓨젼은은 newbie용 , 인벤터는 숙련자에게 유익한 느낌이지않나합니다. ^^

동감합니다. 인벤터는 형님들이 사용하고 퓨전은 아우들이 사용하죠?ㅎㅎ

제작한 Data를 클라우드로 사용할 수 있는것이 Fusion 360이고 Inventor는 사내 서브를 이용해서 Vault로 Data를 관리합니다. 데이터가 클라우드 vs 로컬 이게 가장 큰 차이입니다.

네, 인벤터를 설치하시면 라이브러리 모두 무료로 설치됩니다.

3D -> 2D Drawing 기능이 제공됩니다.

네, AutoCAD의 버전이 낮아도 무관합니다.

컨텐츠 센터 라이브러리에 들어가시면 카테고리별로 나열되어 있고, 해당 창 내에 필터링 기능과 검색하실 수 있는 기능이 내장 되어 있습니다.

스케치를 복사할 경우에는 안되고 AnyCAD 기능을 활용해서 두 데이터를 연결하셔야 합니다.

넵 가능합니다. AutoCAD에서 수정시 인벤터에 반영됩니다.

최소는 1GB이고 권장은 4GB라고 이야기 드립니다. 4기가 이상으로 진행하시길 권장드립니다.

제 질문은 메모리 최소 사양말구요. gpu의 최소사양이 무앗일지요.

https://knowledge.autodesk.com/ko/support/inventor-products/learn-explore/caas/sfdcarticles/sfdcarticles/KOR/System-requirements-for-Autodesk-Inventor-2020.html
권장사항 페이지를 참고하세요!

아니요, 타3D CAD와 마찬가지로 인벤터도 하위 버전으로 저장할 수 있는 기능은 따로 없습니다. 서로 다른 버전의 데이터라고 한다면 AnyCAD 기능을 추천드립니다.

넵! Export를 STL로 내보기를 한뒤 3D 프린터와 연결해서 바로 출력이 가능합니다.

Autodesk 제품은 해당년도 + 1로 매년 제품이 개발되어집니다 ^^

CPS 구축의 기본이 되는 3D Data 제작에 인벤터가 사용됩니다.

상위 버전에서 제작한 데이터는 하위 버전에서 오픈 할 수 없습니다.

만약 인벤터 2017버전의 업데이트 4 버전을 사용하고 계신다면 AnyCAD기능을 통해 상위 버전 데이터를 참조로 가져오실 수 있습니다.

Inventor를 사용중이시라면 공동 작업 패널 > 웹탭 > Inventor Ideas 아이콘으로 접속 가능합니다.
웹사이트 링크는 다음과 같습니다.
https://forums.autodesk.com/t5/inventor-ideas/idb-p/v1232

https://knowledge.autodesk.com/ko/support/inventor-products/troubleshooting/caas/sfdcarticles/sfdcarticles/KOR/System-requirements-for-Autodesk-Inventor-2020.html

작업 중인 도면에 다른 사람이 접속하는 동시 작업은 불가능 합니다.

컨텐츠 센터 라이브러리에 대한 변경 사항은 없습니다.

일괄 마이그레이션 할 수 있는 기능은 아직 지원되지 않습니다. Inventor Idea 를 통해 등록해주시면 추후 버전에 업데이트 될 수 있습니다.
https://forums.autodesk.com/t5/inventor-ideas/idb-p/v1232

오늘 준비한 내용에는 없습니다.
검색기를 통해 검색하는 방법은 하기 링크를 통해 확인 부탁 드립니다.
https://knowledge.autodesk.com/ko/support/inventor-products/learn-explore/caas/CloudHelp/cloudhelp/2018/KOR/Inventor-WhatsNew/files/GUID-289DDFC0-E032-486B-8E5E-C5EA244DA1A3-htm.html