[질문] 딥러닝 기반 비전 검사 모형은 내부에 있는 현업 담당자가 오류(품질 정도)를 마킹을 해서 데이터를 만들어 주면 된다고 하셨는데, 그렇게 준비해야 하는 데이터의 량이 얼마나 필요할까요? (물론 대상마다 다르겠지만) 해당 비전 모듈을 도입하려면 (비록 전문 비전 프로그래머가 투입되지는 않아서 비용에 대한 세이브는 이미 많이 되었지만 대신에) 현업 담당자의 노력이 들어가야하는데 평균 투입 노력은 어느 정도(몇 M/M or 데이터 건수) 생각해야하나요?
일반적으로 유형별 이미지는 20~50장 정도면 대략 95% 이상의 정밀도의 결과를 예상할 수 있습니다. 학습 데이터는 양보다는 질이 중요합니다.
유형 별로 정제된 학습 셋을 얻는 시간은 상황에 따라 달라서 정량적으로 표현하기는 어려울 듯 합니다.
[질문] 기계를 학습 시킨다면 기계가 올바르게 인식했을때 상을 주고, 잘못 인식했을때 벌을 주는 형태가 되어야 할 건데요. 전문가가 아닌 일반인이 기계를 학습 시키기 위해 어떤 자료를 얼마나 제공해야하고 상벌은 어떻게 줘야 하고 예기치 못한 상황이 발생했을때 어떻게 조치해야 하는 지 등에 대해 어려움 없이 잘 처리 할 수 있을까요..?
산업용은 정확도가 가장 중요한 요소이므로 항상 가장 실력이 좋은 교육자가 교육을 해주어야 좋은 결과를 얻을 수 있습니다. 일반인이 학습한다면 일반인 수준의 결과, 전문가가 학습하면 전문가 수준의 결과가 도출되겠지요.
데이터는 유형별로 약 50 장 이상의 이미지를 제공해 주면 좋습니다.
[질문] 새로운 제품이나 새로운 불량에 대해서는 항상 학습을 시켜야 하나요?
새로운 유형의 불량이라면 학습을 시켜야 합니다. 다만 형태가 변형되는 등의 변화에 대해서는 일반화가 충분히 가능하여 매번 학습할 필요는 없습니다.
[질문]구글 클라우드 데이터랩만의 강점은 무엇인가요?
Google Cloud 의 Cloud Service Resource 를 쉽게 연동하여 사용할 수 있다는게 큰 강점입니다.
클라우드는 처음이라...
데이터는 일반 운영데이터를 적재 분석 및 시각화를 하게 되는건가요?
네, 적재 된 데이터를 datalab 을 이용하여 시각화 하는 것입니다.
[질문] 마이크로스트레티지, 태블로 등 시각화 솔루션과 차별화된 점이 뭐가 있을까요?
datalab?의 장점으로는 손쉽게 설치, GCP API 이용 등이 있으며 기존 GCP 서비스와 빠르고 쉬운 연결을 통해 조금더 간편하게 데이터 시각화를 할 수 있다는 점 입니다.
[질문]Syntax 에러가 바로바로 실시간으로 나오나요?
코드를 박스 단위로 실행 가능하며, 코드 실행 후 에러가 발생하면 확인 하실 수 있습니다
*** 시각화에 대한 추가 기능 요구도 가능한지요?
시각화에 필요하신 추가 Python Library 를 Datalab 에 추가하셔서 사용하실 수 있습니다
[질문] data source에 대해 어떤 부분들이 가능한지가 궁금합니다. 네이버 데이터랩의 경우에는 네이버에서 추출한 국내의 여러 분류별, 직업,성별,관심분야 등에 관련된 빅데이터를 시각화해서 볼수있는형태로 되어있는데, 구글의 방대한 여러 사이트와 여러 형태로 수집된 데이터들을 자유롭게 활용이 가능할지요?
Google Cloud 에서 현재 제공하고 있는 Dataset 은 Bigquery 에서 Public Dataset 으로 제공하고 있는 것이 있습니다. https://cloud.google.com/bigquery/public-data/github
[질문] recovery appliance로 백업된 데이터를 다른서버의 초기화된 DB에 복원도 가능하나요?