기본적으로 제공되는 언어 https://doc.dataiku.com/dss/latest/code_recipes/index.html 외에 플러그인을 통한 추가지원 (예: Julia) 가 가능합니다
현재 Dataiku DSS(Data Science Studio) 의 버젼은 10입니다. 매년 1~2개의 메이져 버젼 배포, 그리고 매월 마이너 업데이트가 제공됩니다.https://doc.dataiku.com/dss/latest/release_notes/index.html
Dataiku 설치 및 구성시 설정을 해주시면 다양한 서비스들을 쿠버네티스를 사용이 가능합니다. 별도로 연결작업이 필요하지 않습니다.
https://www.dataiku.com/product/get-started/ 를 참조부탁드립니다.
한국에도 Dataiku 직원들이 있으며 다양한 한국에도 여러 파트너사가 있습니다.
히스토리성 데이터, 레이블링이 된 데이터의 보유 여부, 보유하고 있다면 보유양 및 데이터의 질들을 판단하셔야하고 , 보유하고 있지 않다면 앞으로 어떻게 보유해야할지에 대한 로드맵에 대한 고민이 필요합니다.
영어로는 "시", "poetry" 라고 말씀을 드릴 수 있을것 같습니다.
Dataiku 에서 구현도 가능하고 이미 powerBI 를 사용하기 계신다면 연동을 통해서 복잡한 데이터 처리는 Dataiku 에서 진행하시고 결과값만 powerBI 로 보내실 수 도 있습니다.
데이터의 時調 (시조) 입니다. ^_^
Dataiku DSS를 설치하시고 새로운 접속을 아이디/암호를 넣으시면 접속이 가능합니다. https://doc.dataiku.com/dss/latest/connecting/sql/snowflake.html
Dataiku 에는 플라스크를 포함한 4가지 웹앱을 지원합니다. https://doc.dataiku.com/dss/latest/webapps/index.html. Dashboard의 경우에는 실제 구현되는 기술도 중요하지만 얼마나 쉽게 관련 데이터를 input 데이터로 사용한지. 사용자가 늘어났을때 어떤식으로 scale. 할 수 있는지, 누가 어떤 화면을 볼 수 있는지? 이런 부분을 고민해야하는데, 이러한 부분들을 다 Dataiku 로 구현이 가능합니다.
사레마다 다를 수 있을것 같습니다. 고객 사례중에 웹사이트에 들어오는 사용자의 행동에 다른 추천 모델을 구현하는 사례를 구축했습니다. 이 고객이 가장 중요하게 생각한 부분은 1500개가 넘는 모델을 수시로 배포할 수 있는 아키텍쳐 및 구성이었는데 이러한 경우에도 구축이 가능합니다. 그리고 이커머스의 경우에는 많은 데이터를 처리해야하기 때문에 기존 빅데이터 시스템과 연동 부분도 많이 고려하시는 부분입니다.
관련해서 가트너 리포트 링크를 첨부 드립니다. https://pages.dataiku.com/gartner-2021 각각의 제품들마다 특장점이 있다고 생각합니다. Dataiku 의 가장 큰 차이점은 다른 제품처럼 여러가지 제품을 묶어서 End-to-End 를 구현하는것이 아니라 하나의 제품으로 다 처리가 가능합니다. 따라서 각 제품들을 추가로 연동해야하는 공수가 발생하지 않고 유연한 연동이 가능합니다. 그리고 오늘 웨비나에서 많이 나온것 처럼 다양한 사용자들이 같이 AI 프로젝트에 참여가 가능합니다.
말씀하신것처럼 해당 부분은 경영진의 의지가 뒷받침 되어져야 많은 투자가 이루어질 수 있습니다. 투자나 의사 결정이 이루어지기 위해서는 프로젝트의 당위성에 대한 검증이 이루어져야하는데, 이는 단순히 기술의 검증 뿐만 아니라 클라우드나 온프래미스 환경이 좋을지, 기존에는 어떤 환경이 이미 구축이 되어있는지에 같은 이러한 작업들을 Dataiku 와 같이 협의 하셔서 순차적으로 어떤 방향으로 나갈지에 대한 논의를 하시기를 추천드립니다.
Dataiku Online 은 Dataiku 의 온라인(managed service). 버젼인데 이 버전도 모두 말씀하신 서비스들을 지원합니다. https://www.dataiku.com/product/plans-and-features/
네. DSS 는 클라우드 3사의 데이터 서비스에 대해서 모두 지원합니다.https://doc.dataiku.com/dss/latest/connecting/s3.html
IT 엔지니어가 데이터사이언스 관련 업무를 할때 가장 큰 진입 장벽은 모델 사이클의 이해와 다양한 데이터 핸들링을 해야하는데 이러한 부분에 대한 전문성이 없더라도 손쉽게 데이터의 처리를 할 수 있으며, 모델 개발까지도 손쉽게 한번의 경험해볼수 있기 때문에 손쉽게 데이터사이언스 영역으로 진입하실 수 있습니다.
데이터를 분석을 하기 위해서는 데이터를 보기 위한 방법에 소요되는 시간을 줄이고, 데이터의 대한 이해가 있는 현업당당자 및 관련 부서가 다 함께 볼수 있는 환경이 우선되어야 합니다. 현재의 데이터 다양한 형태로 존재하기 때문에 실제 머신러닝을 하기 보다는 데이터 엑세스나 데이터 처리에 대한 시간이 많이 소요되고 있고 이러한 불필요한 시간을 줄이는것을 많이 고려해야합니다.
네. 데이터 엑세스, 전처리, 모델링, 모니터링, 배포가 모두 가능합니다.
추가로. 방금 웨비나에서 말씀해주셨던것 처럼 AI 를 도입할 수 있는 사례가 있는지를 판단하시고, 관련한 데이터의 존재 여보, 가용 여부를 확인해보는 작업을 추천드립니다.
