오토메이션월드-대한민국 1등 산업매거진 '자동화기술'

일반뉴스 클라우드 공급사로 AWS 택한 메타, 양사 파트너십 전략은?

헬로티 전자기술 기자 | 아마존웹서비스(이하 AWS)는 메타가 AWS를 전략적 클라우드 공급자로 선정, 양사간의 협력관계를 강화했다고 발표했다. 메타는 AWS의 검증된 인프라와 포괄적 기능으로 기존 온프레미스 인프라를 보완하고 AWS 컴퓨팅, 스토리지, 데이터베이스, 보안 서비스 사용을 확대해 클라우드에서 개인 정보 보호, 안정성, 확장성을 제공하겠다는 방침이다. 메타는 AWS에서 서드파티 협업을 실행하고 클라우드로 기존 AWS를 활용 중인 기업의 인수를 지원하는 동시에 AWS의 컴퓨팅 서비스를 기반으로 메타 AI 그룹의 AI 연구 개발을 가속화할 계획이라고 밝혔다. 메타와 AWS는 AWS에서 파이토치를 실행하는 고객을 위해 성능을 개선하고 개발자가 AI/ML 모델을 구축, 학습, 배포, 운영하는 방법을 가속화하는 작업을 공동으로 진행할 계획이다. AWS와 메타는 파이토치 성능과 파이토치와 아마존 EC2, 아마존 세이지메이커 등 AWS 핵심 관리 서비스의 통합을 최적화해 ML 연구진과 개발자들이 대규모 AI 모델을 구축, 학습, 배포하도록 지원할 계획이다. 개발자들이 자연어 처리(NLP)와 컴퓨터 비전을 위한 대규모 딥러닝 모델을 쉽게 구축하도록 하기 위해

서재창 기자

2021-12-15 10:19

일반뉴스 KAIST, “소량의 데이터로도 딥러닝 정확도 향상시킬 수 있다”

헬로티 이동재 기자 | KAIST 전산학부 이재길 교수 연구팀이 적은 양의 훈련 데이터가 존재할 때도 높은 예측 정확도를 달성할 수 있는 새로운 딥러닝 모델 훈련 기술을 개발했다고 27일 밝혔다. 기술이 적용되면 기존에 수작업으로 진행돼 많은 노동력과 시간이 소모되던 레이블링(Labeling) 과정을 보다 효과적으로 수행할 수 있다. 이번에 개발된 기술은 심층 학습 모델의 훈련에서 바람직하지 않은 특성을 억제해 충분하지 않은 훈련 데이터를 가지고도 높은 예측 정확도를 달성할 수 있게 해주는 기술이다. 연구팀은 바람직하지 않은 특성을 억제하기 위해서 분포 외(out of distribution) 데이터를 활용했다. 다량의 분포 외 데이터를 추가로 활용해 추출된 특성이 영(0) 벡터가 되도록 심층 학습 모델의 훈련 과정을 규제해, 바람직하지 않은 특성의 효과를 억제하는 원리다. 기존에 딥러닝 과정에서 분포 외 데이터는 쓸모없는 것이라 여겨지고 있었으나, 이번 연구에선 오히려 훈련 데이터 부족을 해소할 수 있는 유용한 보완재로 탈바꿈됐다. 연구팀은 이 정규화 방법론을 ‘비선호 특성 억제’라고 이름 붙이고 이미지 데이터 분석의 세 가지 주요 문제에 적용했다. 그 결

이동재 기자

2021-11-01 11:59