검색 결과

NVIDIA 빼고 인공 지능을 이야기하기 어려운 시대죠. 관련해 오늘 전할 소식은 360Quadrants에서 발표한 제조 부분의 인공 지능 리더에 NVIDIA가 선정된 내용입니다. 소식을 전하기에 앞서 360Quadrants에 대해 간단히 소개하겠습니다. 360Quadrants는 차별화된 방법으로 기술과 솔루션에 대한 비교 평가를 하는 플랫폼 사업을 하는 곳입니다. 2,500개 이상의 기업, 100개 이상의 시장을 대상으로 1,500명 이상의 분석가와 100명 이상의 전문가가 비교를 수행합니다. 평가 방식은 크라우드소싱을 취하여 공정성과 함께 소수에 의한 테스트가 갖는 편향 문제를 해결하고 있습니다. 최근 360Quadrants는 제조 관련 인공 지능 시장에 대한 평가 결과를 발표했습니다. 30개 이상의 기업이 평가 대상으로 선정되었고, 이 중 12개 기업이 제조 업계에 인공 지능의 비전을 제시하는 리더로 선정되었습니다. 그리고 리더 그룹에서 NVIDIA와 인텔을 가장 높은 위치로 꼽았습니다. ​ 평가 기준은 기술과 제품 포트폴리오, 시장에서의 위상, 비즈니스 전략 등에 대한 것입니다. 각 회사가 발표하는 보고서, 보도 자료, IR 자료, 백서 등에 대한 조사를 토대로 분석가와 전문가의 평가를 더해 결과를 도출했습니다. ​ 360Quadrants 사이트에 가면 이번 평가 외에 제조 업체가 AI 관련 기술이나 솔루션을 도입할 때 참조할 수 있는 주요 구매 평가 기준별 12개 업체에 대한 상세 비교 자료를 받아 볼 수 있습니다. #제조AI #인공지능 #AI #NVIDIA #인텔 #유클릭 #360Quadrants #크라우드소싱

최근 배포한 Kinetica 보도자료 내용 공유합니다. 5G 시대 Kinetica의 맹활약이 기대되네요. [2019년 3월 25일] GPU 가속 기반 데이터 플랫폼 전문 기업인 키네티카(지사장: 윤명호)가 액티브 분석 플랫폼(Active Analytics Platform)을 출시했다. 이 플랫폼은 과거 데이터, 스트리밍 데이터, 그래프 데이터, 위치 정보에 대한 첨단 분석뿐만 아니라 대규모 데이터를 활용하는 머신 러닝 워크로드를 단일 환경으로 통합한다. 이를 위해 키네티카는 GPU 가속 기반 데이터 플랫폼 아키텍처를 단순화하여 산업 전반에서 비즈니스 속도를 높이고 혁신을 불러올 스마트한 분석 애플리케이션 개발의 편의성을 높였다. 관련해 키네티카 CEO인 폴 애플비(Paul Appleby)는 “4차 산업 혁명의 핵심은 데이터다. 업종을 불문하고 성공하는 기업은 가장 가치 있는 자산을 데이터로 보는 곳이 될 것”이라며 “스마트 도시부터 자율주행 자동차 더 나아가 제조, 물류, 소매, 금융, 의료 등 모든 분야에서 중요 의사결정을 내릴 때 스마트한 분석 애플리케이션을 사용하는 조직은 새로운 시장을 만들고, 데이터 중심의 새로운 비즈니스 모델을 전략적으로 밀어붙일 것”이라고 이번 플랫폼 출시 배경을 설명했다. 키네티카가 단일 플랫폼 전략을 앞세운 이유는 대규모 데이터 처리에 대한 기업의 요구가 달라지고 있기 때문이다. 지금까지 데이터 분석은 애플리케이션의 한 영역이었다. 분석 도구, 시각화 도구 등 특정 범주에 속한다. 그러던 것이 2019년 현재 거의 모든 비즈니스 애플리케이션이 분석을 토대로 삼고 있다. 이를 데이터 지향적인(Data-Driven) 애플리케이션, 데이터 기반(Data-powered) 애플리케이션이라고 부르는데, 이런 예는 매우 많다. ERP, SCM, CRM 등 기업의 핵심 시스템은 이미 데이터 분석과 시각화를 주요 기능으로 앞세운 지 오래다. 웹 사이트 관리 역시 구글 애널리틱스같이 데이터 분석 기반으로 구축 및 운영하는 기본이다. 이처럼 분석을 주요 특징으로 하는 비즈니스 애플리케이션이 늘면서 기업의 데이터 플랫폼을 관리하는 팀은 분석 수요에 어떻게 대응해야 할지 고민이 깊어지고 있다 전통적인 데이터 분석 환경은 예측 가능한 범위에서 데이터를 처리하고 애플리케이션을 운영하기에 알맞다. 곧 열릴 5G 시대에는 스마트 시티, 자율주행 자동차, IoT 기반 제조 등 산업 혁신 등을 통해 기업이 다루어야 할 데이터의 양이 얼마나 될지 예측하기 어렵다. 관련해 윤명호 지사장은 “첨단 분석과 인공 지능이 접목되는 영역은 더 넓어질 것이다. 최종 사용자의 오피스 같은 생산성 도구부터 ERP, SCM 등 기간계 시스템 더 나아가 IoT 등 새로운 데이터 생성과 처리 지점인 엣지 컴퓨팅 환경까지 데이터는 모든 의사 결정의 근간이 되고 있다. 이에 따라 기업은 과거 기록 중심의 배치 데이터를 기반으로 한 전통적인 분석부터 스트리밍 데이터 분석, 위치 정보 기반 분석, 인공 지능 기술 기반 워크로드를 처리할 수 있는 단일 플랫폼에 대한 목마름이 그 어느 때보다 강해지고 있다”라고 말했다. 키네티카의 액티브 분석 플랫폼은 새로운 데이터 처리와 분석 방식을 제시한다. 데이터를 단일 플랫폼 측면에서 신속하게 처리해 다양한 비즈니스 애플리케이션을 더 빨리, 더 효율적으로 개발할 수 있다. 이를 통해 기업은 데이터 중심 경영을 더 많은 데이터를 수집해 통찰력을 확보하자는 접근에서 한 발 더 나아갈 수 있다. 키네티카의 액티브 분석 플랫폼은 수동적으로 데이터를 처리하는 기존 비즈니스 애플리케이션이 아니라 상황에 맞게 즉각적으로 데이터를 수집해 평가하고, 그에 따라 행동하는 스마트한 애플리케이션을 활용하는 쪽으로 기업의 데이터 활용 방식을 바꾼다. 예를 들면 다음과 같다. 금융: 기관 투자자는 자산에 대한 위험 평가를 지속해서 수행하며 시장 변화에 능동적으로 대응할 수 있다. 자율주행 자동차: 완성차 업체는 운전자의 행동 분석을 토대로 경로를 추천한다. 또한, 운전자들이 다양한 주행 상황에서 어떻게 대응하는지 파악해 더 완성도 높은 차를 만든다. 소매: 고객의 현재 위치, 시간, 구매 이력, 취향 등을 반영해 상황에 따라 자동으로 조정되는 고객 프로필을 바탕으로 더 나은 추천을 할 수 있다. 또한, 기존보다 더 많은 고객 정보를 수집할 수 있다. 통신: 실시간 분석을 통해 대규모 인프라 투자 비용을 절감할 수 있는 통신 커버리지 전략을 수립할 수 있다. 이번에 출시한 액티브 플랫폼의 기술적 특징에 대해 윤명호 지사장은 “모든 업계가 기존 방식보다 더 능동적인 분석을 해야 하지만 몇 가지 문제를 넘지 못하고 있다”라며 “대규모 과거 데이터와 스트리밍 데이터를 동시에 분석하고, 위치 정보를 애플리케이션에 통합하고, 머신 러닝을 프로덕션 환경에서 운영하는 애플리케이션에 적용하는 데 어려움을 겪고 있다. 이는 기존 환경이 능동적인 분석을 염두에 두고 설계되지 않아서 인데, 키네티카의 액티브 분석 플랫폼은 과거 정보, 실시간 스트리밍, 위치 정보, 그래프, 머신 러닝 등 여러 기술을 단일 환경에 통합하는 것을 목표로 설계되었다”라고 설명했다. 키네티카 액티브 플랫폼 출시에 따란 업계의 반응도 연이어 나오고 있다. 관련해 키네티카 한국 총판이자 NVIDIA 파트너인 유클릭 김광정 상무는 “GPU 가속을 기반으로 한 키네티카 액티브 분석 플랫폼은 엄청난 규모의 데이터를 실시간으로 병렬 환경에서 능동적으로 처리한다.”라며 “최근 NVIDIA는 엣지 장치와 로봇을 AI 머신으로 바꾸는 강력한 미니 컴퓨터 젯슨 나노(Jetson NANO)를 출시했는데, 이 모듈이 적용된 장치를 제조, 화학, 의료, 소매 등 산업 현장에서 IoT 엣지 장치로 사용하고 이와 연계해 키네티카의 액티브 분석 플랫폼을 활용하면 AI 워크로드와 첨단 분석 두 가지 요구를 모두 수용할 수 있다”라고 말했다. Kinetica 소개 미국 샌프란시스코에 본사를 두고 있는 키네티카(www.kinetica.com)는 빅 데이터를 넘어서는 규모의 Extreme Data 시대를 위한 액티브 분석 분야 선도기업이다. 키네티카의 액티브 분석 플랫폼은 의료, 에너지, 통신, 소매, 금융 업계에서 이루어지고 있는 과거 데이터, 스트리밍 데이터, 위치 인텔리전스, 머신 러닝 기반 분석 작업을 GPU 데이터베이스의 강력한 성능을 통해 단일 환경에서 처리합니다. 키네티카는 NVIDIA, Dell, HP, IBM, Oracle 등의 기업과 파트너십을 맺고 있다. 또한, Canvas Ventures, Citi Ventures, GreatPoint Ventures, Meritech Capital Partners 등의 세계적인 벤처 캐피털의 지원을 받고 있습니다. #Kinetica #키네티카 #위치정보분석 #실시간분석 #인공지능 #빅데이터 #스트리밍데이터 #Acitve_Analytics_Platform #액티브_분석_플랫폼

최근 AI 시장의 움직임 중 주목할 것 중 하나는 엣지 컴퓨팅입니다. AI를 위한 모델 적용과 트레이닝은 데이터센터에서만 일어나는 것이 아닙니다. 5G 시대를 눈 앞에 둔 현재 IoT 장치 하나하나가 AI 머신이 될 수 있습니다. 그리고 이런 트렌드에 힘을 실어 줄 새로운 CUDA-X AI 컴퓨터 모듈이 발표되었습니다. 그 이름은 Jetson Nano입니다. 임베디드 장치를 AI 머신으로 바꾸는 이 작은 컴퓨터 모듈은 성능이 무려 472GFLOPS나 됩니다. AI 워크로드 돌리기에 충분한 성능이죠. 가로세로 70X45mm - 손바닥 안에 쏙 들어오는 사이즈네요. 더불어 엣지 장치에 요구되는 저전력 소모 기준도 잘 맞추고 있는데요, 소비전력이 5W입니다. 이렇게 강력한 장치를 어디에 쓸 것인가? 고화질 이미지 처리 장치, 다양한 센서가 연결된 장치, 로봇 등에 딱 맞을 것 같습니다. 제조, 화학, 의료, 소매 등 산업별로 현재 검토 중인 IoT와 AI 기반 프로세스 혁신이나 서비스 개선을 위한 엣지 장치를 개발할 때 꼭 살펴봐야 할 것이 Jetson Nano가 아닐까 싶네요. Jetson Nano 기반 IoT 장치와 첨단 로봇이 가득한 스마트 공장에서 나오는 실시간 데이터 스트림을 Kinetica와 연결해 쓰면 AI 워크로드와 첨단 분석 두 마리 토끼를 잡기 딱 좋아 좋아 보입니다. 주요 사양과 소프트웨어는 다음과 같습니다. NVIDIA에서 제공하는 Jetson Nano 개발자킷을 이용하면 원하는 AI 기반 엣지 장치 개발을 빠르게 할 수 있다고 하네요. 개발자킷 가격은 99달러이며, Jetson Nano 모듈은 129달러(1,000개 이상 주문 기준시 적용가)이고, 6월부터 받아볼 수 있다고 합니다. 관심 있으시면 유클릭 uDNA 브랜드 페이지를 통해 신청해 주세요. ​ GPU: 128-core NVIDIA Maxwell™ architecture-based GPU CPU: Quad-core ARM® A57 Video: 4K @ 30 fps (H.264/H.265) / 4K @ 60 fps (H.264/H.265) encode and decode Camera: MIPI CSI-2 DPHY lanes, 12x (Module) and 1x (Developer Kit) Memory: 4 GB 64-bit LPDDR4; 25.6 gigabytes/second Connectivity: Gigabit Ethernet OS Support: Linux for Tegra® Module Size: 70mm x 45mm Developer Kit Size: 100mm x 80mm ​ #NVIDIA #Jetson #JetsonNano #유클릭 #uDNA #IoT #엣지컴퓨팅 #CUDA

키네티카(Kinetica) 관련해 반가운 소식이 발표되었습니다. 키네티카가 제공하는 Kafka 커넥터가 콘플루언트(Confluent)의 골드 인증을 획득했다는 뉴스입니다. 콘플루언트는 알려진 바와 같이 기업에서 대규모 데이터 처리에 Kafka를 지원 걱정 없이 사용할 수 있도록 돕기 위해 창업한 회사입니다. 하둡 분야에서 클라우데라, 호튼웍스 같은 역할을 하는 기업이라 보면 됩니다. 콘풀루언트 골드 인증은 콘풀루언트의 표준과 요구 사항을 충실히 잘 따른다는 것을 사전에 충분히 검증했다는 것을 뜻합니다. 대규모 실시간 스트리밍 데이터를 단일 플랫폼에서 실시간으로 분석한다! 이번 골드 인증 획득은 여러모로 의미가 큽니다. 현재 많은 기업이 실시간 스트리밍 데이터 처리를 중요 과제로 보고 있습니다. 엣지 컴퓨팅을 통한 새로운 기회 창출에 대한 강한 의지를 바탕으로 IoT 확산, 대규모 실시간 스트리밍 데이터 처리를 첨단 분석을 하고자 하는 것이죠. 이런 의지는 5G 시대의 장밋빛 전망과 맞물려 더 강력해지고 있습니다. 여기에는 5G 시대 무엇이건 앞서야 살아 남는다는 절박함도 베어 있죠. ​ 관련해 데이터 전문가들은 빅 데이터 시대보다 더 큰 규모의 데이터를 어떻게 다룰지 아키텍처 측면에서 고민이 많습니다. Big 보다 큰 Extreme Data 환경에서도 실시간 데이터 처리와 첨단 분석에 대한 요구는 다르지 않기 때문이죠. 오히려 분석 요구가 일부 부서에서 전사로 퍼질 것을 고려하면 분석에 쏠리는 과부하를 어떻게 다룰지 걱정이 앞서는 것이 사실입니다. ​ 그래서 등장한개념이 Active Analytics입니다. GPU 기반 인메모리 데이터베이스를 엔진으로 장착한 키네티카의 Active Analytics 플랫폼은 쏟아져 들어오는 Extreme Data를 실시간으로 분석할 수 있습니다. 데이터 전처리, 분석, 가공 등의 과정 거치느라 몇 날 며칠을 기다리는 것이 아니라 원하는 결과를 실시간에 가깝게 보는 것이죠. 실제로 키네티카의 Active Analytics 플랫폼과 카프카를 커넥터로 연계하면 각종 센서, 모바일 앱, IoT 장치, 소셜 미디어 데이터 등의 스트리밍 데이터를 대상으로 실시간 분석을 수행할 수 있습니다. 이를 통해 고객의 취향을 저격하는 상품이나 서비스 추천을 한다거나, 위치 기반 서비스를 제공한다거나 할 때 담당자가 의사결정을 즉각적으로 내릴 수 있습니다. ​ 이런 시나리오는 금융, 소매, 의료, 제조, 서비스 등 업종을 가리지 않고 공통으로 적용 가능한 것입니다. 관련해 실제 키네티카와 카프카 기반 스트리밍 데이터 수집과 분석 데모를 원한다면 유클릭으로 연락 바랍니다. ​ 참고로 이번 골드 인증을 받은 버전에는 다음 네 기능이 콘풀루언트의 요구에 따라 추가되었습니다. ​ * Sink 커넥터를 위한 스키마 마이그레이션: 콘플루언트 스키마 레지스트리 도구를 사용해 데이터 스키마의 최근 변경을 추적할 수 있습니다. * 싱글 메시지 트랜스폼: 아파치 Avro 스키마 지원을 통해 데이터 손실 걱정 없이 카프카 메시지 형식에 변화를 줄 수 있습니다. * 컨트롤 센터 통합: 콘플루언트 컨트롤 센터를 통해 키네티카 카프카 커넥터를 설정할 수 있습니다. 참고로 키네티카 카프카 커넥터는 REST API로 관리 환경과 연동합니다. ​ 더 자세한 내용은 카프카 커넥터 관련 문서에서 찾아 볼 수 있습니다. ​ ​ ​ ​ ​ ​ #키네티카 #Kinetica # 빅데이터 #카프카 #Kafka #유클릭 #액티브어낼리틱 #능동적분석 #데이터분석 #ActiveAnalytics #Confluent #호튼웍스 #클라우데라

유행어를 보면 시대가 보입니다. 마케터들이 요즘 주목하는 키워드 중 하나로 '마테크'를 꼽습니다. 마케팅 + 테크놀로지 조합인데요, 말 그대로 기술 중심의 마케팅 활동에 대한 트렌드입니다. ​ 마케팅 관련 유행이 어떻게 흐르건 그 중심에는 '데이터'가 있습니다. 예를 들어 볼까요? 예지 기반 분석, 감성 분석, 프로그래머틱 광고, 컨텐츠 마케팅, 어카운트 기반 마케팅(ABM: Accountt Based Marketing) 등 마케터의 관심사를 쭉 나열해 보고 공통분모를 뽑으면 '데이터'가 딱 나옵니다. ​ 디지털 마케팅 좀 한다는 기업을 들여다면 옴니 채널 마케팅을 기본으로 합니다, 회사 홈페이지 외에 마이크로 사이트, 블로그, 소셜 네트워크, 유튜브 등 가능한 모든 채널을 통해 회사의 메시지를 고객에게 전달합니다. 더불어 사이버상에서 고객과 맺는 다양한 인터랙션을 기반으로 고객을 360도 측면에서 파악하려고 노력합니다. ​ 이런 분위기를 타고 IT 도구 측면에서 마케터를 데이터 전문가로 만들어 준다는 귀가 솔깃한 제안을 하는 곳도 많죠. 주로 데이터 시각화 도구 업체가 이런 메시지를 많이 던집니다. 진짜로 중요한 것은 따로 있습니다. 데이터 시각화 툴만 있으면 뭐합니까? 쏟아져 들어오는 고객 데이터를 제대로 처리할 기반이 없으면, 데이터 시각화는 신기해서 하루 이틀 쓰다마는 그런 툴에 머뭅니다. 360도 측면에서 고객을 파악하고 마테크 기반으로 디지털 마케팅 활동을 하는 B2C 기업이라면 처리해야 할 데이터의 양이 얼마나 많은지 실감할 것입니다. 그래서 필요한 것이 GPU 파워입니다. ​ 고객을 이해하는 그런 마케팅을 하고 싶디면 고객이 남기는 수많은 디지털 흔적 속에서 고객을 불편하게 하지 않고, 그들에게 필요한 정보를 적시에 제공할 수 있는 눈을 키워야 합니다. 이런 역량의 바탕에는 Kinetica와 같이 위치 기반 정보, 실시간 정보 기반 첨단 분석 및 인공 지능 워크로드를 지원할 수 있는 단일 데이터 플랫폼이 필요합니다. 더 자세한 내용은 uDNA 페이지를 참조 바랍니다. ​ ​ #kinetica #키네티카 #GPU데이터베이스 #GPU인메모리DB #마테크 #ABM #컨텐츠마케팅 #디지털마케팅 #감성분석 #데이터시각화 #위치기반정보분석 #인공지능

데이터가 중요하다는 말은 앞에 붙는 수식어를 통해 익히 들어왔습니다. 생성되는 데이터의 양이 급격히 늘자 시장에서는 'Big'이란 단어를 붙였습니다. 한동안 빅 데이터라는 표현으로 대량의 데이터 시대를 설명하였으나, 5G 시대를 눈앞에 둔 현재 IoT 등 초연결 사회의 등장이 예고되면서 'Extreme'으로 수식어가 바뀌고 있습니다. Big이란 단어에 담기에 초연결 시대 기업이 처리해야 하는 데이터의 양이 너무 크기 때문입니다. 분석 역시 비슷한 길을 걷고 있습니다. 빅 데이터 분석이란 개념이 어느 정도 시장에 자리 잡자 곧이어 '실시간'이 화두로 뜨기 시작했습니다. 과거 데이터 중심의 전통적인 분석 관행에서 한발 더 나아간 것이 빅 데이터라면, 최근 관심사는 과거 데이터뿐 아니라 현재 실시간으로 생성되는 데이터까지 놓치지 않고 보는 쪽으로 향하고 있습니다. Big에서 Real-Time으로 분석의 확장이 이루어지고 있는 것이죠. 2019년은 여기서 개념이 더 넓어질 전망입니다. 그 키워드가 바로 'Active Analytics'입니다. 한국말로 표현하자면 능동적 분석, 적극적인 분석의 시대가 오고 있는 것인데요, 관련해 그 배경을 간단히 짚어 보겠습니다. 엔터프라이즈 데이터 처리를 재정의하다! 더 똑똑한 애플리케이션 첫 번째 살펴볼 Active Analytics 시대의 등장 배경은 애플리케이션의 변화입니다. 한때 분석은 애플리케이션의 한 영역이었습니다. 분석 도구, 시각화 도구 등 특정 범주에 속했습니다. 그러던 것이 2019년 현재 거의 모든 비즈니스 애플리케이션이 분석을 토대로 삼고 있습니다. 이를 우리는 데이터 지향적인(Data-Driven) 애플리케이션, 데이터 기반(Data-powered) 애플리케이션이라고 부릅니다. ​ 이런 예는 매우 많습니다. ERP, SCM, CRM 등 기업의 핵심 시스템은 이미 데이터 분석과 시각화를 주요 기능으로 앞세운 지 오래입니다. 웹 사이트 관리 역시 구글 애널리틱스 같이 데이터 분석 기반으로 구축 및 운영하는 기본이죠. 이처럼 분석을 주요 특징으로 하는 비즈니스 애플리케이션이 늘고 있습니다. 이에 따라 기업에서 데이터 플랫폼을 관리하는 팀은 데이터 수요에 어떻게 대응해야 할지 고민이 깊어지고 있습니다. 이를 위한 근본적인 해결책은 아키텍처 수준에서 더 똑똑한 애플리케이션 개발과 사용을 지원할 수 있는 새로운 토대를 마련하는 것입니다. 전사 측면의 데이터 파이프라인 확장 데이터 엔지니어의 수요 증가 빅 데이터에 이어 인공 지능이 엔터프라이즈 컴퓨팅 시장을 움직이는 엔진으로 등장하면서 데이터 과학자에 대한 인력 수요가 급증했었죠. 첨단 분석과 머신 러닝 모델을 담당할 데이터 과학자를 영입한 기업은 2019년 데이터 엔지니어 찾기에 나설 것입니다. 이런 이유로 2019년 기업은 데이터 엔지니어를 놓고 인재 모시기 경쟁에 들어갈 것으로 보입니다. 데이터 엔지니어 수요가 늘어나는 이유는? 더 똑똑한 애플리케이션 수요 증가에 발맞춰 데이터 처리, 감사, 거버넌스를 책임질 전문가가 필요하기 때문이죠. 데이터 엔지니어는 전사 측면에서 데이터 중심의 DevOps를 지원하기 위해 데이터 파이프라인을 구축하고 지원하는 역할을 맡을 것입니다. 데이터 중심의 전략과 실행 실시간 의사 결정 지원 요구 증가 2019년 첨단 분석과 인공 지능이 접목되는 영역은 더 넓어질 것입니다. 최종 사용자의 오피스 같은 생산성 도구부터 ERP, SCM 등 기간계 시스템 더 나아가 IoT 등 새로운 데이터 생성과 처리 지점인 엣지 컴퓨팅 환경까지 데이터는 모든 의사 결정의 근간이 될 것입니다. 이에 따라 기업은 과거 기록 중심의 배치 데이터를 기반으로 한 전통적인 분석부터 스트리밍 데이터 분석, 위치 정보 기반 분석, 인공 지능 기술 기반 워크로드를 처리할 수 있는 단일 플랫폼에 대한 목마름을 그 어느 때보다 강하게 느낄 것입니다. ​ 앞서 살펴본 세 가지 배경을 종합하면 Active Analytics 시대에 대비하기 위해 어떤 데이터 플랫폼과 아키텍처 전략이 필요한지 큰 그림이 보일 것입니다. 이에 대한 내용은 Kinetica 7.0 릴리즈 노트 포스트를 통해 기술적으로 살펴보겠습니다. ​ #키네티카 #Kinetica #유클릭 #ActiveAnalytics #빅데이터 #익스트림데이터 #실시간분석 #스트리밍데이터분석 #ERP분석 #SCM분석 #CRM분석 #구글애널리틱스 ​

흔히 볼 수 있는 사람 사진 같은데? 사실은 이 세상에 존재하지 않는 사람의 얼굴이라면? 우버 출신 소프트웨어 엔지니어인 필립 왕(Phillip Wang)이 흥미로운 사이트를 하나 열었습니다. 다음 사이트에 들어가면 사람 인물 사진이 뜹니다. 웹 브라우저 새로 고침 버튼을 누르면 다른 사람의 사진이 나옵니다. 이 사진 속 주인공은 실제 인물이 아니라 컴퓨터가 만들어 낸 것입니다. 이 사이트를 왜 만들었냐? 계기가 흥미롭습니다. GAN(generative adversarial networks)을 더 널리 알리기 위해서라네요. https://thispersondoesnotexist.com 위 사이트에 적용된 알고리즘은 NVIDIA가 작성한 StyleGAN을 기반으로 합니다. 이를 활용해 사용자가 웹 브라우저를 새로 고칠 때마다 512차원의 벡터를 통해 새로운 얼굴 이미지를 생성합니다. GAN의 어떤 점을 알리기 위해 필립이 수고를 마다하지 않고 사이트를 열었을까요? GAN이 컴퓨터 과학자 사이에 알려지기 시작한 것은 2014년부터입니다. 이후 연구가 거듭되었는데요. 이 과정에서 NVIDIA가 기여를 합니다. 2017년까지만 해도 GAN을 이용해 사전에 트레이닝한 모델로 1024X1024 크기의 고화질 이미지를 생성하기 어려웠습니다. 그러던 것이 NVIDIA가 PorGAN 컨셉을 주제로 한 논문을 발표하면서 큰 개선이 이루어졌습니다. 바로 StyleGAN이 등장한 것인데요, 이를 통해 이전에 어렵던 비주얼 측면의 기능을 더 자유롭게 제어할 수 있게 되었습니다. 그렇다면 StyleGAN을 어디에 활용하면 좋을까요? 비디오 게임, 온라인 커머스 등 컴퓨터를 이용해 캐릭터를 생성해야 하는 경우 유용할 수 있습니다. 물론 유명인의 비디오를 조작해 가짜 뉴스를 퍼뜨리는 딥페이크(Deepfakes) 용도로 악용될 수도 있지만, 산업적 측면에서 쓰임이 참 많아 보입니다. 더 자세한 내용은 다음 뉴스를 참조 바랍니다. #NVIDIA #ProGAN #GAN #StyleGAN #딥너링 #유클릭 #딥페이크 #Deepfakes

흡연 관련 캠페인을 보면 시각적 자극을 주는 경우가 많죠. 케이스에도 자극적인 사진을 넣게 강제하고 있고요. 앞으로는 숫자를 통해 더 강하게 금연을 권고할 수 있을 것 같습니다.  최근 네이처에 새로운 연구 보고서가 올라왔습니다. 옥스퍼드 대학, 보스턴 대학, 코펜하겐 대학 등 여러 대학과 연구소가 참여한 연구인데요 그 내용이 재미있습니다. 딥러닝을 이용해 흡연이 생물학적 연령(biological age)에 어떤 영향을 끼치는지 알아낸 것입니다. 간단히 말해 흡연자의 실제 나이에 비해 생물학적 나이가 얼마나 더 많은지 파악하는 것이죠. 가령 나이는 20대인데, 신체 나이는 60대입니다. 뭐 이런 식으로 담배가 흡연자에 몸에 끼치는 영향을 파악하는 것입니다.  연구팀은 4만 9,000명의 흡연자의 정보를 데이터 세트로 활용해 딥러닝을 수행했다고 합니다. 흡연자 정보와 혈액 분석 정보를 이용해 딥러닝을 한 것이죠. 연구팀은 헤모글로빈, 공복 혈당, 포도당 등 혈액에서 발견한 66개의 바이오 마커를 적용해 트레이닝을 거듭하면서 신체 나이를 예측하기 위한 패턴을 찾았습니다. 담배가 우리 건강에 끼치는 영향을 다양한 측면에서 연구되어 왔습니다. 각종 질병 발병과 흡연의 상관관계를 밝히려는 노력이 이번 연구를 통해 생물학적 연령에 끼치는 영향까지 확대되나 봅니다.  이 연구는 의학적으로도 중요하겠지만, 금연 캠페인을 위한 수단으로도 나름 큰 역할을 하지 않을까 생각해 봅니다. 건강 검진을 하고 받는 결과 보고서에 "흡연으로 인해 당신의 신체 나이는 ~ 입니다."라는 문구가 한 줄 들어가면, 광고에 나오는 시각적 자극 못지않게 "올해는 꼭 끊어야지"라는 마음을 먹게 만드는 계기가 될 수 있을 것 같습니다. #흡연 #금연 #담배 #신체나이 #생물학적연령 #딥러닝

신발 구매 어떻게 하시나요? 아마 많은 분이 직접 매장을 찾아 신어 보고 난 다음 구매합니다. 매장에서 직접 사건, 신어 본 다음 온라인으로 구매하건 일단 신어 보고 사야 마음이 편하죠. 뭐, 평소 애용하는 브랜드가 있다면 사이즈와 느낌을 잘 아니 안 신어 봐도 되긴 하겠지만 그래도 신어 보면 더 좋겠죠. 직접 신어보고 신발을 구매하는 경험을 제공하는 쇼핑몰이 있다면? 굳이 매장을 가지 않아도 되지 않을까요? 인공 지능이 증강 현실(AR)과 만나면 신발, 의류, 보석 등 우리가 흔히 오프라인과 온라인에서 구매하는 것들이 나에게 잘 어울리는지 경험해 보고 살 가능성이 열립니다. 다음 영상을 보시죠. 신발은 그 예 중 하나일 뿐입니다. 스마트폰에 그저 양말 신은 내 발만 비추었을 뿐인데, 어떤 운동화가 더 느낌이 좋은지 실제로 신어 본 것처럼 보여줍니다. 느낌 궁금하지 않나요? Wanna Kicks 앱을 깔면 직접 체험해 볼 수 있습니다. 아쉽게도 iOS용 앱만 나와 있네요. 평점이 4.5인 것을 보니 만족도가 꽤 높은 것 같습니다. 이 앱을 개발한 곳은 Wannaby라는 기업인데요, 이 앱은 간단해 보여도 인공 지능과 증강 현실이라는 첨단 기술을 동원한 만든 것입니다. 개발팀은 NVIDIA Tesla GPU가 장착된 시스템에서 cuDNN 가속 기반 PyTorch 딥러닝 프레임워크를 이용해 트레이닝했다고 합니다. Wannaby는 포부가 큰데요, 지금까지 우리가 알던 온라인 쇼핑의 한계를 뛰어넘는 사용자 경험을 제공할 것이라고 합니다. 인공 지능과 증강 현실이 소매(Retail) 업계에 새로운 경쟁을 일으킬 것 같네요. 소비자 측면에서 보면 경쟁은 더 나은 서비스와 사용자 경험 제공으로 이어지죠. Wannaby 같은 기업이 한국에도 있으면 좋겠다는 생각을 잠시 해봅니다. 상세 내용은 테크크런치 기사를 참조 바랍니다. #NVIDIA #TeslaGPU #GPU #온라인쇼핑 #사용자경험 #Pytorch #인공지능 #딥러닝 #증강현실

NVIDIA의 DGX-2 수퍼컴퓨터가 대학에서도 인기를 끌 것 같습니다. 최근 벨기에 앤트워프대학교(University of Antwerp)가 NVIDIA DGX-2를 도입했는데, 그 배경이 무척 흥미롭습니다. ​ 앤트워프대학교은 지난 몇 년간 CalcUA라는 이름의 수퍼컴퓨터를 운영했습니다. 성능은 240테라플롭스(teraflops) 정도였는데 꽤 오래 잘 써왔다고 합니다. 용도는 과학 연구였고, 학교 외에 기업에도 개방을 했다고 합니다. 산악연 과제를 같이 했을 듯싶네요. ​ 앤트워프대학교가 더 강력한 수퍼컴퓨터 도입을 원하게 된 이유는? 네, 인공 지능(AI) 열풍 때문이죠. AI 시대 기초 과학 연구 및 산학연 협력을 더 원활히 하려면 딥러닝을 위한 제대로 된 수퍼컴퓨터 환경이 필요하다고 판단한 앤트워프대학교는 DGX-2 도입을 과감하게 결정합니다. DGX-2는 크기는 작은 냉장고 사이즈입니다. 이 작은 시스템이 CPU와 GPU의 조화를 통해 뿜어내는 성능은 어머어마합니다. 전통적인 서버 300대가 있어야 가능한 초당 2페타플롭스(petaflops)의 성능을 보여줍니다. 참고로 DGX-2는 16개의 NVIDIA V100 GPU를 장착하고 있습니다. 앤트워프대학교 관계자는 DGX-2가 CalcUA 보다 약 8.3배 정도 성능이 높다고 보고 있습니다. 앤트워프대학교는 DGX-2가 떠 빠르고 효율적으로 딥러닝 트레이닝을 하고 AI 애플리케이션을 개발할 수 있는 길을 열어 줄 것으로 기대하고 있습니다. DGX-2는 다양한 프로젝트에 사용될 예정입니다. 앤트워프대학교는 교내 연구팀들 외에 지자체 및 업계와 연계한 다양한 프로젝트를 기획 중입니다. 이 중 하나인 말리리아 진단 관련 AI 프로젝트에 이미 DGX-2를 잘 쓰고 있다고 합니다. ​ DGX 시스템에 대한 더 자세한 내용은 uDNA 페이지를 참조 바랍니다. ​ #NVIDIA #DGX2 #GPU서버 #인공지능 #딥러닝 #수퍼컴퓨터 #유클릭 #말라리아진단

Ative Aanalytic 최근 데이터 처리와 분석에 대해 새로운 개념이 등장했습니다. Acitvie Analytics가 바로 그것인데요, 한국말로 옮기자면 더 적극적인 분석이라 표현할 수 있겠네요. 이 개념이 등장한 배경에는 Extreme Data가 자리하고 있습니다. 우리는 빅 데이터 시대를 넘어 현재 Extreme Data 시대로 향하고 있습니다. 단어가 주는 어감 차이에서 느껴지듯이 데이터의 양 측면에서 빅 데이터를 넘어서는 변화가 현재 일어나고 있죠. IoT와 5G는 이런 변화를 가속하고 있습니다. ​ 많은 기업이 데이터에서 새로운 미래를 찾는다는 말은 귀가 아프게 들어온 말이죠. 이를 위해 다양한 측면에서 투자가 이루어지고 있습니다. 기업들이 데이터를 다루는 방식을 바꾸고자 하는 이유는 무엇일까요? 전통적인 데이터 처리와 애플리케이션 개발 방식으로는 Acitvie Analytics를 실현하기 어렵기 때문입니다. ​ 전통적인 방식은 실시간 스트리밍 데이터와 과거 데이터를 동시에 처리하지 못합니다. 또한, 위치 기반 정보를 애플리케이션에 통합하기도 어렵습니다. 머신 러닝도 마찬가지죠. 가장 큰 걸림돌은 실시간 데이터, 과거 데이터, 위치 기반 정보, 머신 러닝 등 여러 기술을 각각이 아닌 하나의 합으로 만들어 Acitvie Analytics를 수행할 수 없다는 것입니다. ​ 그렇다면 Acitvie Analytics를 왜 하려고 하는 것일까요? 다음 영상을 보시죠. 자동차, 소매, 금융, 의료 등 우리를 둘러싼 모든 곳에서 Acitvie Analytics 기반 혁신이 일어나고 있습니다. 모든 것을 하나로 모아 Acitvie Analytics를 할 방법이 있다? 없다? 다행히 있습니다. GPU 가속 기반 데이터베이스 솔루션 기술로 유명한 Kinetica가 최근 Acitvie Analytics 플랫폼에 대한 구체적인 방향을 제시했습니다. 그 내용은 간단합니다. 비즈니스 의사결정을 실시간으로 내릴 수 있는 데이터 분석 기반 애플리케이션을 더 빨리 만들 수 있는 길을 제시하는 것입니다. 더 자세한 내용은 유클릭으로 문의하시면 자세히 안내해 드리겠습니다. ​ #Kinetica #키네티카 #유클릭 #빅데이터 #ExtremeData #ActiveAnalytics #실시간데이터

미국 에너지성(The U.S. Department of Energy) 산하 연구소 중 하나인 오크리지 국립 연구소(ORNL: Oak Ridge National Laboratory)이 최근 NVIDIA DGX-2 시스템을 도입했습니다. 그 이유는 머신 러닝 관련 작업을 위해서입니다. 관련해 앞으로 DGX-2를 어떻게 사용할지 연구원들의 기대가 큰가 봅니다. 관련해 블로그 포스트까지 친절하게 올렸네요. 참고로 ORNL은 세계 최고 수준의 수퍼컴퓨터를 보유한 기관입니다. 이 수퍼컴퓨터에는 2만 7,648개의 NVIDIA Tensor Core V100 GPU가 장착되어 있습니다. ​ 이번에 DGX-2를 도입한 이유는 200페타플롭스(Petaflops)의 무시무시한 성능을 자랑하는 연구소 수퍼컴퓨터를 사용하기 전에 연구원들이 부담 없이(?) 진행 중인 프로젝트를 돌려볼 수 있도록 하기 위함입니다. 연구원들을 위한 특별한 배려로 보이네요. 프로젝트 초기에는 이런저런 시행착오가 많죠. 이를 수퍼컴퓨터에 올려 돌려 보기에는 여러모로 불편하고 부담스럽습니다. 알고리즘을 짠 다음 충분히 검증해 가며 완성도를 높인 다음 수퍼컴퓨터에 올린다면 한결 마음이 가볍겠죠. 네, 이런 이유로 연구원들의 편의를 위해 ORNL에서 DGX-2를 도입한 것입니다. ​ 연구소 측면에서 봐도 DGX-2는 매우 유용합니다. 수퍼컴퓨터는 아무리 최강 성능을 보여준다 해도 연구원들이 공유해야 하는 한정된 자원입니다. DGX-2와 같이 수퍼컴퓨터 못지않은 성능을 보여주는 환경을 프로젝트 초기에 마음껏 이용할 수 있게 한다는 것은? 거꾸로 보면 수퍼컴퓨터라는 중요한 자원을 더 잘 활용하는 좋은 방법입니다. ​ 머신 러닝과 데이터 과학자들이 프로젝트 초반에 마치 개인 머신처럼 자유롭게 활용할 수 있는 환경을 마련하는 것이 어떤 의미와 효과를 제공하는지 보여주는 좋은 사례 같아 포스팅 올려 봤습니다. ​ #NVIDIA #GPU #수퍼컴퓨터 #DGX2 #머신러닝 #개발 #에너지 #연구소