KR20220035610A - 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템 및 방법 - Google Patents

파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템 및 방법 Download PDF

Info

Publication number
KR20220035610A
KR20220035610A KR1020200117567A KR20200117567A KR20220035610A KR 20220035610 A KR20220035610 A KR 20220035610A KR 1020200117567 A KR1020200117567 A KR 1020200117567A KR 20200117567 A KR20200117567 A KR 20200117567A KR 20220035610 A KR20220035610 A KR 20220035610A
Authority
KR
South Korea
Prior art keywords
module
machine learning
user terminal
pipeline
modules
Prior art date
Application number
KR1020200117567A
Other languages
English (en)
Inventor
강교석
박지선
Original Assignee
한화시스템 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한화시스템 주식회사 filed Critical 한화시스템 주식회사
Priority to KR1020200117567A priority Critical patent/KR20220035610A/ko
Publication of KR20220035610A publication Critical patent/KR20220035610A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Pipeline Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템 및 방법이 제공된다. 일 실시예에 따른 기계 학습 통합 플랫폼 제공 시스템은 복수의 재사용 모듈을 저장 및 관리하는 모듈 저장소; 사용자 단말의 요청에 따라, 상기 모듈 저장소에 저장된 상기 복수의 재사용 모듈 중 하나 이상을 제공하는 공유 허브; 및 상기 공유 허브로부터 제공된 상기 복수의 재사용 모듈 중 적어도 하나를 이용하여 기계 학습 워크플로우를 구성하는 사용자 단말을 포함한다.

Description

파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템 및 방법{SYSTEM AND METHOD FOR PROVIDING INTEGRATED MACHINE LEARNING PLATFORM BASED ON PIPELINE}
개시되는 실시예들은 기계 학습 통합 플랫폼 개발을 지원하기 위한 기술과 관련된다.
기계 학습 플랫폼이란 데이터 수집 및 처리, 학습 모델 개발, 기계 학습, 하이퍼 파라미터 튜닝, 학습 결과 검증, 서비스 배포 등을 통합하여 제공하기 위한 플랫폼을 의미한다. 기계 학습 플랫폼을 이용하면 기계 학습 모델을 개발하고 이를 서비스 형태로 배포하기 위한 다양한 과정을 하나의 플랫폼 내에서 처리할 수 있는 장점이 있다. 그러나 종래의 기계 학습 플랫폼의 경우 워크플로우를 구성하는 각 모듈의 결합도 및 종속성이 높아 기 개발된 모듈들의 수정 및 재사용이 어렵다는 문제점이 존재한다. 따라서, 기계 학습 모델의 개발 및 서비스 배포에 있어 생산성 및 효율성을 높이기 위한 기술적인 수단이 필요하게 되었다.
개시되는 실시예들은 기계 학습 통합 플랫폼 개발을 위한 각 단계들을 재사용 가능한 모듈로 제공하기 위한 기술적인 수단을 제공하기 위한 것이다.
예시적인 실시예에 따르면, 복수의 재사용 모듈을 저장 및 관리하는 모듈 저장소; 사용자 단말의 요청에 따라, 상기 모듈 저장소에 저장된 상기 복수의 재사용 모듈 중 하나 이상을 제공하는 공유 허브; 및 상기 공유 허브로부터 제공된 상기 복수의 재사용 모듈 중 적어도 하나를 이용하여 기계 학습 워크플로우를 구성하는 사용자 단말을 포함하는 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템이 제공된다.
상기 재사용 모듈은, 소스 코드 타입, 컨테이너 타입, 파이프라인 타입 중 어느 하나의 타입을 가질 수 있다.
상기 공유 허브는, 상기 사용자 단말로부터 상기 재사용 모듈에 대한 검색 요청이 수신되는 경우, 상기 사용자 단말의 접근 권한 및 상기 재사용 모듈 각각의 공개 범위에 기초하여 상기 사용자 단말로 상기 재사용 모듈의 검색 결과를 제공할 수 있다.
상기 기계 학습 워크플로우에 하나 이상의 신규 개발 모듈이 포함되어 있는 경우, 상기 사용자 단말은, 상기 하나 이상의 신규 개발 모듈 각각에 대한 업로드 여부 및 공개 범위를 입력받고, 업로드 대상 신규 개발 모듈 및 상기 업로드 대상 신규 개발 모듈의 공개 범위 정보를 상기 공유 허브로 송신할 수 있다.
상기 공유 허브는, 상기 사용자 단말로부터 수신되는 업로드 대상 신규 개발 모듈을 상기 모듈 저장소에 저장하고, 수신된 상기공개 범위 정보에 따라 저장된 모듈에 대한 공개 범위를 설정할 수 있다.
다른 예시적인 실시예에 따르면, 공유 허브에서, 단말의 요청에 따라 모듈 저장소에 저장된 복수의 재사용 모듈 중 하나 이상을 제공하는 단계; 및 사용자 단말에서, 상기 공유 허브로부터 제공된 상기 복수의 재사용 모듈 중 적어도 하나를 이용하여 기계 학습 워크플로우를 구성하는 단계를 포함하는 파이프라인 기반의 기계 학습 통합 플랫폼 제공 방법이 제공된다.
상기 재사용 모듈은, 소스 코드 타입, 컨테이너 타입, 파이프라인 타입 중 어느 하나의 타입을 가질 수 있다.
상기 복수의 재사용 모듈 중 하나 이상을 제공하는 단계는, 상기 사용자 단말로부터 상기 재사용 모듈에 대한 검색 요청을 수신하는 단계; 및 상기 사용자 단말의 접근 권한 및 상기 재사용 모듈 각각의 공개 범위에 기초하여 상기 사용자 단말로 상기 재사용 모듈의 검색 결과를 제공하는 단계를 더 포함할 수 있다.
상기 기계 학습 워크플로우에 하나 이상의 신규 개발 모듈이 포함되어 있는 경우, 상기 사용자 단말은, 상기 하나 이상의 신규 개발 모듈 각각에 대한 업로드 여부 및 공개 범위를 입력받고, 업로드 대상 신규 개발 모듈 및 상기 업로드 대상 신규 개발 모듈의 공개 범위 정보를 상기 공유 허브로 송신할 수 있다.
상기 공유 허브는, 상기 사용자 단말로부터 수신되는 업로드 대상 신규 개발 모듈을 상기 모듈 저장소에 저장하고, 수신된 상기공개 범위 정보에 따라 저장된 모듈에 대한 공개 범위를 설정할 수 있다.
개시되는 실시예들에 따르면 기계 학습 통합 플랫폼 개발을 위한 각 단계들을 재사용 가능한 모듈 형태로 제공함으로써 전체 파이프라인 개발 단계의 생산성 및 효율성을 높일 수 있다.
도 1은 일 실시예에 따른 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템(100)을 설명하기 위한 블록도
도 2는 일 실시예에 따른 공유 허브(104)에서 재사용 모듈을 검색하기 위한 검색 화면(200)을 설명하기 위한 예시도
도 3은 일 실시예에 따른 공유 허브(104)에서 검색된 재사용 모듈의 상세 정보를 열람하기 위한 화면(300)을 설명하기 위한 예시도
도 4는 다른 실시예에 따른 공유 허브(104)에서 검색된 재사용 모듈의 상세 정보를 열람하기 위한 화면(400)을 설명하기 위한 예시도
도 5는 도 4의 상세 정보 열람 화면(400)에서 복사된 엔드포인트 URL을 개발 중인 워크플로우에 적용하는 예를 나타낸 예시도
도 6은 일 실시예에 따라 단말(106)에서 구성한 기계 학습 워크플로우를 설명하기 위한 예시도
도 7은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
도 1은 일 실시예에 따른 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템(100)을 설명하기 위한 블록도이다. 일 실시예에 따른 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템(100)은 데이터 처리, 데이터의 탐색 및 분석, 기계 학습 모델 개발, 개발된 모델의 서비스 배포에 이르는 기계 학습 통합 플랫폼에 관한 것으로서, 기계 학습 워크플로우를 구성하는 각 단계를 모듈화하여 재사용 가능한 소프트웨어 컴포넌트로 구성함으로써 기계 학습 모델의 개발에 있어 효율성 및 생산성을 향상하기 위한 시스템이다. 개시되는 실시예들에서 재사용 가능 모듈은 소스 코드 형태, 컨테이너(예를 들어, 도커 컨테이너 등) 형태 및 파이프라인 형태를 포함한다. 사용자는 기계 학습 통합 플랫폼 제공 시스템(100)을 통하여 기계 학습 모델의 개발 및 배포에 필요한 재사용 가능 모듈을 검색하고 이를 이용하여 다양한 워크플로우를 구성함으로써 개발 소요 시간의 단축 및 분석 결과물의 정확도 향상을 달성할 수 있다.
도 1에 도시된 바와 같이, 일 실시예에 따른 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템(100)은 모듈 저장소(104) 및 공유 허브(104)를 포함한다.
모듈 저장소(102)는 단말(106)로부터 업로드된 다양한 형태의 재사용 모듈들을 저장 및 관리한다. 개시되는 실시예들에서, 재사용 모듈이란 기계 학습 워크플로우를 구성하는 특정 기능을 수행하는 일종의 소프트웨어 컴포넌트를 의미한다. 재사용 모듈은 소스 코드 타입, 컨테이너 타입, 파이프라인 타입 중 어느 하나의 타입을 가질 수 있다. 이 중 소스 코드 타입은 텍스트 형태의 코드로서 단말(106)의 통합 개발 환경(Jupyter Notebook, Jupyterlab) 등으로 임포트(import)하여 사용할 수 있으며, 필요한 경우 사용자가 편집을 통해 코드를 유연하게 수정할 수 있다. 컨테이너 타입은 엔드포인트 URL 형태로 제공되며, 사용자는 컨테이너의 입력 매개변수를 확인한 후, 제공되는 URL을 통합 개발 환경에 삽입함으로써 즉시 해당 모듈을 사용할 수 있다. 또한 파이프라인 형태의 재사용 모듈은 하나 이상의 소스 코드 또는 컨테이너 간의 연계 정보를 포함하는 모듈을 나타낸다.
일 실시예에서, 모듈 저장소(102)는 파일 스토리지 및 도커 레지스트리로 구분될 수 있다. 이 중 파일 스토리지는 소스 코드 및 파이프라인 타입의 재사용 모듈이, 도커 레지스트리(112)는 컨테이너 타입의 재사용 모듈이 각각 저장될 수 있다.
다음으로 공유 허브(104)는 단말(106)의 요청에 따라, 모듈 저장소(102)에 저장된 복수의 재사용 모듈 중 하나 이상을 단말(106)로 제공한다. 또한 공유 허브(104)는 단말(106)로부터 새로운 재사용 모듈이 업로드되는 경우, 해당 재사용 모듈을 모듈 저장소(102)에 저장하여 타 단말에 의해 재사용될 수 있도록 한다. 이를 위하여, 공유 허브(104)는 재사용 모듈을 검색하고 다운로드하며, 새로운 재사용 모듈을 업로드하기 위한 사용자 인터페이스를 포함할 수 있다.
단말(106)은 기계 학습 통합 플랫폼 제공 시스템(100)을 이용하여 기계 학습 모델을 개발하기 위한 장치이다. 일 실시예에서, 단말(106)은 공유 허브(104)로부터 제공된 복수의 재사용 모듈 중 적어도 하나를 이용하여 기계 학습 워크플로우를 구성할 수 있다. 단말(106)은 기계 학습 통합 플랫폼 제공 시스템(100)과 네트워크(108)를 통해 연결되며, 기계 학습 통합 플랫폼 제공 시스템(100)으로 공유 대상 재사용 모듈을 업로드하거나, 또는 기계 학습 통합 플랫폼 제공 시스템(100)에 기 저장된 재사용 모듈을 다운로드할 수 있다. 일 실시예에서, 단말(106)은 데스크탑 컴퓨터, 노트북 컴퓨터, 태블릿, 스마트폰 등 다양한 종류의 사용자 디바이스를 포함할 수 있다.
일 실시예에서, 기계 학습 통합 플랫폼 제공 시스템(100) 및 단말(106)은 네트워크(108)를 통해 연결될 수 있다. 몇몇 실시예들에서, 네트워크(108)는 인터넷, 하나 이상의 로컬 영역 네트워크(local area networks), 광역 네트워크(wide area networks), 셀룰러 네트워크, 모바일 네트워크, 그 밖에 다른 종류의 네트워크들, 또는 이러한 네트워크들의 조합을 포함할 수 있다.
일 실시예에서, 일 실시예에서, 공유 허브(104)는 단말(106)로부터 제공된 특정 타입의 재사용 모듈을 다른 타입으로 변환하는 기능을 제공할 수 있다. 앞서 설명한 바와 같이, 예를 들어, 공유 허브(104)가 소스 코드 타입의 재사용 모듈을 단말(106)로부터 수신한 경우, 공유 허브(104)는 이를 컨테이너 타입 또는 파이프라인 타입으로 변환할 수 있다. 이때 변환할 타입은 단말(106)로부터 지정된 것일 수 있다. 공유 허브(104)는 변환된 재사용 모듈을 모듈 저장소(102)에 저장할 수 있다.
도 2는 일 실시예에 따른 공유 허브(104)에서 재사용 모듈을 검색하기 위한 검색 화면(200)을 설명하기 위한 예시도이다. 일 실시예에서, 공유 허브(104)는 사용자가 재사용 모듈을 검색하고 필요한 재사용 모듈을 다운로드하기 위한 화면 인터페이스를 단말(106)에 출력할 수 있다. 도시된 화면 인터페이스는 검색 창(202) 및 검색 결과 화면(204)을 포함할 수 있다. 단말(106)의 사용자는 위 인터페이스를 통하여 기계 학습 워크플로우를 구성하는 데 필요한 재사용 모듈을 검색할 수 있다.
공유 허브(104)는, 단말(106)로부터 상기 재사용 모듈에 대한 검색 요청이 수신되는 경우, 해당 단말(106)의 접근 권한 및 상기 재사용 모듈 각각의 공개 범위를 고려하여 단말(106)로 재사용 모듈의 검색 결과를 제공할 수 있다. 상기 검색 결과는 화면 인터페이스의 검색 결과 화면(204)에 표시될 수 있다. 사용자는 표시된 검색 결과 중 특정 재사용 모듈을 선택하여 해당 모듈의 상세 정보를 열람할 수 있다.
도 3은 일 실시예에 따른 공유 허브(104)에서 검색된 재사용 모듈의 상세 정보를 열람하기 위한 화면(300)을 설명하기 위한 예시도이다. 개시된 화면 인터페이스는 파이프라인 형태의 재사용 모듈을 열람하기 위한 화면을 예시한 것이다. 도시된 바와 같이, 파이프라인 모듈의 상세 정보 열람 화면은 파이프라인을 시각적으로 표현하기 위한 다이어그램(302)을 포함한다. 상기 다이어그램(302)은 소스 코드 또는 컨테이너 형태의 모듈(304) 간의 연결 관계를 나타낸다. 또한 개시된 화면 인터페이스는 해당 재사용 모듈을 파일 형태로 다운로드하거나, 또는 현재 개발 중인 기계 학습 워크플로우에 적용하기 위한 버튼(306)을 포함할 수 있다.
도 4는 다른 실시예에 따른 공유 허브(104)에서 검색된 재사용 모듈의 상세 정보를 열람하기 위한 화면(400)을 설명하기 위한 예시도이다. 개시된 화면 인터페이스는 도커 컨테이너 형태의 재사용 모듈을 열람하기 위한 화면을 예시한 것이다. 도시된 바와 같이, 도커 컨테이너 형태의 재사용 모듈의 상세 정보 열람 화면은 컨테이너를 구성하는 소프트웨어 컴포넌트의 소스 코드를 포함한다. 사용자는 해당 소스 코드를 통해 선택된 컨테이너의 상세 구성을 파악하고, 필요한 경우 URL 복사 버튼(402, Copy Registry URL)을 선택하여 해당 컨테이너를 개발 중인 워크플로우에 적용하는 데 필요한 엔드포인트 URL을 복사할 수 있다.
도 5는 도 4의 상세 정보 열람 화면(400)에서 복사된 엔드포인트 URL을 개발 중인 워크플로우에 적용하는 예를 나타낸 예시도이다. 도시된 바와 같이, 컨테이너의 엔드포인트 URL은 다음과 같은 형태를 가질 수 있으며, 사용자는 이와 같은 URL을 삽입하는 것 만으로 해당 컨테이너를 바로 적용할 수 있다.
image='rnd.co.kr/random_forest_cla:0.0.4'
image='rnd.hsnc.co.kr/pytorch-test-predict:0.0.13',
도 6은 일 실시예에 따라 단말(106)에서 구성한 기계 학습 워크플로우를 설명하기 위한 예시도이다. 도시된 바와 같이, 일 실시예에 따른 기계 학습 워크플로우는 복수 개의 모듈들이 연결될 형태로 개발될 수 있다. 도시된 모듈 중 재사용 모듈은 전술한 과정을 거쳐 공유 허브(104)를 통해 제공된 것이며, 신규 개발 모듈은 사용자가 직접 개발하거나, 또는 기 다운로드된 재사용 모듈을 수정하여 생성한 것이다.
사용자 단말(106)에서 생성된 기계 학습 워크플로우에 하나 이상의 신규 개발 모듈이 포함되어 있는 경우, 단말(106)은 신규 개발 모듈 각각에 대한 업로드 여부(업로드 허용 또는 거부) 및 공개 범위(전체 공개 또는 일부 공개 등)를 입력받고, 업로드 대상 신규 개발 모듈 및 상기 업로드 대상 신규 개발 모듈의 공개 범위 정보를 공유 허브(104)로 송신한다. 그러면 공유 허브(104)는 단말(106)로부터 수신되는 업로드 대상 신규 개발 모듈을 모듈 저장소(102)에 저장하고, 수신된 상기 공개 범위 정보에 따라 저장된 모듈에 대한 공개 범위를 설정하게 된다.
도 7은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되지 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 본 발명의 실시예들에 따른 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템(100)일 수 있다. 컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(102)와 연결될 수도 있다.
한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램, 및 상기 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나, 또는 컴퓨터 소프트웨어 분야에서 통상적으로 사용 가능한 것일 수 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 프로그램의 예는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템
102: 모듈 저장소
104: 공유 허브
106: 단말
202: 검색창
204: 검색 결과 화면
302: 파이프라인 다이어그램
304: 파이프라인 구성 모듈
306: 다운로드 버튼
308: URL 복사 버튼

Claims (10)

  1. 복수의 재사용 모듈을 저장 및 관리하는 모듈 저장소;
    사용자 단말의 요청에 따라, 상기 모듈 저장소에 저장된 상기 복수의 재사용 모듈 중 하나 이상을 제공하는 공유 허브; 및
    상기 공유 허브로부터 제공된 상기 복수의 재사용 모듈 중 적어도 하나를 이용하여 기계 학습 워크플로우를 구성하는 사용자 단말을 포함하는 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템.
  2. 청구항 1에 있어서,
    상기 재사용 모듈은, 소스 코드 타입, 컨테이너 타입, 파이프라인 타입 중 어느 하나의 타입을 가지는, 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템.
  3. 청구항 1에 있어서,
    상기 공유 허브는, 상기 사용자 단말로부터 상기 재사용 모듈에 대한 검색 요청이 수신되는 경우,
    상기 사용자 단말의 접근 권한 및 상기 재사용 모듈 각각의 공개 범위에 기초하여 상기 사용자 단말로 상기 재사용 모듈의 검색 결과를 제공하는, 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템.
  4. 청구항 1에 있어서,
    상기 기계 학습 워크플로우에 하나 이상의 신규 개발 모듈이 포함되어 있는 경우,
    상기 사용자 단말은, 상기 하나 이상의 신규 개발 모듈 각각에 대한 업로드 여부 및 공개 범위를 입력받고, 업로드 대상 신규 개발 모듈 및 상기 업로드 대상 신규 개발 모듈의 공개 범위 정보를 상기 공유 허브로 송신하는, 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템.
  5. 청구항 4에 있어서,
    상기 공유 허브는, 상기 사용자 단말로부터 수신되는 업로드 대상 신규 개발 모듈을 상기 모듈 저장소에 저장하고,
    수신된 상기공개 범위 정보에 따라 저장된 모듈에 대한 공개 범위를 설정하는, 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템.
  6. 공유 허브에서, 단말의 요청에 따라 모듈 저장소에 저장된 복수의 재사용 모듈 중 하나 이상을 제공하는 단계; 및
    사용자 단말에서, 상기 공유 허브로부터 제공된 상기 복수의 재사용 모듈 중 적어도 하나를 이용하여 기계 학습 워크플로우를 구성하는 단계를 포함하는 파이프라인 기반의 기계 학습 통합 플랫폼 제공 방법.
  7. 청구항 6에 있어서,
    상기 재사용 모듈은, 소스 코드 타입, 컨테이너 타입, 파이프라인 타입 중 어느 하나의 타입을 가지는, 파이프라인 기반의 기계 학습 통합 플랫폼 제공 방법.
  8. 청구항 6에 있어서,
    상기 복수의 재사용 모듈 중 하나 이상을 제공하는 단계는,
    상기 사용자 단말로부터 상기 재사용 모듈에 대한 검색 요청을 수신하는 단계; 및
    상기 사용자 단말의 접근 권한 및 상기 재사용 모듈 각각의 공개 범위에 기초하여 상기 사용자 단말로 상기 재사용 모듈의 검색 결과를 제공하는 단계를 더 포함하는, 파이프라인 기반의 기계 학습 통합 플랫폼 제공 방법.
  9. 청구항 6에 있어서,
    상기 기계 학습 워크플로우에 하나 이상의 신규 개발 모듈이 포함되어 있는 경우,
    상기 사용자 단말은, 상기 하나 이상의 신규 개발 모듈 각각에 대한 업로드 여부 및 공개 범위를 입력받고, 업로드 대상 신규 개발 모듈 및 상기 업로드 대상 신규 개발 모듈의 공개 범위 정보를 상기 공유 허브로 송신하는, 파이프라인 기반의 기계 학습 통합 플랫폼 제공 방법.
  10. 청구항 9에 있어서,
    상기 공유 허브는, 상기 사용자 단말로부터 수신되는 업로드 대상 신규 개발 모듈을 상기 모듈 저장소에 저장하고,
    수신된 상기공개 범위 정보에 따라 저장된 모듈에 대한 공개 범위를 설정하는, 파이프라인 기반의 기계 학습 통합 플랫폼 제공 방법.
KR1020200117567A 2020-09-14 2020-09-14 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템 및 방법 KR20220035610A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200117567A KR20220035610A (ko) 2020-09-14 2020-09-14 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200117567A KR20220035610A (ko) 2020-09-14 2020-09-14 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20220035610A true KR20220035610A (ko) 2022-03-22

Family

ID=80988074

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200117567A KR20220035610A (ko) 2020-09-14 2020-09-14 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20220035610A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230153784A (ko) 2022-04-29 2023-11-07 주식회사 데브스택 워크플로우 기반의 기계학습 파이프라인 생성 및 관리 시스템 및 그 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230153784A (ko) 2022-04-29 2023-11-07 주식회사 데브스택 워크플로우 기반의 기계학습 파이프라인 생성 및 관리 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
EP3605324B1 (en) Application development method and tool, and storage medium thereof
US9928050B2 (en) Automatic recognition of web application
US10877938B2 (en) Dynamically synching elements in file
US10481884B2 (en) Systems and methods for dynamically replacing code objects for code pushdown
US11667033B2 (en) Systems and methods for robotic process automation
US20240045850A1 (en) Systems and methods for database orientation transformation
CN111221521A (zh) 日志代码的生成方法、装置、计算机系统和可读存储介质
CN105573734B (zh) 一种用于提供sdk文件的方法与设备
US11334472B2 (en) Automated testing for metadata-driven custom applications
US20230095180A1 (en) Question answering information completion using machine reading comprehension-based process
US10902046B2 (en) Breaking down a high-level business problem statement in a natural language and generating a solution from a catalog of assets
RU2639667C2 (ru) Контекстное приглашение в пробной версии приложения
CN116450107B (zh) 低代码平台二次开发软件的方法、装置、电子设备
US9697037B2 (en) Tagging virtual machine instances based on commands
US10514940B2 (en) Virtual application package reconstruction
US10705824B2 (en) Intention-based command optimization
KR20220035610A (ko) 파이프라인 기반의 기계 학습 통합 플랫폼 제공 시스템 및 방법
US20220342802A1 (en) Automated testing for metadata-driven custom applications
Buck Woody et al. Data Science with Microsoft SQL Server 2016
US20120204159A1 (en) Methods and System for Managing Assets in Programming Code Translation
Rodriguez et al. Reducing efforts in web services refactoring
US20230153537A1 (en) Automatic data domain identification
US20120131537A1 (en) Reusing expression graphs in computer programming languages
CN118410133A (zh) 用于数字助手创建的方法、装置、设备和存储介质
CN116243961A (zh) 版本文件的处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20200914

PA0201 Request for examination
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20220221

Patent event code: PE09021S01D

PG1501 Laying open of application
E601 Decision to refuse application
PE0601 Decision on rejection of patent

Patent event date: 20220426

Comment text: Decision to Refuse Application

Patent event code: PE06012S01D

Patent event date: 20220221

Comment text: Notification of reason for refusal

Patent event code: PE06011S01I