KR20230166230A - Artificial Intelligence Cloud Platform Service System and Method therefor - Google Patents
Artificial Intelligence Cloud Platform Service System and Method therefor Download PDFInfo
- Publication number
- KR20230166230A KR20230166230A KR1020220065894A KR20220065894A KR20230166230A KR 20230166230 A KR20230166230 A KR 20230166230A KR 1020220065894 A KR1020220065894 A KR 1020220065894A KR 20220065894 A KR20220065894 A KR 20220065894A KR 20230166230 A KR20230166230 A KR 20230166230A
- Authority
- KR
- South Korea
- Prior art keywords
- app
- conversion
- source
- python
- learning model
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 108
- 238000012795 verification Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/151—Transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/44—Encoding
- G06F8/447—Target code generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/38—Concurrent instruction execution, e.g. pipeline or look ahead
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/38—Concurrent instruction execution, e.g. pipeline or look ahead
- G06F9/3877—Concurrent instruction execution, e.g. pipeline or look ahead using a slave processor, e.g. coprocessor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/547—Remote procedure calls [RPC]; Web services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45591—Monitoring or debugging support
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Stored Programmes (AREA)
Abstract
본 발명은 인공지능 클라우드 플랫폼 서비스 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 서버에서 실행되는 파이썬 인공지능 프로그램 소스를 웹브라우저에서 실행할 수 있도록 자바스크립트로 변환해주는 인공지능 클라우드 플랫폼 서비스 시스템 및 그 방법에 관한 것이다.
본 발명의 실시예에 따른 인공지능 클라우드 플랫폼 서비스 시스템은, 웹브라우저를 통해 클라우드 서버에 접속되어 파이썬 소스와 학습모델을 업로드하고, 업로드된 파이썬 소스와 학습모델의 앱변환을 요청하며, 상기 클라우드 서버의 앱변환 서비스부로부터 변환앱을 다운로드 받아 실행하는 사용자(클라이언트) 단말과, 상기 파이썬 소스를 GPU 노드와 CPU 노드로 분산저장하고, 저장된 파이썬 소스를 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스와 학습모델에 대한 작동이 정상인지 검증을 하며, 파이썬 코드와 학습모델을 변환해서 변환앱으로 등록하여 등록된 변환앱을 이용하여 사용자(클라이언트) 단말에서 실행되는 앱을 제공하는 클라우드 서버를 포함하여 구성된다.The present invention relates to an artificial intelligence cloud platform service system and method, and more specifically, to an artificial intelligence cloud platform service system and method that converts Python artificial intelligence program source running on a server into JavaScript so that it can be executed in a web browser. It's about.
The artificial intelligence cloud platform service system according to an embodiment of the present invention connects to a cloud server through a web browser, uploads Python source and learning model, requests app conversion of the uploaded Python source and learning model, and requests the cloud server to convert the uploaded Python source and learning model into an app. A user (client) terminal that downloads and runs the conversion app from the app conversion service department, distributes the Python source to GPU nodes and CPU nodes, and runs the stored Python source in the GPU area and CPU area respectively to create the Python source and Configured to include a cloud server that verifies whether the learning model is operating normally, converts the Python code and learning model, registers it as a conversion app, and provides an app that runs on the user (client) terminal using the registered conversion app. do.
Description
본 발명은 인공지능 클라우드 플랫폼 서비스 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 서버에서 실행되는 파이썬 인공지능 프로그램 소스를 웹브라우저에서 실행할 수 있도록 자바스크립트로 변환해주는 인공지능 클라우드 플랫폼 서비스 시스템 및 그 방법에 관한 것이다.The present invention relates to an artificial intelligence cloud platform service system and method, and more specifically, to an artificial intelligence cloud platform service system and method that converts Python artificial intelligence program source running on a server into JavaScript so that it can be executed in a web browser. It's about.
인공 신경망(Artificial Neural Network, ANN)은 인간의 뇌를 구성하고 있는 뉴런들을 수학적으로 모델링한 인공 뉴런들을 서로 연결하여 인공 지능을 구현한 것이다.Artificial Neural Network (ANN) implements artificial intelligence by connecting artificial neurons that mathematically model the neurons that make up the human brain.
상기 ANN의 한 형태인 심층 신경망(Deep neural network, DNN)은 입력층(Input layer)과 출력층(output layer) 사이에 다중의 은닉층(hidden layer)을 포함하는 인공 신경망(ANN: Artificial Neural Network)이며, 인공 뉴런(노드)들이 계층화된 네트워크 구조(Layered network architecture)를 갖는다.A deep neural network (DNN), a form of the ANN, is an artificial neural network (ANN) that includes multiple hidden layers between an input layer and an output layer. , artificial neurons (nodes) have a layered network architecture.
심층 신경망은 알고리즘에 따라 비지도 학습 방법(Unsupervised learning)을 기반으로 하는 심층 신뢰 신경망(DBN: Deep Belief Network), 심층 오토인코더(Deep autoencoder) 등이 있고, 이미지 데이터 처리를 위한 합성곱 신경망(CNN: Convolutional Neural Network), 시계열 데이터 처리를 위한 순환 신경망(RNN: Recurrent Neural Network) 등이 있다.Depending on the algorithm, deep neural networks include deep belief network (DBN) and deep autoencoder based on unsupervised learning, and convolutional neural network (CNN) for image data processing. : Convolutional Neural Network), Recurrent Neural Network (RNN) for time series data processing, etc.
최근 인공 신경망을 이용한 다양한 서비스들이 웹상에서 구현이 되고 있다.Recently, various services using artificial neural networks are being implemented on the web.
그 방식은 서버-클라이언트 구조로서 웹에서 서버의 API(Application Programming Interface)를 이용하여 인공지능 기능을 호출하면 서버에서 그에 해당하는 파이썬(Python) 프로그램이 작동을 한 후, 그 결과와 결과 파일의 위치를 웹브라우저에게 응답을 하고, 웹 프로그램에서는 그 결과를 화면에 출력하는 형식이 보편적이다.The method is a server-client structure. When an artificial intelligence function is called using the server's API (Application Programming Interface) on the web, the corresponding Python program runs on the server, and then the result and the location of the result file are displayed. It is common in web programs to send a response to a web browser and output the result on the screen.
그러나 위와 같은 방식은 그래픽 카드 GPU(Graphics Processing Unit)의 성능을 요청하는 경우가 다수일 경우, 비용 문제와 속도 문제, 그리고 무한정 여러 요청을 동시에 수용하는데 있어서 자원의 문제가 발생한다.However, in the case where the above method requests the performance of the graphics card GPU (Graphics Processing Unit) in many cases, cost problems, speed problems, and resource problems arise in simultaneously accepting an infinite number of requests.
본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로서, 웹브라우저에서도 인공지능이 실행될 수 있도록, 기존에 구현된 파이썬 프로그램 소스를 자바스크립트 소스로 변환하여 비싼 서버 방식의 인공지능 플랫폼 대신, 개인이 가진 그래픽 카드를 이용하여 웹브라우저 상에서 같은 기능을 가진 자바스크립트 인공지능 프로그램으로 변환 구현하여, 파이썬으로 되어 있는 인공지능 프로그램을 웹클라이언트의 GPU를 사용하는 클라이언트 기반의 프로그램으로의 변환함으로써, 비용, 속도, 리소스 문제들을 한번에 해결할 수 있는 인공지능 클라우드 플랫폼 서비스 시스템 및 그 방법을 제공하는데 그 목적이 있다.The present invention was created to solve the above-mentioned problems, and converts the existing Python program source into JavaScript source so that artificial intelligence can be executed in a web browser, so that instead of an expensive server-type artificial intelligence platform, an individual's own By converting and implementing a JavaScript artificial intelligence program with the same function on a web browser using a graphics card, and converting an artificial intelligence program in Python into a client-based program that uses the GPU of a web client, cost, speed, The purpose is to provide an artificial intelligence cloud platform service system and method that can solve resource problems at once.
본 명세서는 상기 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.This specification is not limited to the above-mentioned tasks, and other tasks not mentioned will be clearly understood by those skilled in the art from the description below.
상술한 목적을 달성하기 위한 본 발명의 실시예에 따른 인공지능 클라우드 플랫폼 서비스 시스템은, 웹브라우저를 통해 클라우드 서버에 접속되어 파이썬 소스와 학습모델을 업로드하고, 업로드된 파이썬 소스와 학습모델의 앱변환을 요청하는 앱소스 등록부와, 상기 클라우드 서버의 앱변환 서비스부로부터 변환앱을 다운로드 받아 실행하는 변환앱 실행 서비스부를 구비하는 사용자(클라이언트) 단말; 및The artificial intelligence cloud platform service system according to an embodiment of the present invention to achieve the above-described purpose connects to a cloud server through a web browser, uploads Python source and learning model, and converts the uploaded Python source and learning model into an app. A user (client) terminal including an app source registration unit that requests an app conversion service unit and a conversion app execution service unit that downloads and executes the conversion app from the app conversion service unit of the cloud server; and
상기 파이썬 소스를 GPU 노드와 CPU 노드로 분산저장하고, 저장된 파이썬 소스를 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스와 학습모델에 대한 작동이 정상인지 검증을 하며, 파이썬 코드와 학습모델을 변환해서 변환앱으로 등록하여 등록된 변환앱을 이용하여 사용자(클라이언트) 단말에서 실행되는 앱을 제공하는 앱변환 서비스부를 구비하는 클라우드 서버;The Python source is distributed and stored in GPU nodes and CPU nodes, the stored Python source is run in the GPU area and CPU area respectively to verify that the Python source and learning model are operating normally, and the Python code and learning model are converted. A cloud server provided with an app conversion service unit that registers as a conversion app and provides an app that runs on a user (client) terminal using the registered conversion app;
를 포함하여 구성된다.It is composed including.
또한, 상기 앱변환 서비스부는 파이썬 인공지능 프로그램 소스를 웹브라우저에서 실행할 수 있도록 자바스크립트로 변환해주는 것을 특징으로 한다.In addition, the app conversion service unit converts the Python artificial intelligence program source into JavaScript so that it can be executed in a web browser.
또한, 상기 앱소스 등록부는 다양한 학습모델과 함께 각종 예측을 하는 파이썬 소스를 업로드하는 앱소스 업로드부와,In addition, the app source registration unit includes an app source upload unit that uploads Python sources that make various predictions along with various learning models,
상기 파이썬 소스와 학습모델 및 실행에 대한 여러 설명이 들어간 메타데이터를 입력할 수 있도록 하는 앱소스 설명부와,An app source description section that allows you to enter metadata containing various descriptions of the Python source, learning model, and execution,
상기 앱소스 설명부를 통해 앱변환 요청자와의 비용 동의, 수익배분 동의 부분이 들어가도록 하는 앱소스 기록부를 구비하는 것을 특징으로 한다.It is characterized by having an app source record book that allows the cost agreement and profit distribution agreement with the app conversion requester to be entered through the app source description section.
또한, 상기 앱변환 서비스부는 사용자 단말에서 업로드된 파이썬 소스와 그 학습모델을 저장하여 사용자의 원 소스파일을 관리하는 앱 관리부와,In addition, the app conversion service unit includes an app management unit that stores the Python source and its learning model uploaded from the user terminal and manages the user's original source file;
상기 앱 관리부에 저장된 소스를 도커 컨테이너(Docker Container)화 하여 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스에 대한 검증을 수행하는 앱 검증부와,An app verification unit that converts the source stored in the app management unit into a Docker container and runs it in the GPU area and CPU area respectively to verify the Python source;
상기 앱 검증부를 통한 작동이 정상적일 경우 소스와 학습모델을 클라이언트 단말용으로 변환하여 생성하고, 생성된 자바스크립트 소스와 변환 학습모델을 변환앱 데이터베이스에 저장하는 앱 변환부와,If the operation of the app verification unit is normal, an app conversion unit that converts and generates the source and learning model for a client terminal and stores the generated JavaScript source and converted learning model in the conversion app database;
상기 변환앱 데이터베이스에 저장된 변환앱 목록들을 사용자 단말의 요청에 의해 제공하고 관리하는 변환앱 관리부를 구비하는 것을 특징으로 한다.It is characterized by comprising a conversion app management unit that provides and manages the conversion app list stored in the conversion app database upon request from the user terminal.
또한, 상기 변환앱 데이터베이스에는 사용자별로 변환앱이 저장 및 관리되고 사용자별로 변환앱의 실행 결과가 기록되는 것을 특징으로 한다.In addition, the conversion app database stores and manages conversion apps for each user and records execution results of the conversion app for each user.
그리고 상기 변환앱 실행 서비스부는 클라우드 서버에서 클라이언트용으로 변환된 변환앱과 변환된 학습모델에 대한 다운로드를 요청하여 이를 다운로드하고 메모리에 로드하는 변환앱 다운로드부와,And the conversion app execution service unit requests a download of the conversion app and the converted learning model converted for the client from the cloud server, downloads them, and loads them into memory;
상기 변환앱 다운로드부로부터 웹브라우저용 실행 소스(변환앱)와 학습모델을 수신하여 웹 뷰어로 출력하고, 클라우드 서버상에서 실행되던 파이썬 코드를 클라이언트 웹브라우저상에서 실행되도록 하는 변환앱 실행부를 구비하는 것을 특징으로 한다.It is characterized by a conversion app execution unit that receives the execution source (conversion app) and learning model for a web browser from the conversion app download unit, outputs them to a web viewer, and allows the Python code running on the cloud server to be executed on the client web browser. Do it as
본 발명의 실시예에 따른 인공지능 클라우드 플랫폼 서비스 방법은, 사용자(클라이언트) 단말에서 웹브라우저를 통해 클라우드 서버에 접속하여 파이썬 소스와 학습모델을 업로드하고, 업로드된 파이썬 소스와 학습모델의 앱변환을 요청하는 단계;The artificial intelligence cloud platform service method according to an embodiment of the present invention connects the user (client) terminal to the cloud server through a web browser, uploads Python source and learning model, and converts the uploaded Python source and learning model into an app. requesting step;
상기 클라우드 서버에서 파이썬 소스를 GPU 노드와 CPU 노드로 분산저장하고, 저장된 파이썬 소스를 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스와 학습모델에 대한 작동이 정상인지 검증을 하며, 파이썬 코드와 학습모델을 변환해서 변환앱으로 등록하는 단계; 및In the cloud server, the Python source is distributed and stored to GPU nodes and CPU nodes, and the stored Python source is run in the GPU area and CPU area respectively to verify whether the Python source and learning model are operating normally, and the Python code and learning model are verified. Step of converting and registering as a conversion app; and
상기 사용자(클라이언트) 단말에서 웹브라우저를 통해 클라우드 서버에 접속하여 변환앱을 다운로드 받아 실행하는 단계;Connecting to a cloud server through a web browser on the user (client) terminal to download and execute the conversion app;
를 포함하여 구성된다.It is composed including.
상술한 과제의 해결 수단에 의하면, 사용자가 값비싼 서버의 GPU를 사용하지 않고 클라이언트 웹상에서 실행이 가능하게 함으로써, 다양한 앱이 웹상에서 구동 가능해져서 인공지능 앱시장을 촉진할 수 있다.According to the solution to the above-mentioned problem, by allowing users to run on the client web without using expensive server GPUs, various apps can be run on the web, thereby promoting the artificial intelligence app market.
또한, 대부분 개발되는 파이썬 코드는 웹상에서 직접 실행이 불가능 하기에 이를 이용하면 웹상에서 실행되도록 변환해주는 플랫폼 시스템을 제공할 수 있다.In addition, since most developed Python codes cannot be executed directly on the web, it is possible to provide a platform system that converts them to run on the web.
도 1은 본 발명의 실시예에 따른 인공지능 클라우드 플랫폼 서비스 시스템의 전체 구성을 나타낸 블록도이다.
도 2는 도 1에 나타낸 각 구성부의 상세 구성을 나타낸 블록도이다.
도 3은 도 2에 나타낸 상세 구성부의 동작을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 인공지능 클라우드 플랫폼 서비스 방법을 나타내는 순서도이다.Figure 1 is a block diagram showing the overall configuration of an artificial intelligence cloud platform service system according to an embodiment of the present invention.
FIG. 2 is a block diagram showing the detailed configuration of each component shown in FIG. 1.
FIG. 3 is a diagram for explaining the operation of the detailed components shown in FIG. 2.
Figure 4 is a flowchart showing an artificial intelligence cloud platform service method according to an embodiment of the present invention.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.The terms used in this specification will be briefly explained, and the present invention will be described in detail.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.The terms used in the present invention are general terms that are currently widely used as much as possible while considering the function in the present invention, but this may vary depending on the intention or precedent of a person working in the art, the emergence of new technology, etc. In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning will be described in detail in the description of the relevant invention. Therefore, the terms used in the present invention should be defined based on the meaning of the term and the overall content of the present invention, rather than simply the name of the term.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.When it is said that a part "includes" a certain element throughout the specification, this means that, unless specifically stated to the contrary, it does not exclude other elements but may further include other elements. In addition, terms such as "... unit" and "module" used in the specification refer to a unit that processes at least one function or operation, which may be implemented as hardware or software, or as a combination of hardware and software. .
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Below, with reference to the attached drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily implement the present invention. However, the present invention may be implemented in many different forms and is not limited to the embodiments described herein. In order to clearly explain the present invention in the drawings, parts that are not related to the description are omitted, and similar parts are given similar reference numerals throughout the specification.
이하 본 발명의 실시예에 대하여 첨부된 도면을 참고로 그 구성 및 작용을 설명하기로 한다.Hereinafter, the configuration and operation of an embodiment of the present invention will be described with reference to the attached drawings.
도 1은 본 발명의 실시예에 따른 인공지능 클라우드 플랫폼 서비스 시스템의 전체 구성을 나타낸 블록도이다.Figure 1 is a block diagram showing the overall configuration of an artificial intelligence cloud platform service system according to an embodiment of the present invention.
도 1에 도시된 바와 같이 본 발명의 실시예에 따른 인공지능 클라우드 플랫폼 서비스 시스템(1000)은 파이썬 서버 프로그램의 클라이언트용 프로그램 변환을 위한 컨테이너 기반의 인공지능 클라우드 플랫폼 서비스 시스템으로, 사용자(클라이언트) 단말(1100)과 클라우드 서버(1200)를 포함하고 네트워크를 통하여 서로 연결된다.As shown in Figure 1, the artificial intelligence cloud
상기 사용자 단말(1100)은 휴대용 단말기 또는 휴대용 컴퓨터로 구현될 수 있다.The
여기서, 휴대용 단말기는 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.Here, the portable terminal is a wireless communication device that guarantees portability and mobility, including PCS (Personal Communication System), GSM (Global System for Mobile communications), PDC (Personal Digital Cellular), PHS (Personal Handyphone System), and PDA (Personal Digital). All types of handheld devices such as Assistant), IMT (International Mobile Telecommunication)-2000, CDMA (Code Division Multiple Access)-2000, W-CDMA (W-Code Division Multiple Access), Wibro (Wireless Broadband Internet) terminal, etc. ) may include a wireless communication device based on
휴대용 컴퓨터는 노트북, 랩톱(laptop) 등을 포함할 수 있다.Portable computers may include notebooks, laptops, etc.
또한, 사용자 단말(1100)은 스마트폰, 스마트 노트, 태블릿 PC, 웨어러블(wearable) 컴퓨터 등 각종 스마트 기기일 수도 있다.Additionally, the
상기 네트워크는 이동 통신망(mobile radio communication network), 위성 통신망, 블루투스(Bluetooth), Wibro(Wireless Broadband Internet), HSDPA(High Speed Downlink Packet Access) 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.The network can be implemented as any type of wireless network, such as a mobile radio communication network, satellite communication network, Bluetooth, Wireless Broadband Internet (Wibro), High Speed Downlink Packet Access (HSDPA), etc.
한편, 상기 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 모든 종류의 유선 네트워크로 구현될 수 있다.Meanwhile, the network may be implemented as any type of wired network, such as a Local Area Network (LAN), Wide Area Network (WAN), or Value Added Network (VAN).
또한, 네트워크는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.Additionally, the network may include, but is not limited to, any one or more of network topologies including a bus network, star network, ring network, mesh network, star-bus network, tree or hierarchical network, etc. .
상기 클라우드 서버(1200)는 사용자 단말(1100)과 네트워크를 통해 통신하여 정보 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다.The
예를 들어, 클라우드 서버(1200)는 업로드된 파이썬 소스에 대해 파이썬 코드와 학습모델을 변환해서 변환앱으로 등록하여 네트워크를 통해 접속한 사용자 단말(1100)에 제공하는 시스템일 수 있다.For example, the
또한, 상기 사용자 단말(1100)은 앱소스 등록부(100)와 변환앱 실행 서비스부(300)를 구비하고, 클라우드 서버(1200)는 앱변환 서비스부(200)를 구비한다.In addition, the
상기 앱소스 등록부(100)는 사용자 단말(1100)에 설치된 웹브라우저를 통해 클라우드 서버(1200)에 접속되어 파이썬 프로그램을 업로드하고, 업로드된 파이썬 프로그램이 구동되는 실행 환경을 선정하며, 선정된 환경에 따라 자바스크립트 앱변환을 클라우드 서버(1200)에 요청한다.The app source register 100 is connected to the
즉, 상기 앱소스 등록부(100)는 웹브라우저를 통해 클라우드 서버(1200)에 접속되어 파이썬 소스와 학습모델을 업로드하고, 업로드된 파이썬 소스와 학습모델의 앱변환을 요청한다.That is, the app source register 100 is connected to the
상기 클라우드 서버(1200)에 구비되는 앱변환 서비스부(200)는 상기 실행 환경에 따른 변환을 실행하고, 소스 변환 결과를 각각 변환앱으로 등록하며, 등록된 변환앱을 이용하여 추후 사용자 단말의 인공지능 앱 실행 요청이 있을 때 그 실행을 클라이언트의 GPU를 사용하는 자바스크립트 변환앱을 제공한다.The app
즉, 상기 앱변환 서비스부(200)는 파이썬 소스를 GPU 노드와 CPU 노드로 분산저장하고, 저장된 파이썬 소스를 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스와 학습모델에 대한 작동이 정상인지 검증을 하며, 파이썬 코드와 학습모델을 변환해서 변환앱으로 등록하여 등록된 변환앱을 이용하여 사용자(클라이언트) 단말(1200)에서 실행되는 앱을 제공한다.In other words, the app
상기 변환앱 실행 서비스부(300)는 사용자 단말(1100)에 설치된 웹브라우저를 통해 클라우드 서버(1200)에 접속되어, 상기 앱변환 서비스부로부터 변환앱을 다운로드 받아 실행한다.The conversion app
도 2는 도 1에 나타낸 각 구성부의 상세 구성을 나타낸 블록도이고, 도 3은 도 2에 나타낸 상세 구성부의 동작을 설명하기 위한 도면이다.FIG. 2 is a block diagram showing the detailed configuration of each component shown in FIG. 1, and FIG. 3 is a diagram for explaining the operation of the detailed components shown in FIG. 2.
도 2 및 도 3에 도시된 바와 같이 상기 앱소스 등록부(100)는 앱소스 업로드부(110), 앱소스 설명부(120) 및 앱소스 기록부(130)를 구비한다.As shown in Figures 2 and 3, the app
상기 앱소스 업로드부(110)는 다양한 학습모델과 함께 각종 예측을 하는 파이썬 소스를 업로드한다.The app source upload
상기 앱소스 설명부(120)는 파이썬 소스와 학습모델 및 실행에 대한 여러 설명이 들어간 메타데이터를 입력할 수 있도록 한다.The app
상기 앱소스 기록부(130)는 상기 앱소스 설명부(120)를 통해 앱변환 요청자와의 비용 동의, 수익배분 동의 부분이 들어가도록 한다.The
즉, 상기 앱소스 기록부(130)는 앱소스 설명부(120)를 통해 제공되는 앱설명에 관한 정보를 수정 및 편집하여 프로그램에 대한 이해를 돕는 메타데이터를 제작하도록 하고, 앱변환 요청자와의 비용 동의, 수익배분 동의 부문이 들어가도록 하고 업로드를 요청한다.In other words, the app
상기 앱변환 서버스부(210)는 앱 관리부(210), 앱 검증부(220), 앱 변환부(230), 변환앱 관리부(240)를 구비한다.The app
상기 앱 관리부(210)는 앱소스 기록부(130)를 통해 업로드된 파이썬 소스와 그 학습모델을 클라우드 서버에 저장하여 사용자의 원 소스파일을 관리한다.The
상기 앱 검증부(220)는 앱 관리부(210)에 저장된 소스를 도커 컨테이너(Docker Container)화하여 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스에 대한 검증을 수행한다.The
상기 앱 변환부(230)는 앱 검증부(220)를 통한 작동이 정상적일 경우 소스와 학습모델을 클라이언트 단말용으로 변환하여 생성하고, 생성된 자바스크립트 소스와 변환 학습모델을 변환앱 데이터베이스(250)에 저장한다.If the operation through the
상기 변환앱 데이터베이스에는 사용자별로 변환앱이 저장 및 관리되고 사용자별로 변환앱의 실행결과 기록된다.In the conversion app database, conversion apps are stored and managed for each user, and execution results of the conversion app are recorded for each user.
상기 변환앱 관리부(240)는 변환앱 데이터베이스(250)에 등록된 상기 변환앱 목록들을 사용자 단말(1200)의 요청에 의해 제공하고 관리한다.The conversion
상기 변환앱 실행 서비스부(300)는 변환앱 다운로드부(310)와 변환앱 실행부(320)를 구비한다.The conversion app
상기 변환앱 다운로드부(310)는 상기 앱변환 서비스부에서 클라이언트용으로 변환된 변환앱과 변환된 학습모델에 대한 다운로드를 요청하여 이를 다운로드하고 메모리에 로드한다.The conversion
상기 변환앱 실행부(320)는 상기 변환앱 다운로드부(310)로부터 웹브라우저용 실행 소스(변환앱)와 학습모델을 수신하여 웹 뷰어로 출력하고, 기존 클라우드 서버(1200) 상에서 실행되던 파이썬 코드를 클라이언트 웹브라우저상에서 실행되도록 한다.The conversion
도 4는 본 발명의 실시예에 따른 인공지능 클라우드 플랫폼 서비스 방법을 나타내는 순서도이다.Figure 4 is a flowchart showing an artificial intelligence cloud platform service method according to an embodiment of the present invention.
도 4에 도시된 바와 같이 사용자(클라이언트) 단말(1100)에서 웹브라우저를 통해 클라우드 서버(1200)에 접속하여 파이썬 소스와 학습모델을 업로드하고, 업로드된 파이썬 소스와 학습모델의 앱변환을 요청한다(S402).As shown in Figure 4, the user (client) terminal 1100 accesses the
상기 클라우드 서버(1200)는 파이썬 소스를 GPU 노드와 CPU 노드로 분산저장하고, 저장된 파이썬 소스를 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스와 학습모델에 대한 작동이 정상인지 검증을 하며, 파이썬 코드와 학습모델을 변환해서 변환앱으로 등록한다(S404).The
상기 사용자(클라이언트) 단말(1100)에서 웹브라우저를 통해 클라우드 서버(1200)에 접속하여 변환앱을 다운로드 받아 실행한다(S406).The user (client) terminal 1100 accesses the
이상의 구성에 의하면 기존에 구현된 파이썬 프로그램 소스를 자바스크립트 소스로 변환하여 비싼 서버 방식의 인공지능 플랫폼 대신, 개인이 가진 그래픽 카드를 이용하여 웹브라우저 상에서 같은 기능을 가진 자바스크립트 인공지능 프로그램으로 변환 구현함으로써 웹브라우저에서도 인공지능이 실행될 수 있다.According to the above configuration, the previously implemented Python program source is converted to JavaScript source and converted into a JavaScript artificial intelligence program with the same function on a web browser using a personal graphics card instead of an expensive server-based artificial intelligence platform. By doing so, artificial intelligence can be implemented in web browsers as well.
이상에서 본 발명에 대한 기술 사상을 첨부 도면과 함께 서술하였지만, 이는 본 발명의 바람직한 실시예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다.Although the technical idea of the present invention has been described above along with the accompanying drawings, this is an exemplary description of a preferred embodiment of the present invention and does not limit the present invention.
또한, 이 기술 분야의 통상의 지식을 가진 자라면 누구나 본 발명의 기술 사상의 범주를 이탈하지 않는 범위 내에서 다양한 변형 및 모방이 가능함은 명백한 사실이다In addition, it is clear that anyone skilled in the art can make various modifications and imitations without departing from the scope of the technical idea of the present invention.
100: 앱소스 등록부
110: 앱소스 업로드부
120: 앱소스 설명부
130: 앱소스 기록부
200: 앱변환 서비스부
210: 앱 관리부
220: 앱 검증부
230: 앱 변환부
240: 변환앱 관리부
250: 변환앱 데이터베이스
300: 변환앱 실행 서비스부
310: 변환앱 다운로드부
320: 변환앱 실행부
1000: 인공지능 클라우드 플랫폼 서비스 시스템
1100: 사용자(클라이언트) 단말
1200: 클라우드 서버100: App source register
110: App source upload unit
120: App source description
130: App source record
200: App conversion service department
210: App management department
220: App verification unit
230: App conversion unit
240: Conversion app management department
250: Conversion app database
300: Conversion app execution service department
310: Conversion app download section
320: Conversion app execution unit
1000: Artificial intelligence cloud platform service system
1100: User (client) terminal
1200: Cloud server
Claims (7)
상기 파이썬 소스를 GPU 노드와 CPU 노드로 분산저장하고, 저장된 파이썬 소스를 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스와 학습모델에 대한 작동이 정상인지 검증을 하며, 파이썬 코드와 학습모델을 변환해서 변환앱으로 등록하여 등록된 변환앱을 이용하여 사용자(클라이언트) 단말에서 실행되는 앱을 제공하는 앱변환 서비스부를 구비하는 클라우드 서버;
를 포함하는 인공지능 클라우드 플랫폼 서비스 시스템.Connect to the cloud server through a web browser, upload the Python source and learning model, download the conversion app from the app source register that requests app conversion of the uploaded Python source and learning model, and the app conversion service department of the cloud server. A user (client) terminal including a conversion app execution service unit that executes; and
The Python source is distributed and stored in GPU nodes and CPU nodes, the stored Python source is run in the GPU area and CPU area respectively to verify that the Python source and learning model are operating normally, and the Python code and learning model are converted. A cloud server provided with an app conversion service unit that registers as a conversion app and provides an app that runs on a user (client) terminal using the registered conversion app;
An artificial intelligence cloud platform service system including.
상기 앱변환 서비스부는 파이썬 인공지능 프로그램 소스를 웹브라우저에서 실행할 수 있도록 자바스크립트로 변환해주는 것을 특징으로 하는 인공지능 클라우드 플랫폼 서비스 시스템.According to paragraph 1,
The app conversion service unit is an artificial intelligence cloud platform service system characterized in that it converts the Python artificial intelligence program source into JavaScript so that it can be executed in a web browser.
상기 앱소스 등록부는 다양한 학습모델과 함께 각종 예측을 하는 파이썬 소스를 업로드하는 앱소스 업로드부와,
상기 파이썬 소스와 학습모델 및 실행에 대한 여러 설명이 들어간 메타데이터를 입력할 수 있도록 하는 앱소스 설명부와,
상기 앱소스 설명부를 통해 앱변환 요청자와의 비용 동의, 수익배분 동의 부분이 들어가도록 하는 앱소스 기록부를 구비하는 것을 특징으로 하는 인공지능 클라우드 플랫폼 서비스 시스템.According to paragraph 1,
The app source registration unit includes an app source upload unit that uploads Python sources that make various predictions along with various learning models,
An app source description section that allows you to enter metadata containing various descriptions of the Python source, learning model, and execution,
An artificial intelligence cloud platform service system characterized by having an app source record book that includes a cost agreement and profit sharing agreement with the app conversion requester through the app source description section.
상기 앱변환 서비스부는 사용자 단말에서 업로드된 파이썬 소스와 그 학습모델을 저장하여 사용자의 원 소스파일을 관리하는 앱 관리부와,
상기 앱 관리부에 저장된 소스를 도커 컨테이너(Docker Container)화 하여 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스에 대한 검증을 수행하는 앱 검증부와,
상기 앱 검증부를 통한 작동이 정상적일 경우 소스와 학습모델을 클라이언트 단말용으로 변환하여 생성하고, 생성된 자바스크립트 소스와 변환 학습모델을 변환앱 데이터베이스에 저장하는 앱 변환부와,
상기 변환앱 데이터베이스에 저장된 변환앱 목록들을 사용자 단말의 요청에 의해 제공하고 관리하는 변환앱 관리부를 구비하는 것을 특징으로 하는 인공지능 클라우드 플랫폼 서비스 시스템.According to paragraph 1,
The app conversion service unit includes an app management unit that stores the Python source and its learning model uploaded from the user terminal and manages the user's original source file;
An app verification unit that converts the source stored in the app management unit into a Docker container and runs it in the GPU area and CPU area respectively to verify the Python source;
If the operation of the app verification unit is normal, an app conversion unit that converts and generates the source and learning model for a client terminal and stores the generated JavaScript source and converted learning model in the conversion app database;
An artificial intelligence cloud platform service system comprising a conversion app management unit that provides and manages the conversion app list stored in the conversion app database at the request of the user terminal.
상기 변환앱 데이터베이스에는 사용자별로 변환앱이 저장 및 관리되고 사용자별로 변환앱의 실행 결과가 기록되는 것을 특징으로 하는 인공지능 클라우드 플랫폼 서비스 시스템.According to paragraph 4,
An artificial intelligence cloud platform service system characterized in that the conversion app database stores and manages conversion apps for each user and records the execution results of the conversion app for each user.
상기 변환앱 실행 서비스부 클라우드 서버에서 클라이언트용으로 변환된 변환앱과 변환된 학습모델에 대한 다운로드를 요청하여 이를 다운로드하고 메모리에 로드하는 변환앱 다운로드부와,
상기 변환앱 다운로드부로부터 웹브라우저용 실행 소스(변환앱)와 학습모델을 수신하여 웹 뷰어로 출력하고, 클라우드 서버상에서 실행되던 파이썬 코드를 클라이언트 웹브라우저상에서 실행되도록 하는 변환앱 실행부를 구비하는 것을 특징으로 하는 인공지능 클라우드 플랫폼 서비스 시스템.According to paragraph 1,
A conversion app download unit that requests the download of the conversion app and the converted learning model converted for the client from the conversion app execution service unit cloud server, downloads them, and loads them into memory;
It is characterized by a conversion app execution unit that receives the execution source (conversion app) and learning model for a web browser from the conversion app download unit, outputs them to a web viewer, and allows the Python code running on the cloud server to be executed on the client web browser. An artificial intelligence cloud platform service system.
상기 클라우드 서버에서 파이썬 소스를 GPU 노드와 CPU 노드로 분산저장하고, 저장된 파이썬 소스를 GPU 영역과 CPU 영역에서 각각 구동시켜 파이썬 소스와 학습모델에 대한 작동이 정상인지 검증을 하며, 파이썬 코드와 학습모델을 변환해서 변환앱으로 등록하는 단계; 및
상기 사용자(클라이언트) 단말에서 웹브라우저를 통해 클라우드 서버에 접속하여 변환앱을 다운로드 받아 실행하는 단계;
를 포함하는 인공지능 클라우드 플랫폼 서비스 방법.A step of accessing the cloud server through a web browser from the user (client) terminal, uploading the Python source and learning model, and requesting app conversion of the uploaded Python source and learning model;
In the cloud server, the Python source is distributed and stored to GPU nodes and CPU nodes, and the stored Python source is run in the GPU area and CPU area respectively to verify whether the Python source and learning model are operating normally, and the Python code and learning model are verified. Step of converting and registering as a conversion app; and
Connecting to a cloud server through a web browser on the user (client) terminal to download and execute the conversion app;
An artificial intelligence cloud platform service method including.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220065894A KR20230166230A (en) | 2022-05-30 | 2022-05-30 | Artificial Intelligence Cloud Platform Service System and Method therefor |
PCT/KR2022/007704 WO2023234434A1 (en) | 2022-05-30 | 2022-05-31 | Artificial intelligence cloud platform service system and method therefor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220065894A KR20230166230A (en) | 2022-05-30 | 2022-05-30 | Artificial Intelligence Cloud Platform Service System and Method therefor |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230166230A true KR20230166230A (en) | 2023-12-07 |
Family
ID=89025043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220065894A KR20230166230A (en) | 2022-05-30 | 2022-05-30 | Artificial Intelligence Cloud Platform Service System and Method therefor |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR20230166230A (en) |
WO (1) | WO2023234434A1 (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200055828A (en) | 2018-11-09 | 2020-05-22 | 주식회사 한컴엠디에스 | Artificial Intelligence Platform Service System and Method |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11461472B2 (en) * | 2019-06-28 | 2022-10-04 | RunSafe Security, Inc. | Automatic correctness and performance measurement of binary transformation systems |
KR102386617B1 (en) * | 2020-06-15 | 2022-04-15 | 한국전자통신연구원 | Apparatus and Method for Generating System Call Whitelist of Application Container, Method for Controlling System Call of Application Container |
KR102327083B1 (en) * | 2020-09-14 | 2021-11-15 | 한화시스템 주식회사 | System and method for sharing software component |
KR20220046036A (en) * | 2020-10-06 | 2022-04-14 | 한국정보통신기술협회 | Deep learning trained model optimization transformation system for Acceleration of AI computing processor and method therefor |
KR102462866B1 (en) * | 2020-11-25 | 2022-11-07 | 주식회사 커먼컴퓨터 | Method and system for providing one-click distribution service in linkage with code repository |
-
2022
- 2022-05-30 KR KR1020220065894A patent/KR20230166230A/en not_active Application Discontinuation
- 2022-05-31 WO PCT/KR2022/007704 patent/WO2023234434A1/en unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200055828A (en) | 2018-11-09 | 2020-05-22 | 주식회사 한컴엠디에스 | Artificial Intelligence Platform Service System and Method |
Also Published As
Publication number | Publication date |
---|---|
WO2023234434A1 (en) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Agliamzanov et al. | Hydrology@ Home: a distributed volunteer computing framework for hydrological research and applications | |
US12106218B2 (en) | Deep forecasted human behavior from digital content | |
KR102213291B1 (en) | System for making website | |
CN104937581A (en) | Providing access to information across multiple computing devices | |
US11270062B2 (en) | System and method for automated content annotation workflow | |
CN111340220A (en) | Method and apparatus for training a predictive model | |
US20220027168A1 (en) | Process initiation | |
JP2024502177A (en) | Supervised VAE for optimization of value functions and generation of desired data | |
Indrawan et al. | Rest API and real-time notification of SISKA-NG mobile for the academic progress information system | |
Chukova et al. | Non-homogeneous Pólya-Aeppli process | |
KR20230166230A (en) | Artificial Intelligence Cloud Platform Service System and Method therefor | |
US20230244475A1 (en) | Automatic extract, transform and load accelerator for data platform in distributed computing environment | |
US11775261B2 (en) | Dynamic process model palette | |
US9704178B2 (en) | Customizable sequence of content | |
KR20230119543A (en) | Method, device and system for recommending matching information for projects tailored to the company's capacity based on artificial intelligence | |
CN102215252A (en) | Four tier architecture for implementing thin clients | |
Eom et al. | Human-centered software development methodology in mobile computing environment: agent-supported agile approach | |
Trujillo-Cortez et al. | Bilevel convex programming models | |
CN114065045A (en) | Label management method, device, equipment and storage medium | |
Basdekidou | Corporate governance & digital entrepreneurship: Cloud metadata accounting | |
Jansevskis et al. | Machine Learning and on 5G Based Technologies Create New Opportunities to Gain Knowledge | |
Lucidi et al. | A derivative-based algorithm for a particular class of mixed variable optimization problems | |
US20210182366A1 (en) | Multi-Faceted License Management Approach to Support Multi-Layered Product Structure | |
KR102436215B1 (en) | System and method for recommending file based on artificial intelligence | |
KR102638889B1 (en) | Method, apparatus and program for providing asset management service based on tag tree |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |