, ()이라는 기술을 공개했습니다.

사실 이 최초로 만든 기술은 아닙니다, 이 그들의 소프트웨어를 공개하면서, 그들의 제품 이름이 아닌 대중이 알아듣기 좋은 적절한 이름으로 이미 업계에서 통용되고 있는 단어(;)를 사용했습니다.

은 bac14bd81029a397b6ccdc8bd55f92()라는 이름으로 로 공개되었습니다.

구글 머신러닝 솔루션 텐서플로(Google Machine Learning - TensorFlow) 오픈소스 공개에 따른 현재와 미래의 비젼

은 공부한 시간을 데이터로 인풋(input)하면 컴퓨터는 성적이라는 결과를 아웃풋(output)으로 도출하게 되는데, 이 과정의 상관관계를 학습시키는 것이라고 합니다.

ceb48bdbcbd9a441e541c2ee84609a

을 쉽게 이해시키기 위해 로켓도 동원했는데, "은 로켓엔진과 비슷하다"면서 "로켓엔진의 중간 부분이 이며 로켓의 연료가 데이터, 뿜어져 나오는 연기는 그 결과물"이라고 설명했는데, 아래의 로켓 엔진은 위에 그려진 머신 러닝 컨셉 다이어그램과 유사합니다.

구글 머신러닝 솔루션 텐서플로(Google Machine Learning - TensorFlow) 오픈소스 공개에 따른 현재와 미래의 비젼

또한 은 인공지능 소프트웨어 시스템인 'bac14bd81029a397b6ccdc8bd55f92()'를 무상으로 공개한다고 발표했는데, "이를 통해 개발자들은 CPU, GPU, 모바일 등 실제 제품에 접목할 수 있다"면서 "의 표준화를 통해 미래제품 출시에도 도움이 된다”고 강조하면서 의 보급에 최우선 순위를 두고 있다는 뜻을 내비쳤습니다.

구글 머신러닝 솔루션 텐서플로(Google Machine Learning - TensorFlow) 오픈소스 공개에 따른 현재와 미래의 비젼

로는 검색, 포토, 번역, 지메일(Gmail) 등 자사 제품이 있습니다. 앱을 통해 음성검색을 이용하면 그 음성을 인식한 뒤 분석한 내용을 바탕으로 검색어를 생성한다고 합니다. 또 포토를 이용하면 스마트폰으로 찍은 사진을 인물, 장소, 사물별로 분류해 저장하고, 클라우드에 보관된 위치 정보가 없는 사진도 촬영 장소의 특징을 분석해 그 위치를 찾아낸다고 합니다.

구글 머신러닝 솔루션 텐서플로(Google Machine Learning - TensorFlow) 오픈소스 공개에 따른 현재와 미래의 비젼

슈미트 회장은 "내가 볼 때 은 이 분야()에서 월드 리더다"라고 강조하면서 "을 통해 더욱 스마트해질 것"이라고 언급했다고 합니다.

구글 머신러닝 솔루션 텐서플로(Google Machine Learning - TensorFlow) 오픈소스 공개에 따른 현재와 미래의 비젼

bac14bd81029a397b6ccdc8bd55f92()는 로 공개되어졌으며, 다음의 URL에서 관련 정보를 얻으실 수 있습니다.

f47576a727a94672e912752e32495a

 

참고로 bac14bd81029a397b6ccdc8bd55f92() 외에도 ()이라는 Scalable 기술이 예전부터 공개되어져 있었고, 이 기술은 글로벌한 소프트웨어/서비스 기업에서 사용 중인데요, 관련정보는 http://mahout.apache.org/ 에서 얻으실 수 있습니다.

0270173e79b5252a9a451421fffc6e

 

마지막으로 의 응용 사례에 대해 언급해보고자 합니다.

1) 을 활용하여 개인화된 페이지를 구성하였습니다. (출처: 블로그)

이를 통해 고객의 선호를 만족시키고 동시에 다양한 콘텐츠를 구매할 수 있도록 유도하는 전략을 펼쳤습니다.

구글 머신러닝 솔루션 텐서플로(Google Machine Learning - TensorFlow) 오픈소스 공개에 따른 현재와 미래의 비젼

417caa3231ba71f8316f4c170cea96

참고로 알고리즘이 적용되었습니다.

 

2) ce9c8347833270d3597897f4a196cd은 을 활용하여 이미지 분석 진행

98%의 정확성을 가지고 있고, 8억건의 사진을 5초 이내에 확인할 수 있었다고 합니다.

구글 머신러닝 솔루션 텐서플로(Google Machine Learning - TensorFlow) 오픈소스 공개에 따른 현재와 미래의 비젼

참고로 포토에서도 비슷한 기술이 적용되어져 있다고 합니다.

 

3) 은 스팸메일 필터시 메일의 패턴을 학습시켜 스팸메일을 거르는 확률을 높였다고.

 

이제 서비스를 전제로 하는 소프트웨어는 보다 많은 빅 데이터를 쌓아 이를 응용하여 미래를 예측하는 기술을 전보다 더 많이 활용하게 될 것으로 보입니다. 보다 편리하고 살기 좋은 미래… 어떻게 다가 올지 궁금합니다.



facebook posting twit

  • Master-slave pattern은 장애 대응을 위한 Database 복제 등 병렬처리 및 Disaster Recovery 대응 로직에 주로 이용
  • Client-server pattern은 TCP/IP를 통해 데이터를 주고 받는 이메일, 웹하드 등이 주로 이용하는 아키텍쳐
  • Layered pattern은 PC App, 쇼핑몰(이커머스) 웹사이트 등이 주로 쓰는 아키텍쳐 패턴
  • Machine Learning Tool의 종류와 용도
  • 자연어처리(NLU)를 하기 위한 소프트웨어 아키텍쳐 – 걸음마단계부터 인간 수준으로 진화하는 방향에 대해 알아본다
  • EIDR(Entertainment IDentifier Registry) – 콘텐츠 ID 표준화를 이끄는 미디어/엔터테인먼트 서비스 연관 국제 표준 단체
  • 집단지성을 활용하는 Collaborative Filtering(CF) 알고리즘 – 추천 알고리즘으로 많이 이용되고 있지만, 한계도 알아야 해
  • 서버 인프라 설계시 장애를 고려하여 만드는 Single Infra, Active-Stand-by,Active-Active, Active-Stand-by/Active-Active+DR Center
  • 2-Tier 아키텍쳐와 3-Tier 아키텍쳐의 다른점
    Tagged on:                                                                                 
  • Leave a Reply