v5.0
현장 MLOps 구축을 위한 다양한 활용 시나리오 제공
어떠한 현장에도 적합한 MLOps 아키텍처 설계
API·CLI 기반 학습 전용 엔진을 통해 현장 환경에 최적화된 재학습 체계를 구축할 수 있습니다.
API·CLI 기반 학습 전용 엔진을 통해 현장 환경에 최적화된 재학습 체계를 구축할 수 있습니다.
API·CLI 기반 학습 전용 엔진을 통해 현장 환경에 최적화된 재학습 체계를 구축할 수 있습니다.
GPU 자원을 최대로 활용하여 동시에 다량의 모델을 생성할 수 있습니다.
GPU 자원을 최대로 활용하여 동시에 다량의 모델을 생성할 수 있습니다.

소수의 데이터 레이블에 기반하여 레이블 영역을 추천해주는 ‘오토 레이블링’ 기능을 사용할 때, GPU와 CPU 중 원하는 자원을 선택할 수 있습니다.

소수의 데이터 레이블에 기반하여 레이블 영역을 추천해 주는 ‘오토 레이블링’ 기능을 사용할 때, GPU와 CPU 중 원하는 자원을 선택할 수 있습니다.

결함이 생성될 목표 영역을 여러 곳에 지정하여 가상 결함 이미지를 생성할 수 있습니다.

결함이 생성될 목표 영역을 여러 곳에 지정하여 가상 결함 이미지를 생성할 수 있습니다.

데이터 파이프라인의 개선을 통해 런타임의 전반적인 모델 추론 속도가 향상시켰습니다.
데이터 파이프라인의 개선을 통해 런타임의 전반적인 모델 추론 속도가 향상시켰습니다.
현장에서 모델 추론 지연 시 발생하는 생산성 저하와 검사 병목 현상을 방지하기 위해, 모델 추론에 사용할 최대 시간을 제한합니다.
현장에서 모델 추론 지연 시 발생하는 생산성 저하와 검사 병목 현상을 방지하기 위해, 모델 추론에 사용할 최대 시간을 제한합니다.

