엔터프라이즈의 인공지능(AI)과 머신러닝(ML) 적용은 왜 어려울까요?
베스핀글로벌의 웨비나 자료를 통해서 성공적인 AI와 ML 적용 방법을 확인하세요.
[목차]
1. 디지털 트랜스포메이션의 큰 흐름
- Gartner 선정 미래를 이끌어 갈 기업
- 글로벌 금융 기업의 디지털 트랜스포메이션, 데이터를 바라보는 시각
- 빅데이터 & AI 활용 사례
2. 빅데이터 분석 시스템 도입하기
- 빅데이터 분석 시스템 미도입 이유
- 빅데이터 분석 시스템 도입 사례
3. 데이터 분석을 위한 Data Lake & Data Governance
- 데이터 분석의 한계와 Data Lake
- 클라우드 Migration
- Data Governance의 중요성
4. AI 적용하기
- Amazon AI 서비스
- 적용 사례
엔터프라이즈의 인공지능(AI)과 머신러닝(ML) 적용은 왜 어려울까요?
성공적인 AI/ML 적용을 위해, 베스핀글로벌에서 체계적이고 자세하게 정리한 고려할 점을 확인하세요.
[목차]
1. ML 적용을 위한 활용 분야 쉽게 이해하기
- ML의 시장 위치
- ML 종류
- ML 활용 분야
- 사례
- CNN
2. 데이터의 중요성
- 딥러닝을가능하게 만든 것
- 대가들의 Quotes
기업의 미래를 바꾸는 AI 플랫폼
[케이스 스터디를 통해 알아보는 실전 도입 전략]
Microsoft AI, Azure AI에 대한 설명과 데모를 바탕으로 AI의 이해를 도모하고 실제 사례를 통해 정확한 역할 및 필요성에 대해 살펴보겠습니다.
클라우드컨설팅-운영-관리까지 한번에!
베스핀글로벌의 클라우드팀은 깊은 지식과 전문성을 보유했습니다.
630여명 클라우드 전문가 / 1000여명 글로벌 클라우드 전문가 네트워크 / 한국, 중국, 북미, 유럽에 클라우드 전문 등
전문적이고 충분한 네트워크를 통해 글로벌 환경에도 유연하게 대응할 수 있습니다.
엔터프라이즈의 인공지능(AI)과 머신러닝(ML) 적용은 왜 어려울까요?
베스핀글로벌의 웨비나 자료를 통해서 성공적인 AI와 ML 적용 방법을 확인하세요.
[목차]
1. 디지털 트랜스포메이션의 큰 흐름
- Gartner 선정 미래를 이끌어 갈 기업
- 글로벌 금융 기업의 디지털 트랜스포메이션, 데이터를 바라보는 시각
- 빅데이터 & AI 활용 사례
2. 빅데이터 분석 시스템 도입하기
- 빅데이터 분석 시스템 미도입 이유
- 빅데이터 분석 시스템 도입 사례
3. 데이터 분석을 위한 Data Lake & Data Governance
- 데이터 분석의 한계와 Data Lake
- 클라우드 Migration
- Data Governance의 중요성
4. AI 적용하기
- Amazon AI 서비스
- 적용 사례
엔터프라이즈의 인공지능(AI)과 머신러닝(ML) 적용은 왜 어려울까요?
성공적인 AI/ML 적용을 위해, 베스핀글로벌에서 체계적이고 자세하게 정리한 고려할 점을 확인하세요.
[목차]
1. ML 적용을 위한 활용 분야 쉽게 이해하기
- ML의 시장 위치
- ML 종류
- ML 활용 분야
- 사례
- CNN
2. 데이터의 중요성
- 딥러닝을가능하게 만든 것
- 대가들의 Quotes
기업의 미래를 바꾸는 AI 플랫폼
[케이스 스터디를 통해 알아보는 실전 도입 전략]
Microsoft AI, Azure AI에 대한 설명과 데모를 바탕으로 AI의 이해를 도모하고 실제 사례를 통해 정확한 역할 및 필요성에 대해 살펴보겠습니다.
클라우드컨설팅-운영-관리까지 한번에!
베스핀글로벌의 클라우드팀은 깊은 지식과 전문성을 보유했습니다.
630여명 클라우드 전문가 / 1000여명 글로벌 클라우드 전문가 네트워크 / 한국, 중국, 북미, 유럽에 클라우드 전문 등
전문적이고 충분한 네트워크를 통해 글로벌 환경에도 유연하게 대응할 수 있습니다.
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
클라우드를 활용한 디지털 제조(Digital Manufacturing)실현 방법 및 사례 소개 - 윤석찬 (AWS 테크에반젤리스트) :: ...Amazon Web Services Korea
제조업의 디지털 혁신을 위해 오퍼레이션 및 고객 데이터 등을 분석하고, 이를 경영 전략에 활용하는 것이 점점 중요해 지고 있습니다. 본 세션에서는 제조업 현장에서 클라우드를 도입하는 다양한 국내외 사례를 통해 스마트 프로덕트를 기획하는 단계부터 생산에 이르기까지 다양한 과정을 거치면서 어떻게 클라우드를 활용하여 혁신을 이루어 내었는지 삼성중공업, 현대 건설 기계 및 GS칼텍스 등 국내 사례 위주로 소개 합니다.
Cloud-Native Architecture
MSA(Micro Service Architecture)
MDA(Micro Data Architecture)
MIA(MIcro Inference Architecture)
MSA-Service Mesh
MDA-Data Mesh
MIA-AI Inference Mesh
Kubernetes
Container
Kubeflow
Volcano
Apache Ynikorn
ChatGPT
AGI(Artificial General Intelligence)
ASI(Artificial Specialized Intelligence)
초-전환시대
초-연결시대
SQream GPU DBMS
Cloud와 Cloud Native의 목표는.. 왜? 어떻게? 뭐가 좋아지나...
1. (왜) 가속화된 초-전환, 초-연결 IT 환경변화에 대비하기 위해서
2. (어떻게-H/W) IT H/W 부분은 IaaS 서비스화하여
점유된, Over Subscription된 H/W(Server, Network, Storage)들 모아서 Pool화하고, 가상화기술을 통해 Tenant로 자원들을 분리해 서비스화해 제공하고
필요시 적시에 Pool의 가상H/W를 제공하고, 상황에 따라 확장・축소(Scale in/out, up/down)하면서, 축소된 자원을 다른 요청들을 위해 빠르게 재-할당하는 유연성을 제공하고
3. (어떻게-S/W) S/W 부문도
PaaS, SaaS 적극 활용으로 App.개발 시간을 단축하고
App.분야인 기존 MACRO Service Architecture형 Monolith Architecture(Web-WAS-DB)를 작게 쪼개서 변화에 빠르게 적응할 수 있는 MSA(Micro Service Architecture)로 변경하여 Service Mesh형으로 관리하고
Data분야도 Data Warehouse, DataLake(Bigdata), LakeHouse등 기존 MACRO Data Architecture를 MSA형식으로 MDA(Micro Data Architecture)로 전환 후 Data Mesh형태로 관리하고,
AI로 동적프로그램 생성하여 App.개발시간 단축하고, AI분야도 초-거대 AI구현(MACRO)보다는 작은|특화된 Deep Learning Network(Model)들로 작게 쪼개서 MIA(Micro Inference Architecture)로 비지니스 환경에 적용하고 Inference Mesh형태로 관리하는 시스템으로 전환하고
4. (어떻게-조직) 조직구조도 CI/CD형 DevOps환경, 데이타,트랜잭션중심업무중심, 기술중심 문제해결중심, 직능중심조직직무중심조직으로 전환하면
5. (좋아지는 것) 초-전환, 초-연결 환경에 빠르고, 지속적으로 적응할 수 IT as a Product 환경을 구현하는 것
고객 중심 서비스 출시를 위한 준비 “온오프라인 고객 데이터 통합” – 김준형 AWS 솔루션즈 아키텍트, 김수진 아모레퍼시픽:: AWS C...Amazon Web Services Korea
AWS의 빅데이터 서비스들이 데이터 파이프라인 상에서 어떻게 활용 되는지와 데이터 모델링과 플랫폼 구축을 100% 내재화 하여 AWS와 함께 고객기반 서비스의 경쟁력을 강화 해나가는 고객 사례를 전해 드립니다. 국내 뷰티산업을 리딩 하고 있는 아모레퍼시픽에서 온/오프라인 고객 정보를 AWS 기반의 Data Lake로 통합 하고 고객 관점의 데이터 서비스를 출시 하는데 속도를 높이고 있는 성공 스토리를 직접 전해 드립니다.
클라우드는 제품 및 비즈니스 모델 혁신에 어떤 도움을 줄 수 있는가? - 김상필 솔루션즈 아키텍트 매니저, AWS / 김재우 프로, 삼성중...Amazon Web Services Korea
클라우드는 제품 및 비즈니스 모델 혁신에 어떤 도움을 줄 수 있는가?
김상필 솔루션즈 아키텍트 매니저, AWS
김재우 프로, 삼성중공업
최계현 팀장, 현대건설기계
AWS 클라우드를 활용한 제조/하이테크 업계 전반의 스마트 프로덕트, 스마트 비즈니스 모델과 그 대표적인 혁신 사례를 소개 합니다. AWS와 AWS의 주요 고객들이 스마트 프로덕트를 기획하는 단계부터 생산에 이르기까지 다양한 과정을 거치면서 어떻게 AWS 클라우드를 활용하여 혁신을 이루어 내었는지 소개 합니다.
광범위한 데이터소스에서 발생하는 고속 이벤트 데이터에 대한 실시간 가시성을 높여 완벽한 통찰력을 제공합니다.
리얼디스플레이® 플랫폼은 플랜트, 조선, 에너지, IoT 산업 등의 인프라스트럭처에 대한 실시간 모니터링 애플리케이션을 쉽고 빠르게 개발할 수 있도록 데이터 수집 에이전트 및 인-메모리기반 복합 이벤트 분석 서버, 대용량 시계열 데이터베이스, 실시간 대시보드 애플리케이션 등 단순하면서 종합적인 실시간 모니터링 시스템 구축 기반을 제공하는 진정한 실시간 운영 인텔리전스(Operational Intelligence) 솔루션입니다.
NetApp AI Control Plane for Kubernetes and Kubeflow
NetApp AI Data Control Plane for Kubernetes and Kubeflow
NetApp Trident and Python REST API for Kubernetes and Kubeflow
발표자: 석진호 제조업 사업개발, AWS / 이세현 솔루션즈 아키텍트
Part 1 : 제조업의 Digital Transformation 트렌드 및 사례
전반적인 Smart Factory 트렌드 및 방향성에 대해 제시합니다. 그리고 주요 AWS 기반 제조업이 어떻게 혁신하고 있는지 사례를 소개해드립니다.
Part 2 : Smart Factory의 AWS 주요 기술
Smart Factory와 Robotics에 사용되는 주요 기술들을 소개합니다. 제조업체가 여러 생산 프로세스 영역에서 디지털 방식으로 변환하는데 사용하는 주요 기술들에 대해 알아봅니다.
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
클라우드를 활용한 디지털 제조(Digital Manufacturing)실현 방법 및 사례 소개 - 윤석찬 (AWS 테크에반젤리스트) :: ...Amazon Web Services Korea
제조업의 디지털 혁신을 위해 오퍼레이션 및 고객 데이터 등을 분석하고, 이를 경영 전략에 활용하는 것이 점점 중요해 지고 있습니다. 본 세션에서는 제조업 현장에서 클라우드를 도입하는 다양한 국내외 사례를 통해 스마트 프로덕트를 기획하는 단계부터 생산에 이르기까지 다양한 과정을 거치면서 어떻게 클라우드를 활용하여 혁신을 이루어 내었는지 삼성중공업, 현대 건설 기계 및 GS칼텍스 등 국내 사례 위주로 소개 합니다.
Cloud-Native Architecture
MSA(Micro Service Architecture)
MDA(Micro Data Architecture)
MIA(MIcro Inference Architecture)
MSA-Service Mesh
MDA-Data Mesh
MIA-AI Inference Mesh
Kubernetes
Container
Kubeflow
Volcano
Apache Ynikorn
ChatGPT
AGI(Artificial General Intelligence)
ASI(Artificial Specialized Intelligence)
초-전환시대
초-연결시대
SQream GPU DBMS
Cloud와 Cloud Native의 목표는.. 왜? 어떻게? 뭐가 좋아지나...
1. (왜) 가속화된 초-전환, 초-연결 IT 환경변화에 대비하기 위해서
2. (어떻게-H/W) IT H/W 부분은 IaaS 서비스화하여
점유된, Over Subscription된 H/W(Server, Network, Storage)들 모아서 Pool화하고, 가상화기술을 통해 Tenant로 자원들을 분리해 서비스화해 제공하고
필요시 적시에 Pool의 가상H/W를 제공하고, 상황에 따라 확장・축소(Scale in/out, up/down)하면서, 축소된 자원을 다른 요청들을 위해 빠르게 재-할당하는 유연성을 제공하고
3. (어떻게-S/W) S/W 부문도
PaaS, SaaS 적극 활용으로 App.개발 시간을 단축하고
App.분야인 기존 MACRO Service Architecture형 Monolith Architecture(Web-WAS-DB)를 작게 쪼개서 변화에 빠르게 적응할 수 있는 MSA(Micro Service Architecture)로 변경하여 Service Mesh형으로 관리하고
Data분야도 Data Warehouse, DataLake(Bigdata), LakeHouse등 기존 MACRO Data Architecture를 MSA형식으로 MDA(Micro Data Architecture)로 전환 후 Data Mesh형태로 관리하고,
AI로 동적프로그램 생성하여 App.개발시간 단축하고, AI분야도 초-거대 AI구현(MACRO)보다는 작은|특화된 Deep Learning Network(Model)들로 작게 쪼개서 MIA(Micro Inference Architecture)로 비지니스 환경에 적용하고 Inference Mesh형태로 관리하는 시스템으로 전환하고
4. (어떻게-조직) 조직구조도 CI/CD형 DevOps환경, 데이타,트랜잭션중심업무중심, 기술중심 문제해결중심, 직능중심조직직무중심조직으로 전환하면
5. (좋아지는 것) 초-전환, 초-연결 환경에 빠르고, 지속적으로 적응할 수 IT as a Product 환경을 구현하는 것
고객 중심 서비스 출시를 위한 준비 “온오프라인 고객 데이터 통합” – 김준형 AWS 솔루션즈 아키텍트, 김수진 아모레퍼시픽:: AWS C...Amazon Web Services Korea
AWS의 빅데이터 서비스들이 데이터 파이프라인 상에서 어떻게 활용 되는지와 데이터 모델링과 플랫폼 구축을 100% 내재화 하여 AWS와 함께 고객기반 서비스의 경쟁력을 강화 해나가는 고객 사례를 전해 드립니다. 국내 뷰티산업을 리딩 하고 있는 아모레퍼시픽에서 온/오프라인 고객 정보를 AWS 기반의 Data Lake로 통합 하고 고객 관점의 데이터 서비스를 출시 하는데 속도를 높이고 있는 성공 스토리를 직접 전해 드립니다.
클라우드는 제품 및 비즈니스 모델 혁신에 어떤 도움을 줄 수 있는가? - 김상필 솔루션즈 아키텍트 매니저, AWS / 김재우 프로, 삼성중...Amazon Web Services Korea
클라우드는 제품 및 비즈니스 모델 혁신에 어떤 도움을 줄 수 있는가?
김상필 솔루션즈 아키텍트 매니저, AWS
김재우 프로, 삼성중공업
최계현 팀장, 현대건설기계
AWS 클라우드를 활용한 제조/하이테크 업계 전반의 스마트 프로덕트, 스마트 비즈니스 모델과 그 대표적인 혁신 사례를 소개 합니다. AWS와 AWS의 주요 고객들이 스마트 프로덕트를 기획하는 단계부터 생산에 이르기까지 다양한 과정을 거치면서 어떻게 AWS 클라우드를 활용하여 혁신을 이루어 내었는지 소개 합니다.
광범위한 데이터소스에서 발생하는 고속 이벤트 데이터에 대한 실시간 가시성을 높여 완벽한 통찰력을 제공합니다.
리얼디스플레이® 플랫폼은 플랜트, 조선, 에너지, IoT 산업 등의 인프라스트럭처에 대한 실시간 모니터링 애플리케이션을 쉽고 빠르게 개발할 수 있도록 데이터 수집 에이전트 및 인-메모리기반 복합 이벤트 분석 서버, 대용량 시계열 데이터베이스, 실시간 대시보드 애플리케이션 등 단순하면서 종합적인 실시간 모니터링 시스템 구축 기반을 제공하는 진정한 실시간 운영 인텔리전스(Operational Intelligence) 솔루션입니다.
NetApp AI Control Plane for Kubernetes and Kubeflow
NetApp AI Data Control Plane for Kubernetes and Kubeflow
NetApp Trident and Python REST API for Kubernetes and Kubeflow
발표자: 석진호 제조업 사업개발, AWS / 이세현 솔루션즈 아키텍트
Part 1 : 제조업의 Digital Transformation 트렌드 및 사례
전반적인 Smart Factory 트렌드 및 방향성에 대해 제시합니다. 그리고 주요 AWS 기반 제조업이 어떻게 혁신하고 있는지 사례를 소개해드립니다.
Part 2 : Smart Factory의 AWS 주요 기술
Smart Factory와 Robotics에 사용되는 주요 기술들을 소개합니다. 제조업체가 여러 생산 프로세스 영역에서 디지털 방식으로 변환하는데 사용하는 주요 기술들에 대해 알아봅니다.
플랜트펄스®는 공정 및 설비 데이터를 분석하여 지능화된 미래 공장을 구현해주는
최첨단 인더스트리 4.0 기술기반의 산업 IoT 플랫폼입니다.
- 단일 플랫폼으로 스마트팩토리 구현
플랜트펄스®는 전사적인 실시간 팩토리 데이터 관리, 공정 및 설비 모니터링, 제어 자동화, 예측 분석, 에셋 관리, SCADA/HMI, 애플리케이션 개발 등을 단일 플랫폼으로 구현할 수 있는 산업 IoT 플랫폼입니다.
- 스마트팩토리 구현을 위한 통합 기능 제공
플랜트펄스®는 산업의 다양한 설비 및 센서 데이터의 실시간 저장, 분석, 공유를 위한 고성능 빅데이터 기술기반의 스마트 팩토리 플랫폼입니다. 기존에는 설비 및 센서 데이터를 저장하고 애플리케이션을 개발하기 위해서는 SCADA/HMI, Historian, DataLogger, Tunneller, Database, Gateway 등 여러가지 제품들이 필요했지만 플랜트펄스를 적용하면 센서 데이터 저장 및 관리, 분석, 시각화, 알림, 공유를 위한 모든 기능을 단일 플랫폼에서 제공합니다.