Overview

2022년 8월 9일 부로 1.1.0버전이 배포되었습니다. 이전 버전을 설치한 사용자는 버전을 업데이트하시면 보다 안정적인 환경에서 ds2ai SDK를 사용할 수 있습니다.

DS2.ai의 MLOps

DS2.ai는 데이터 학습부터 인공지능 구축에 이르기까지, 맞춤형 AI 개발의 모든 단계를 지원하는 통합 AI 운영 솔루션입니다. 즉, 데이터를 수집, 데이터 라벨링, 훈련 데이터 세트를 구축 뿐만 아니라 인공 지능의 자동 개발과 손쉬운 배포 및 운영이르는 모든 과정을 가능하게 하는 AI 특화 플랫폼 서비스입니다.

소프트웨어 개발 환경(SDK)에서는 DS2.ai가 제공하는 기능을 파이썬 프로그래밍 언어로 작성하여 접근할 수 있도록 하는 다양한 함수를 제공하고 있습니다.

DS2.ai SDK 설치하기

터미널을 실행한 후, 아래 명령어를 실행합니다.

$pip install ds2ai

  1. Token값 생성 및 가져오기 SDK를 이용하기 위해서는 ds2ai에 접근할 수 있는 토큰값이 필요합니다.

  2. Activate SDK 함수 코드를 실행하기 위해, 토큰 값을 입력하여 사용자의 객체를 활성화 합니다. 아래와 같이 고유 토큰 값을 입력한 후 함수를 실행해 주세요.

import ds2ai

ds2 = ds2ai.DS2(token)

이제 DS2.ai SDK가 제공하는 모든 함수를 사용하실 수 있습니다.

DS2.ai SDK 주요 활용함수 TOP 5

DS2.ai의 소프트웨어 개발 환경은 총 17개의 클래스로 구성되어 있습니다. 그중 DS2 클래스는 AI 개발에서 보다 범용적으로 사용 가능한 함수로 구성되어 있으며, 이 외의 클래스들은 데이터 수집, 라벨링, AI 개발, 배포 등 각 AI 개발 단계에서 사용 가능한 상세한 기능의 함수들로 구성되어 있습니다.

여기에서는 AI를 쉽고 간편하게 개발 및 배포할 수 있는 Top5 함수 예제를 살펴보고, SDK 사용 방법과 기능을 간단하게 설명하고자 합니다.

1. Getting magic code

AI 데이터 학습을 위한 최적의 조합으로 변수 값을 설정하기 위한 매직 코드를 생성할 수 있습니다.

ds2.get_magic_code(training_method, data_file, value_for_predict)

get_magic_code 함수를 호출하여 training_method, data_file, value_for_predict를 입력 변수로 받아 실행하면 AI 훈련의 전 과정을 담은 매직 코드를 반환합니다.

2. Auto Labeling

데이터 파일 업로드 부터 DS2.ai Labeling AI의 오토라벨링 인공지능 개발 시작에 이르는 모든 단계를 단 하나의 함수 코드로 실행 할 수 있습니다.

ds2.start_auto_labeling(data_file, amount, has_label_data=False, predict_column_name=None, frame=60,
                        ai_type="general", autolabeling_type="box", general_ai_type="person",
                        model_id=None, custom_ai_stage=0, preprocessing_ai_type={}, labeling_class=[],
                        training_method="object_detection", name='', description='')

주요 파라미터로는 오토라벨링을 시행할 data_file, 데이터에 예측하고자 하는 레이블이 포함되는지 여부, 레이블을 지정하는 "box" 또는 "polygon"과 같은 자동 레이블 유형 등이 있습니다. start_auto_labeing()과 같은 데스크탑 어플리케이션의 기능은 다음과 같습니다.

3. AI Training

데이터 파일의 업로드부터 자동 인공지능 개발 시작에 이르는 모든 단계를 단 하나의 함수 코드로 실행할 수 있습니다.

ds2.train(data_file, has_label_data=False, frame_value=60, training_method=None, 
        value_for_predict=None, option="accuracy")

train 함수를 호출하여 data_file, training_method, value_for_predict, option 등의 변수를 설정하면, 그에 맞는 맞춤형 AI 모델이 생성됩니다. train()과 같은 데스크탑 어플리케이션의 기능은 다음과 같습니다.

4. Deploy your AI model

호스팅 지역 설정 및 원하는 사양을 지정하여 AI 모델을 클라우드 서버에 배포할 수 있습니다.

ds2.deploy(model_file, name=None, cloud_type="AWS", region="us-west-1", 
    server_type="g4dn.xlarge")

클라우드 서버의 종류는 기본적으로 'AWS'로 설정되어 있지만, 구글 클라우드와 같은 다른 클라우드 서비스도 지원합니다(당사 비즈니스팀 문의). 활용 용도에 맞게 서버 사양 및 크기를 구성하여 AI 모델에 가장 적합한 환경을 세팅하고 배포할 수 있습니다.

Getting Help

아래의 페이지에서 ds2ai SDK 참고 가이드 및 질의 응답 내용을 확인하실 수 있습니다.

License

이 SDK는 Apache-2.0 라이선스에 따라 배포됩니다. 자세한 내용은LICENSE 를 참고하세요.

Previous샘플 데이터를 전처리하여 영화 리뷰 긍정/부정 예측 모델 생성하기NextDS2

Last updated