DB 기반 SQL AI 솔루션

Solution Introduction

DB 기반 SQL AI 솔루션

SQML DBMS 내에 AI 학습 프레임워크를 내장하여 SQL 기반으로 학습 및 추론 업무를 진행합니다.
인공지능 기술은 다양한 학습 플랫폼과 프레임워크가 존재하지만 수많은 배포 방식과 기존 REST-API 등으로 사용하는 방식에서
SQL 처리만으로 학습 및 추론 업무를 진행할 수 있습니다.

Key Features

주요 기능

학습 프로젝트

사용자는 간단하게 딥러닝 프로젝트를 생성 할 수 있으며, 데이터셋과 네트워크를 설정하고 학습을 진행 할 수 있습니다

네트워크 관리

사용자는 SQML을 이용하여 학습에 사용할 네트워크를 설계할 수 있습니다.

Dataset 관리

SQML은 데이터셋을 생성 및 수정 기능을 제공합니다.

검수

SQML은 Dataset Image 분류/태깅 작업에 대해 작업자를 설정할 수 있습니다. 작업이 완료된 데이터셋을 검수자가 검수하여 데이터셋의 질을 향상시킬 수 있습니다.

학습

SQML은 실시간 학습 모니터링 기능을 제공합니다.

자원 사용량 조회

SQML은 시스템의 자원 사용량 모니터링 기능을 제공합니다.

Technical features

기술 특징

POINT 1

딥러닝 프로젝트 통합 관리

- 딥러닝 프로젝트 관리 이력 조회
- 학습 과정 조회 및 가시화
- 성능 평가 및 리포트 작성

POINT 2

Database Plugin

- 기존 MariaDB에 플러그인으로 설치
- Query로 모든 딥러닝 프로젝트 과정을 수행
- 학습 과정을 DB에 저장하여 손쉽게 확인가능

POINT 3

분산 컴퓨팅

- 컴퓨팅 자원 조회
- 컴퓨팅 자원에 따른 Task 분배
- 딥러닝 모델 분산 학습 지원

>

POINT 4

데이터 통합 관리

- 데이터 수집
- 데이터 라벨링
- 데이터 검수
- 데이터 관리 이력 조회
- 데이터셋 내보내기 (LMDB, TFRecord, CSU, JSON)

POINT 5

GUI 기반의 딥러닝 알고리즘 개발 도구

- 새로운 딥러닝 네트워크 구성
- 기존의 딥러닝 네트워크 편집(자르기, 연결하기)
- 작성된 딥러닝 네트워크 내보내기
- ONNX, NNEF 포맷을 통해 다른 프레임워크의 딥러닝 알고리즘 컨버팅(QML <-> ONNX)

Distributed Cluster Configuration

분산클러스터 구성도

통합 콘솔(SQML-DI Console)을 통한 비식별 정보 생성과 QML 스케줄러 기반의 고속 병렬 처리를 통해,
SOTA AI 모델을 컨테이너 환경에서 안정적으로 구동하는 분산 클러스터 시스템입니다.

분산클러스터