-
AI 데이터의 복잡한 지형에서 길 찾기
AI SUMMIT SEOUL 2023 강연 – 이창신 소장
-
음성 기반 3D 아바타 생성 솔루션 – 플루언트
감정 분류 및 표정 생성을 위한 감정 연기 영상 및 음성 데이터 셋 구축 사례
-
말하는대로 받아적는 인공지능 문자통역 서비스 – 소보로
음성 인식 정확도를 높이기 위한 잡음 데이터 구축 사례
-
[연재 2] 테스트웍스 데이터 품질 검증 전문 도구 ADQ
인공지능 데이터 품질 검증을 수행해야 하는 기업 및 기관들은 ADQ를 활용하여 현업에서의 어려움을 개선 및 업무 생산성을 증대할 수 있습니다.
-
[연재 1] 인공지능 데이터 품질 검증, 무엇이 문제이고 무엇이 필요한가?
데이터 품질 관리의 어려움과 품질 검증의 현주소
-
AI 데이터셋 구축, 기술이 주도해야
인공지능 모델을 활용한 자동화 기술을 통해 양질의 대규모 데이터셋이 구축되어 인공지능 생태계가 활성화 되기를 기대합니다.
-
대규모 인공지능 데이터셋 구축 사례 (2)
사회 문제 해결을 위한 데이터셋 구축 및 고용 창출에 기여
-
대규모 인공지능 데이터셋 구축 사례 (1)
인도 보행 영상 AI 학습 데이터 구축 – 장애인 이동권 신장을 위한 인공지능 서비스 개발 기반 마련
-
블랙올리브 GS 인증 1등급 획득
인공지능 학습 데이터 구축을 위한 ‘블랙올리브’ 데이터 자동화 가공 관리 도구 기술력과 가치 인정
-
자동화 모델 고도화 및 관리 기능 강화
‘블랙올리브’ 데이터 자동화-가공-관리 솔루션, 대규모 데이터셋 구축 경험 노하우를 반영한 업데이트 버전 출시
-
핫해진 데이터 라벨링 (2)
AI 데이터 구축을 위해서는 원천 데이터에 설명을 다는 라벨링 작업이 기초가 되어야 합니다.
-
핫해진 데이터 라벨링 (1)
중소-벤처 인공지능 서비스 개발 회사들이 자체적으로 학습데이터를 구축하기 위해서는 많은 비용과 시간을 들여야 합니다. 원천 데이터를 수집 후 라벨링 또는 어노테이션이라 불리는 데이터 전처리 과정을 거쳐야 하기 때문이죠.