을 소개합니다 Mendix Low-Code ML 배포를 위한 ML 키트

아미르 필탄
2023 년 3 월 17 일
11분 읽기

로우코드 애플리케이션 플랫폼(LCAP)은 약 1조 8,000억 달러의 성장률을 예상하는 신흥 시장입니다. 향후 몇 년간 30%. 지난 10년 동안 LCAP 시장이 부상한 것과 거의 동시에, 컴퓨팅 파워의 지속적인 증가와 빅데이터의 가용성이 결합되어 인공 지능(AI)의 새로운 봄이 시작되었습니다.

LCAP가 애플리케이션이 "어떻게" 구축되는지에 혁명을 일으키는 반면, AI와 머신 러닝(ML)은 "어떤" 종류의 애플리케이션을 구축할 수 있는지에 혁명을 일으키고 있습니다. 이 두 가지 추세는 LCAP가 성숙해지고 기업이 복잡한 미션 크리티컬 앱을 구축하는 데 채택됨에 따라 함께 나타나고 있습니다. 따라서 차세대 LCAP는 소위 "AI 강화 비즈니스 앱" 구축을 지원해야 합니다.

AI 강화 비즈니스 앱(스마트 앱이라고도 함)은 AI/ML 모델(종종 논리에 따라)을 사용하여 자동화되고, 보다 스마트하고, 상황에 맞는 사용자 경험을 제공하는 앱입니다.

2020년에 가트너 예측 "60년까지 조직의 2022%가 패키지형 인공지능을 활용하여 여러 기능 분야의 프로세스를 자동화할 것"이라고 합니다. 이는 이미 일어나고 있습니다. 맥킨지 설문조사 2021년에 모든 지역과 산업을 대표하는 1,843명의 참가자를 대상으로 실시한 조사에서 "조사 대상 기업의 56%가 최소한 한 가지 비즈니스 기능에 AI를 도입했습니다(50년 2020% 증가)"라고 밝혔습니다.

스마트 앱 사용 사례

AI 강화 비즈니스 앱은 명시적으로 프로그래밍하는 대신 데이터의 패턴을 사용하여 예측을 수행합니다. 이는 종종 수동 작업의 자동화 또는 작업이나 비즈니스 프로세스에 대한 보다 지능적인 접근 방식으로 이어집니다. 따라서 작업장 효율성을 높이고, 비용과 위험을 줄이며, 고객 만족도를 향상시킵니다. 아래는 AI 및 ML 사용 사례의 몇 가지 예입니다.

감정 분석 및 분류

고객 피드백의 감정(긍정적 vs 부정적)을 이해합니다.
고객 피드백이나 요청을 특정 지원 또는 비즈니스 범주로 분류합니다.

물체 감지

공장 생산 라인에서 결함이 있는 제품을 감지합니다.
공장 생산라인의 제품에서 결함 유형을 감지합니다.
의료 이미지에 대한 이미지 분류
공장에서의 물건 세기

이상 감지

의심스러운 은행 거래 감지
비즈니스 지표 간의 비정상적인 관계(예: 제품 판매는 증가하지만 잘못된 가격표로 인해 수익이 감소)
인벤토리에서의 이상 감지

예측

과거 및 계절별 추세에 기반한 현금 흐름 예측
판매 추세에 따라 필요한 재고를 예측합니다.
내부 및 외부 요인을 활용한 호텔 체인 수요 예측
수요 예측에 따른 동적 가격 책정

ML 배포의 과제

최근 몇 년 동안 AI/ML 환경과 도구가 크게 발전했지만, 프로덕션에 AI를 배포하고 애플리케이션에 AI를 통합하는 것이 핵심 과제입니다.

바탕으로 가트너의 연구"조직들은 AI를 추진하는 데 있어 가장 큰 장애물 중 하나가 기존 애플리케이션과의 통합이라고 보고합니다." 가트너는 인용한다 1년 후 동일한 과제: "성공적인 AI 파일럿의 절반 이상이 배포 단계에 도달하지 못했습니다."

지금까지, Mendix 고객은 AI 서비스를 통합할 수 있었습니다. Mendix REST API를 사용하는 앱. 이는 실행 가능한 접근 방식(특히 타사 AI 서비스의 경우)이지만 로컬에서 구축하거나 오픈 소스 ML 모델은 호스팅 서비스에 액세스하고 모델을 배포하기 위한 기술 지식이 필요하고, 추가 노력을 기울이고, 추가 호스팅 비용과 유지 관리가 필요합니다.

하지만 종종 고객은 ML 모델을 자체에 내장해야 합니다. Mendix 성능, 개인정보 보호, 비용 등 다양한 이유로 앱을 사용하지 않습니다. Mendix ML Kit은 고객에게 AI 모델을 배포할 수 있는 도구를 제공합니다. Mendix 앱을 쉽고 로우코드로 개발합니다.

로우코드 배포 Mendix ML 키트

따라서 Mendix ML 툴킷을 사용하면 개발자는 공통 ML 프레임워크 및 언어를 사용하여 구축된 ML 모델을 배포할 수 있습니다. Mendix Studio Pro 런타임을 로우코드 방식으로 사용합니다.

ML Kit은 Open Neural Network Exchange(ONNX), Microsoft와 Facebook이 공동 개발한 오픈소스 프레임워크 재활용률 프레임워크 상호 운용성을 가능하게 합니다. ONNX를 사용하면 AI 프레임워크(예: Python)와 Mendix (예: JVM). 즉, TensorFlow와 같은 선호하는 ML 프레임워크에서 ML 모델을 학습한 다음 ONNX 형식으로 변환하여 다음과 같은 다른 프레임워크에서 사용할 수 있습니다. MendixONNX는 AI 프레임워크(예: Python)와 Mendix (예: JVM).

의 이점 Mendix ML 키트

따라서 Mendix ML Kit은 다양한 장점을 제공합니다:

시장 출시 시간 단축 ML 배포에 걸리는 시간을 몇 주에서 며칠/시간으로 단축함으로써
더 쉬운 통합 AI 플랫폼과 LCAP의 두 세계를 연결하고 팀이 타사 AI 플랫폼을 사용하여 구축한 ML 모델을 AI 플랫폼으로 구축한 앱에 통합할 수 있도록 함으로써 Mendix.
뛰어난 성능모델을 앱 런타임에 통합하고 JVM에서 실행함으로써 지연 시간(네트워크 및 모델 추론 지연 시간)을 줄일 수 있었습니다.
노력과 비용 절감 모델 배포를 위해 다른 호스팅 서비스를 획득, 배포 또는 유지할 필요가 없습니다(마이크로서비스 통합 대비).
온에지 배포(미래) 런타임 통합으로 인해 엣지(온디바이스 ML)에서 실행할 수 있는 가능성을 제공합니다. 이미지 처리 모델의 60%가 이제 엣지에 배포된다는 점이 주목할 만합니다.

즉시 사용 가능한 사전 학습된 ML 모델

ONNX 커뮤니티는 ML 모델 저장소를 제공합니다. ONNX 모델 동물원, 일반적인 컴퓨터 비전 및 언어 모델을 찾을 수 있는 곳입니다. ONNX Model Zoo는 커뮤니티 구성원이 기여한 ONNX 형식의 사전 훈련된 최첨단 모델 컬렉션입니다.

각 모델과 함께 제공되는 Jupyter 노트북은 모델 학습 및 학습된 모델로 추론을 실행하기 위한 것입니다. 노트북은 Python으로 작성되었으며 학습 데이터 세트에 대한 링크와 모델 아키텍처를 설명하는 원본 논문에 대한 참조를 포함합니다.

ONNX Zoo의 모든 ONNX 모델은 ML Kit과 호환되어야 합니다. 고객은 이 저장소에서 모든 ML 모델을 선택하고, 사용 사례에 맞게 자체 데이터로 사용자 정의하고, 이를 해당 Mendix ML 키트를 사용한 앱.

아래에서 ONNX Model Zoo의 ONNX 모델 목록을 찾을 수 있습니다. 이러한 사전 학습된 모델을 사용하여 위에 나열된 것과 유사한 비즈니스 사용 사례 또는 비즈니스에 대한 다른 유형의 사용 사례를 구축할 수 있습니다.

비전

Language

기타

고급 배포 패턴 Mendix ML 키트

따라서 Mendix ML 키트와 결합 Mendix 이 플랫폼은 다양한 최첨단 ML 구현 패턴을 지원합니다.

때로는 여러 ML 모델을 사용하여 출력을 예측하는데, 여기서 동일한 데이터 포인트가 모델 그룹으로 전송되고 모든 예측이 수집되어 최상의 예측을 찾습니다(앙상블 학습). 또는 여러 모델을 계단식으로 사용하여 한 모델의 출력을 다른 모델에 공급할 수도 있습니다(계단식 추론). 이러한 배포 패턴은 다음을 사용하여 쉽게 달성할 수 있습니다. Mendix 마이크로플로우와 Mendix ML 키트.

또한, 서비스로 ML 모델을 통합하는 것도 다음을 사용하여만 가능합니다. Mendix 플랫폼 및 ML 키트는 추가적인 타사 호스팅 서비스가 필요 없습니다. 마지막으로, 모델에 대한 단일 요청으로 여러 추론이 실행되는 일괄 추론은 다음과 같이 지원됩니다. Mendix 그리고 Mendix ML 키트.

ML Kit을 사용하여 이러한 모든 배포 패턴을 구현하는 방법을 읽을 수 있습니다. Mendix 다음 페이지의 Studio Pro:

제품 개요

ML Kit을 통해 고객이 앱에서 AI를 사용하여 비즈니스 프로세스를 더욱 개선하고 수동 작업을 자동화하며 고객 만족을 제공할 수 있도록 지원합니다. 아직 사용하지 않은 경우 Mendix 아직 ML Kit이 없다면, 한 번 시도해 보세요. 그리고 여러분의 의견을 알려주세요. 여러분의 피드백은 종종 다음 반복 작업의 기초가 됩니다.

에 대한 자세한 내용을 보려면 Mendix ML 키트와 사용 방법 방문 Mendix 기술 문서또는 다음을 사용하여 ML 배포의 예를 찾으십시오. Mendix Jupyter notebook에 ML 모델이 포함된 ML KIT 여기에서 확인하세요.

을 소개합니다 Mendix Low-Code ML 배포를 위한 ML 키트 | Mendix

사이트 검색

개발자 블로그