헬로티 이동재 기자 | 엔비디아가 오는 27일 ‘엔비디아 AI 개발자 밋업’을 진행한다. 엔비디아는 본 행사에서 '엔비디아 멀린(Merlin)' 추천 시스템 프레임워크에 대한 소개 및 분야별 활용사례를 공유한다. 맞춤형 검색 기능을 가능하게 하는 추천 알고리즘은 수억 명에 달하는 개인 인터넷 이용자들이 구매하고 싶은 콘텐츠를 찾을 수 있도록 해준다. 알고리즘을 기반으로 한 맞춤형 추천 시스템은 넷플릭스, 아마존, 페이스북, 바이두, 알리바바와 같은 인터넷 기업이 성공할 수 있었던 결정적 요소지만, 모든 추천 시스템이 이에 필요한 데이터를 잘 처리하지는 못하므로, 훈련 속도가 저하되고 사용자의 편안한 인터넷 경험이 저해되는 문제가 있다. 엔비디아는 기업에서 스마트한 추천 시스템을 구축할 수 있도록 AI 기반 추천 시스템인 멀린 프레임워크를 오픈 소스로 제공하고 있다. 사용하기 쉬운 API로 되어 있으며, GPU 가속 추천 시스템의 수집, 훈련, 배포를 위한 엔드-투-엔드 파이프라인을 통해 GPU 가속 추천 시스템을 보다 쉽게 적용할 수 있는 기업용 딥 러닝 추천 시스템 프레임워크다. 미디어, 엔터테인먼트, 온라인 상품 판매업 등 다양한 분야의 업체들이 GPU
헬로티 김진희 기자 | 서울대학교 공과대학은 전병곤 컴퓨터공학부 교수팀이 마이크로소프트와 공동으로 전통적 머신러닝 파이프라인을 신경망(neural network)으로 변환해 최적화하는 프레임워크인 ‘WindTunnel’을 개발했다고 9일 밝혔다. 이번 성과는 전통적 머신러닝 기법과 최신 딥러닝 기법의 장점을 모두 취하는 핵심 기술로, 클릭률 예측 및 추천 시스템 등 다양한 실제 인공지능(AI) 응용에 활용될 것으로 예상된다. 딥러닝 기법이 컴퓨터 비전이나, 자연어 처리 등의 분야에서 효과적인 것으로 나타나 크게 주목받고 있다. 하지만 클릭률 예측이나, 추천 시스템 등의 인공지능 응용에서 사용되는 표 형식 데이터(tabular data)는 여전히 선형 모델(linear model)이나 GBDT(gradient boosting decision trees)와 같은 전통적 머신러닝 기법이 더 나은 성능을 보이는 경우가 많다. 전통적 머신러닝 기법을 사용할 때는 보통 여러 머신러닝 모델 및 데이터 변환 연산을 엮어 하나의 머신러닝 파이프라인을 구성하고, 학습 시에는 파이프라인을 구성하는 각 요소를 개별적으로 학습한 뒤 사용하게 된다. 전병곤 서울대 컴퓨터공학부 교수팀