매뉴얼KSB융합연구단은 인간중심 초연결 지능정보사회를 구현하는데 이바지하겠습니다.

사용자 가이드

KSB 인공지능 프레임워크를 이용하여 인공지능 서비스를 만드는 방법을 설명한 사용자 매뉴얼입니다.
KSB 웹툴킷을 이용하여 인공지능 서비스와 관련된 워크플로우를 만들고 실행하거나 제어하는 방법을 설명합니다.
또한 워크플로우를 쉽게 개발할 수 있도록 KSB 웹툴킷 기반의 다양한 워크플로우 개발 예제를 소개합니다.

KSB 웹툴킷
  • KSB 웹툴킷 개요

    KSB 웹툴킷은 워크플로우를 정의할 수 있는 편집기, 워크플로우를 실행하고 제어하기 위한 모니터링, 데이터의
    업로드 및 시각화 등을 웹 방식의 그래픽 환경에서 수행할 수 있도록 제공되는 클라이언트 모듈입니다.

    바로가기
  • 워크플로우 편집기 사용하기

    KSB 웹툴킷은 웹 방식의 그래픽 환경에서 사용자가 워크플로우를 정의하고 실행할 수 있는 개발 도구입니다.
    KSB 웹툴킷 내부에서 제공하는 워크플로우 편집기는 워크플로우를 편집하거나 실행할 수 있는 워크플로우
    저작도구 입니다.

    바로가기
  • 데이터 저장소 사용하기

    KSB 인공지능 프레임워크는 하둡파일시스템(HDFS) 을 기본적으로 사용합니다.
    KSB 웹툴킷에서는 Repository 메뉴를 통해 HDFS에 파일을 업로드 하거나 다운로드 하기 위한
    인터페이스를 제공합니다.

    바로가기
  • 모니터링 사용하기

    KSB 프레임워크에 제출된 워크플로우 및 엔진의 상태를 확인하고 제어하기 위한 인터페이스를 제공합니다.

    바로가기
컴퍼넌트
  • 엔진유형 목록

    프레임워크에서 제공하는 엔진 유형 목록을 제공합니다. 서비스 목적에 맞는 엔진유형을 선택하여 사용합니다.

    바로가기
  • 컴퍼넌트 목록

    엔진을 구성하는 컴퍼넌트 목록을 제공합니다. Reader, Writer, Operator, Runner, Controller 가 있습니다.

    바로가기
워크플로우 예제 :: 데이터 처리
  • 스트림 데이터 적재하기

    스트림 데이터를 MongoDB에 적재하는 예제를 소개합니다.

    바로가기
  • 배치방식으로 데이터 처리하기

    KMeans 클러스터링을 수행하는 배치데이터 처리 예제를 소개합니다.

    바로가기
  • 비식별 처리하기

    원본 데이터에 총계처리, 가명처리, 부분식별자삭제, 암호화 비식별화 기능을 적용한 예제를 소개합니다.

    바로가기
워크플로우 예제 :: ML 모델 학습 및 서빙
  • ML모델 학습하기

    DecisionTree 분류 예제를 소개합니다.

    바로가기
  • AutoML 학습하기

    AutoML 학습 예제를 소개합니다.

    바로가기
  • 배치방식으로 ML모델 예측결과 얻기

    AutoML로 학습된모델로부터 예측하는 예제를 소개합니다.

    바로가기
  • 스트림 방식으로
    ML모델 예측결과 얻기

    온도센서 스트림 데이터를 전처리하여 기계학습 모델에 의해 예측된 온도값을 Kafka 스트림으로
    내보내는 예제를 소개합니다.

    바로가기
  • 스트림 방식으로 예측하여
    REST 방식으로 서빙하기

    온도센서 스트림 데이터를 전처리하여 기계학습 모델에 의해 예측된 온도값을
    클라이언트 요청에 따라 전달하는 예제를 소개합니다.

    바로가기
  • 스트림 예측결과를 지식추론하여
    REST 방식으로 서빙하기

    온도센서 스트림 데이터를 전처리하여 기계학습 모델에 의해 예측된 온도값을 
    클라이언트의 요청에 따라 최적의 제어를 추론하여 전달하는 예제를 소개합니다.

    바로가기
워크플로우 예제 :: DL 모델 학습 및 서빙
  • 텐서플로우 모델 주기적으로 학습하기

    텐서플로우 기반 딥러닝 모델을 주기적으로 학습하는 예제를 소개합니다.

    바로가기
  • 온디맨드 방식으로
    Inception 모델 서빙하기

    텐서플로우 Inception 모델을 이용한 온디맨드 방식의 이미지 분류 서비스 예제를 소개합니다.

    바로가기
  • 스트림 방식으로 Mnist 모델 서빙하기

    Kafka로부터 전달받은 이미지를 텐서플로우 기반 Mnist 모델로 분류하여
    Kafka 스트림으로 전달하는 예제를 소개합니다.

    바로가기
워크플로우 예제 :: 융합서빙 및 기타
  • 융합 REST API 만들기

    REST API를 파이프라인하여 새로운 융합 REST API 를 만드는 예제를 소개합니다.

    바로가기
  • 쿠버네티스를 이용한 주기적인
    모델학습 및 예측모델 서빙하기

    강남교통 모델을 주기적으로 학습하고 학습된 모델을 쿠버네티스에서 서빙하는 예제를 소개합니다.

    바로가기
  • EdgeX 연동을 통한 장치 제어하기

    EdgeX로부터 센싱 데이터를 수집하고, 이를 전처리한 후, 규칙 기반으로 장치를 제어하는 예제를 소개합니다.

    바로가기
워크플로우 예제 :: 교통속도 예측 튜토리얼
  • 교통속도 스트림 데이터 전처리하기

    교통센서로부터 시계열 속도 데이터를 수집하여 전처리를 수행하고, 파일로 저장하는 예제를 소개합니다.

    바로가기
  • 교통속도예측 텐서플로우 모델
    학습하기

    일정 기간 수집하여 전처리한 시계열 속도 데이터를 이용하여 텐서플로우 기반 딥러닝 모델을 학습하여
    서빙용 모델을 만드는 예제를 소개합니다.

    바로가기
  • 온디맨드 방식으로
    교통속도예측 모델 서빙하기

    텐서플로우 기반 딥러닝 모델을 이용한 교통 속도 예측 RESTful 서비스 예제를 소개합니다.

    바로가기
  • 스트림 방식으로
    교통속도예측 모델 서빙하기

    교통센서로부터 시계열 속도 데이터를 수집한 후 전처리를 수행하고, 텐서플로우 기반 딥러닝 모델에 의해
    예측된 속도를 클라이언트로 전달하는 예제를 소개합니다.

    바로가기
  • 실시간 시계열 교통속도 센서스트림
    처리하기

    교통센서로부터 동시에 무작위로 들어오는 시계열 속도 데이터를 수집하여 시간 순으로 데이터를 처리해서
    내보내는 예제를 소개합니다.

    바로가기
  • 실시간 시계열 교통속도 센서스트림
    처리 및 텐서플로우 모델 서빙하기

    교통센서로부터 시계열 속도 데이터를 수집한 후 전처리를 수행하고, 텐서플로우 기반 딥러닝 모델에 의해
    예측된 속도를 클라이언트로 전달하는 예제를 소개합니다.

    바로가기
  • 실시간 시계열 교통속도 센서스트림
    처리/학습/예측 및 주기적 모델 갱신하기

    교통센서로부터 시계열 속도 데이터를 수집한 후 전처리를 수행하고, 텐서플로우 기반 딥러닝 모델에 의해
    예측된 속도를 클라이언트로 전달하는 한편, 전처리한 속도 데이터를 계속해서 파일에 저장한 후
    텐서플로우 기반 딥러닝 모델을 주기적으로 학습하는 예제를 소개합니다.

    바로가기
참고
  • Python 모듈 사용하기
    (KSB Dockerize)

    사용자가 작성한 Python 모듈을 KSB 프레임워크에 탑재하기 위해 Docker 이미지로 만드는 방법에 대해
    설명합니다.

    바로가기
  • KSB 프레임워크와 연동을 위한
    tensorflow 학습코드 작성하기

    사용자가 작성한 Python 기반 tensorflow 학습코드와 KSB 프레임워크 간 연동을 위해,
    코드 작성 방법에 대해 설명합니다.

    바로가기
  • CSV 파일 Parquet로 저장하기

    사용자 CSV 파일을 Parquet 형태의 파일로 변환하여 저장하는 방법에 대해 설명합니다.

    바로가기