합성 데이터 생성

시뮬레이션 모델은 관련성 있고, 정확하며, 구조화되고 분류된 훈련 데이터를 무제한으로 생성하기 위해 사용될 수 있습니다. 이렇게 시뮬레이션 모델을 사용할 때, 기본적은 작업 흐름은 다중 실행 시뮬레이션 실험(병렬 시뮬레이션 실행이 이상적)을 실행하고 머신러닝 알고리즘이 소비할 수 있는 형식의 결과를 기록하는 것입니다. 애니로직과 애니로직 클라우드는 모델을 실행하고 바람직한 저장소에 출력을 기록하는 다양한 방법을 제공합니다.

사용 사례 작업 흐름 및 도구

사례 1: 새로운 머신 러닝 알고리즘의 효과 테스트

머신 러닝 연구진들은 시뮬레이션 모델을 정확하고, 소음이 발생하지 않으며, 무제한적이고, 분류된 데이터를 생성하는 엔진으로 사용하여 새로운 머신 러닝 알고리즘의 효과를 테스트할 수 있습니다.


사례 2: 추가 합성(시뮬레이션) 데이터로 실제 데이터 향상

적절하게 검증된 시뮬레이션 모델은 훈련 데이터를 필요로 하는 머신 러닝 모델, 특히 딥 러닝 모델의 관련 데이터를 생성하기 위해 사용될 수 있습니다.


사례 3: 실제 데이터 수집에 투자에 선행하는 개념 증명 머신러닝 솔루션

머신 러닝 전략을 미래에도 사용할 수 있게 만들려고 생각 중인 모든 기업들에게 있어, 데이터 수집을 확장하고 가속화하는 메커니즘에 투자하는 것은 중요한 결정 사항이며, 어떤 작은 실수라도 그 기업의 장래 데이터 중심 솔루션의 실행 가능성을 위험에 빠트리는 요인이 될 수 있습니다. 기업이 직면하는 딜레마 중 일부는 데이터를 사용하기 전, 수집한 데이터의 관련성, 유형, 출처와 속도를 어떻게 적절히 선택하는가 하는 것입니다. 시뮬레이션에서 생성된 합성 데이터는 데이터 과학자들로 하여금 데이터 수집 방식 및 기술에 투자하기 전 자신들의 가설을 개념 증명 머신러닝 모델로 테스트할 수 있게 도와줍니다.


사례 4: 머신 러닝 모델로 시뮬레이션 모델 근사 동작 구하기

시뮬레이션 모델 자체의 더 단순한 버전 또는 대체품이라 할 수 있는 메타모델은 시뮬레이션 모델의 입출력에서 머신러닝 모델을 훈련함으로써 개발할 수 있습니다. 시뮬레이션 실험의 결과 분석이 계산 비용이 매우 많이 드는 프로세스일 때 매우 유용합니다. 머신러닝 모델, 그리고 특히 딥 머신 러닝 모델은 비선형 동적 시스템의 본질을 포착할 수 있다는 많은 가능성을 보여주었습니다. 그 결과로 생긴 메타모델은 거대한 검색 공간의 탐색을 요구하는 모든 유형의 실험을 위해 사용될 수 있습니다.


사례 5: 종단 장치에 근사 시뮬레이션(훈련 머신러닝 모델) 배치

시뮬레이션 모델에서 개발된 머신러닝 메타모델은 시뮬레이션의 가볍고 휴대 가능한 버전으로 사용할 수 있습니다. 이를 통해 종단 장치를 포함해 점점 증가하는 AI 배포 플랫폼에 효과적으로 배포될 수 있습니다. 이러한 접근 방식은 AI 솔루션을 위해 만들어진 배포 인프라의 후면에 시뮬레이션 모델을 배포할 수 있는 실용적인 수단을 제공합니다.

작업 흐름 및 도구

시뮬레이션을 합성 데이터 생성 엔진으로 사용할 때, 기본적인 작업 흐름은 다중 실행 시뮬레이션 실험(병렬 시뮬레이션 실행이 이상적)을 실행하고 머신러닝 알고리즘이 소비할 수 있는 형식의 결과를 기록하는 것입니다. 애니로직과 애니로직 클라우드는 모델을 실행하고 바람직한 저장소에 출력을 기록하는 다양한 방법을 제공합니다.

모델에 연결된 데이터 베이스로 출력

모델에 연결된 데이터 베이스로 출력

애니로직의 내장 데이터베이스 또는 모델에 연결된 외장 데이터베이스로 출력

각각의 애니로직은 고속 데이터 전송에 적합하고 엑셀 파일로 내보내기가 가능한 내장 데이터베이스와 함께 제공됩니다. 또한 애니로직의 간단하고 사용하기 쉬운 API를 통해 엑셀 및 텍스트 파일에(로컬 또는 원격으로) 직접 연결할 수 있습니다. 애니로직 모델은 JDBC를 지원하는 모든 관계형 데이터베이스에 연결할 수도 있습니다.

더 나은 확장성을 위한 애니로직 클라우드

더 나은 확장성을 위한 애니로직 클라우드

애니로직 클라우드를 사용하여 빠르게 다중 실행 시뮬레이션 실험과 출력 생성을 확장할 수 있습니다.

애니로직 클라우드를 사용하면 출력 생성을 간소화를 위한 확장 가능한 서버 기반 실행 플랫폼에 접근할 수 있습니다. 애니로직 클라우드의 그래픽 환경에서는 실험을 설정하고 나중에 그 결과를 엑셀이나 JSON으로 내보내기 할 수 있습니다. API 호출을 통해 동일한 작업을 수행할 수도 있습니다.(자바스크립트, 파이썬 및 자바에서 가능) 클라우드의 모델은 관계형 데이터베이스에 대한 직접 연결과 자동 엑셀&JSON 내보내기 및 API를 통한 파일 메커니즘 쓰기를 지원합니다.