AI 개발: 데이터 준비, 주석 및 리더십 인사이트

Innodata는 다양한 팀이 데이터 품질을 향상하고 AI 프로세스를 간소화하여 산업 전반의 효율성과 정확성을 개선할 수 있도록 지원합니다.

### AI와 데이터 주석의 여정: Innodata 부사장의 인사이트
* 💻 연사는 일찍이 기술에 매료되어 **버지니아 대학교에서 시스템 및 정보 공학을 전공**하고 **컴퓨터 공학을 부전공**하게 된 과정을 회상합니다.
* 🏢 이들은 정부에 전략적 자문을 제공하는 비영리 단체인 **MITRE에서 경력을 시작**하여 워싱턴 DC 지역의 정보 및 국방 기관과 함께 일하며 소중한 경험을 쌓았습니다.
* 🔍 인텔 퓨전 셀의 기술 책임자로서 **분석가들이 서로 다른 데이터 유형을 통합**하고 반복적인 작업을 줄여 효율성을 높이는 등 프로세스를 간소화하는 데 도움이 되는 플랫폼을 개발했습니다.
* 🌍 이들은 아프가니스탄과 이라크에 파견되어 **분석가들에게 새로운 도구를 교육**하고 방대한 정보 기록에서 관련 데이터를 추출하는 데 주력했습니다.
* 📊 연사는 AI에서 데이터 준비의 중요성을 강조하며, **고급 모델도 중요하지만 성공적인 결과를 위해서는 고품질 데이터의 기반**이 중요하다고 언급합니다.
* 🛠 Innodata에서는 분석가와 데이터 과학자의 데이터 수명 주기를 최적화하여 데이터 조작보다는 분석에 더 집중할 수 있도록 하는 **AI용 데이터 플랫폼 구축**에 앞장서고 있습니다.
* 🌐 3,500명 이상의 주제별 전문가로 구성된 글로벌 팀이 데이터 주석 및 추출 프로세스의 품질을 향상시키는 방법을 강조하면서 **인력의 지리적, 경험적 다양성의 중요성**에 대해 이야기합니다.
* 🤝 마지막으로, 팀 내에서 실패와 학습에 대한 열린 문화를 조성하는 것이 중요하다고 강조하며, **커뮤니케이션과 회고 회의가 시간이 지남에 따라 프로세스와 제품을 개선**하는 데 중심이 될 수 있도록 합니다.

Steven Davis, VP Technology at Innodata - Enabling Data Scientists to Do More

Modern CTO

컴퓨터와 프로그래밍에 일찍부터 관심을 가졌습니다.

버지니아 대학교: 시스템 및 정보 공학(학부 및 대학원).

정부는 비영리 단체인 MITRE와 협력합니다.

분석가를 위한 데이터 및 플랫폼 개발 경험.

다양한 분석가 및 데이터 유형과 함께 작업합니다.

분석가의 효율성을 개선하는 도구 구축

아프가니스탄과 이라크에서의 국제 활동.

AI/ML에서 데이터 준비의 중요성.

AI/ML의 기본 요소는 데이터 준비입니다.

네임드 엔티티 인식 및 데이터 추출.

분석가와 데이터 과학자를 위한 데이터 효율성 향상에 중점을 둡니다.

여러 부문에서 데이터 분석의 기술적 유사성이 존재합니다.

주요 차이점은 데이터 가용성, 품질, 사용성에 있습니다.

데이터 준비 시 디자인과 사용자 경험에 더 집중합니다.

향후 데이터 플랫폼의 사용자 경험에 중점을 둡니다.

퍼블리싱에 뿌리를 두고 다른 영역으로 확장하고 있습니다.

데이터 추출, 주석 및 처리에 집중하세요.

관리형 서비스 및 자동화된 플랫폼을 제공합니다.

플랫폼 기능: 워크벤치, 워크플로 및 KPI.

특정 사용 사례에 맞춘 워크벤치.

효율적이고 고품질의 라벨 제작을 위한 도구.

문서 내 엔티티에 주석을 달기.

AI 모델 학습을 위한 데이터를 준비합니다.

편향성은 머신러닝 모델에 있어 어려운 과제입니다.

데이터 부족 문제를 해결하기 위한 합성 데이터 생성.

데이터 드리프트와 지속적인 교육의 필요성.

불완전한 데이터 세트에 대한 솔루션으로서의 합성 데이터.

모델 평가에서 데이터 과학자 및 메트릭의 중요성.

로봇 공학 및 물리 시스템에서의 AI

소프트웨어용 AI와 실제 로봇 간의 중첩.

자율 주행 차량 및 로봇 공학을 위한 이미지 및 동영상 주석.

물리적 AI 시스템에서 사용자 경험의 중요성.

자율 주행 차량 및 운전자 지원의 AI.

개인의 필요에 따라 조정 가능한 리더십 스타일.

리더십에서 감성 지능의 중요성

커뮤니케이션에 대한 개인별 선호도 파악.

프로젝트 참여와 팀 지원의 균형을 맞추세요.

AI 개발에서 다양성과 포용의 중요성.

다양한 지리적 배경과 전문 지식을 갖춘 글로벌 팀.

다양한 팀으로부터 학습하여 프로세스를 개선합니다.