AI 애플리케이션 개발 프로세스에 대해 더 자세히 알아보고 싶다면 먼저 이러한 프로젝트가 일반 애플리케이션 개발 프로젝트와 어떻게 다른지 이해해야 합니다. 인공 지능의 경우 기업이 이미 유사한 프로젝트를 개발했더라도 모든 문제에는 고유한 솔루션이 필요합니다. 한편으로는 인공지능을 구축하기 위한 다양한 사전 훈련된 모델과 입증된 방법이 있습니다. 게다가 AI는 다양한 데이터와 비즈니스 사례를 기반으로 한다는 점에서 독특합니다. 이 때문에 AI 엔지니어는 일반적으로 비즈니스 사례와 사용 가능한 데이터를 조사하고 기존 방법과 모델을 탐색하는 것으로 여정을 시작합니다. . 이러한 현실을 이해하는 것이 조직이 프로젝트를 위해 이러한 프로세스와 예산을 구현하는 데 도움이 되는 이유와 방법을 살펴보겠습니다.
인공지능 프로젝트 분류
평판 좋은 기술 프로젝트: 이 경우 우리는 프로젝트에 필요한 적절한 기술을 알고 있지만 여전히 데이터를 수집하고 준비하기 위해 열심히 노력해야 합니다.
처음부터 구축된 애플리케이션
기존 애플리케이션에 통합된 AI 구성요소
예를 들어 로그인/로그아웃 화면, 메시징 시스템 및 영상 통화 기능을 갖춘 채팅 애플리케이션을 구축하려는 경우입니다. 화상 통화 기능은 Snapchat과 유사한 필터를 지원해야 합니다. 다음은 애플리케이션의 다양한 기능적 복잡성에 대한 위험 표와 개요입니다.
위험 최소화 전략의 관점에서 보면 다음과 같은 작업으로 개발 프로세스를 시작하는 것이 불합리하다는 것이 분명합니다. 복잡성과 위험이 가장 낮습니다. Snapchat과 같은 필터가 왜 가장 위험한지 물으실 수 있습니다. 간단한 대답은 다음과 같습니다. Snapchat과 같은 필터를 만들려면 증강 현실(AR) 및 딥 러닝과 같은 많은 최첨단 기술이 포함되어야 합니다. 적절하게 혼합하여 컴퓨팅 리소스가 부족한 휴대폰에 배치하세요. 이를 위해서는 많은 특별한 엔지니어링 작업을 해결해야 합니다.
AI 기능을 기존 프로젝트에 통합하는 것은 AI 애플리케이션을 처음부터 구축하는 것과 약간 다릅니다. 첫째, AI로 보강해야 하는 기존 프로젝트가 AI 역량을 고려한 아키텍처 없이 개발되는 것이 일반적인 상황입니다. AI 기능이 일부 데이터 파이프라인의 일부라는 점을 고려할 때 AI 기능을 개발하려면 애플리케이션 아키텍처에 최소한 일부 변경이 필요하다는 결론을 내렸습니다. 인공 지능 관점에서 기존 애플리케이션은 다음 범주로 나눌 수 있습니다.
데이터베이스 기반 프로젝트:
비 데이터베이스 기반 프로젝트:
다음은 일반적인 인공지능 애플리케이션 개발 프로세스의 5단계입니다. 첫 번째는 문제 정의 단계입니다. 이 단계에서 개발팀은 애플리케이션의 목표와 해결하려는 문제를 명확히 해야 합니다. 그들은 고객이나 관련 이해관계자와 논의하여 요구 사항과 기대치를 결정합니다. 다음은 데이터 수집 및 준비 단계입니다. 이 단계에서 팀은 인공 지능 알고리즘을 훈련하고 최적화하는 데 사용될 대량의 데이터를 수집합니다. 데이터 품질과 다양성은 애플리케이션 성능에 매우 중요합니다. 세 번째 단계는 모델 선택 및 훈련입니다. 이 단계에서 팀은 적절한 AI 모델을 선택하고 이전에 수집된 데이터를 사용하여 학습시킵니다. 훈련의 목표는 모델이 다양한 상황을 정확하게 예측하고 처리할 수 있도록 하는 것입니다. 그런 다음 모델 테스트 및 평가 단계가 시작됩니다. 이 단계에서 팀은 학습된 모델을 테스트하여 다양한 상황에서의 성능을 확인합니다. 테스트 데이터 세트를 사용하여 모델의 정확성과 성능을 평가합니다. 마지막으로 배포 및 유지 관리 단계가 옵니다. 이 단계에서 팀은 훈련된 모델을 실제 애플리케이션 환경에 배포하고 모델 성능을 계속 모니터링하고 유지 관리합니다. 변화하는 요구 사항과 데이터를 수용하기 위해 조정하고 업데이트해야 할 수도 있습니다. 이러한 단계의 순서는 다를 수 있으며 정확한 개발 프로세스는 프로젝트마다 다릅니다. 그러나 이러한 단계에서는 일반적인 AI 애플리케이션 개발 프로세스에 대한 개요를 제공합니다.
첫 번째 단계에서는 전반적인 아이디어 개요가 포함된 문서로 사용할 수 있는 클라이언트의 의견이나 비전을 얻습니다. 여기에서 비즈니스 분석 프로세스를 시작합니다. 입력을 준비하려면 비즈니스 문제를 고려해야 합니다. 기업은 비즈니스 문제를 사용하여 비즈니스와 인공 지능 기능의 교차점을 찾는 것이 임무인 애플리케이션 개발 회사를 해결합니다.
식당이나 식료품 체인점 등의 시나리오에서 사업주들은 구매와 판매를 분석하여 음식물 쓰레기를 줄이고 균형을 이루는 데 많은 관심을 보이고 있습니다. 인공지능 엔지니어의 경우 이 작업은 시계열 예측 또는 관계 분석 작업으로 변환되며, 이 작업의 솔루션은 사람들이 특정 숫자를 예측하는 데 도움이 될 수 있습니다
다음 단계에서는 필요성을 결정하고 논의해야 합니다. 머신러닝(ML) 문제. 이 단계에서는 컴퓨터 비전, 자연어 처리, 음성 인식, 예측 및 생성 인공 지능 등과 같은 인공 지능 하위 분야의 기술적 역량을 고려해야 합니다.
데이터는 기계 학습과 인공 지능의 응용 프로그램 개발의 주요 단계. 데이터에는 구체적 데이터와 일반 데이터의 두 가지 주요 유형이 있습니다. 일반적인 데이터는 오픈소스 데이터 웹사이트에서 얻을 수 있기 때문에 우리가 해야 할 일은 대상 고객을 좁히고 특정 지역, 성별, 연령 또는 기타 주요 요소에 초점을 맞추는 것뿐입니다. 대량의 공통 데이터가 있으면 프로세스를 간소화할 수 있습니다.
따라서 고객이 피트니스 트래커 활동 기반 앱을 가지고 있는 경우 데이터를 적용하고 학습을 전송하여 최대한 빨리 구현을 시작할 수 있습니다. 대규모 컬렉션에서 시작할 수 있는 이미지 분류에도 동일하게 적용됩니다.
다시 작성해야 하는 내용은 다음과 같습니다. (1) 새 프로젝트를 위한 AIPoC 개발
새로운 인공지능 프로젝트의 개념 증명(PoC) 단계는 AI 중심이어야 합니다. 이것이 의미하는 바는 무엇입니까? 위험 최소화 전략을 충족하려면 프로젝트의 가장 위험한 부분인 AI 기능부터 시작해야 하며, 가능하면 프로젝트의 다른 기능은 건드리지 않아야 합니다. 개념 증명(PoC) 단계는 적절한 결과를 얻기 위해 여러 번 반복될 수 있습니다. 만족스러운 결과를 얻은 후에는 MVP/산업화 단계로 이동하여 애플리케이션의 나머지 모든 기능을 개발할 수 있습니다.
(2) 기존 프로젝트를 위한 AIPoC 개발
최종 사용자가 인공 지능 기능을 사용할 수 있도록 하려면 이 기능을 먼저 개발한 다음 기존 애플리케이션과 통합해야 합니다. 즉, 애플리케이션의 코드 기반, 아키텍처 및 인프라를 고려해야 합니다.
다음과 같이 다시 작성되었습니다. 인공지능의 가장 매력적인 점은 메인 애플리케이션을 건드리지 않고도 연구, 개발, 테스트가 가능하다는 점이다. 이로 인해 주요 애플리케이션에 위험을 주지 않고 인공 지능의 개념 증명(PoC)을 시작할 수 있다는 아이디어가 촉발되었습니다. 이것이 실제로 위험 최소화 전략의 핵심입니다.
다음 세 단계를 따르세요.
(1) 다음을 통해 기존 애플리케이션에서 데이터를 수집합니다.
격리된 AI 환경을 구축하기 전에 데이터 수집
(3) 성공적으로 훈련된 AI 구성 요소 배포:
프로젝트 유형에 따라 코드베이스 조정으로 인해 다음이 발생할 수 있습니다.
사업주가 소프트웨어를 제공하는 경우가 많음 공급업체는 예산, 일정, 작업을 수행할 때 필요할 수 있는 노력에 대해 질문합니다. 개념 증명(PoC) 단계. 위에서 언급했듯이 AI 프로젝트는 일반적인 개발 프로세스에 비해 예측하기가 매우 어렵습니다. 이는 작업 유형, 데이터 세트, 방법 및 기술이 모두 매우 가변적이기 때문입니다. 이러한 모든 요소는 가상 프로젝트를 추정하는 것이 다소 어려운 작업인 이유를 설명합니다. 그럼에도 불구하고 위에서 언급한 AI 프로젝트의 복잡성을 기반으로 한 가지 가능한 분류를 제시합니다
첫 번째 개념 증명(PoC) 이후 다음 단계는 새로운 라운드 개념 증명( PoC) 및 추가 개선 또는 배포. 새로운 개념 증명(PoC)을 생성한다는 것은 데이터 추가, 사례 작업, 오류 분석 수행 등을 의미합니다. 반복 횟수는 조건부이며 특정 프로젝트에 따라 다릅니다.
모든 인공 지능 프로젝트는 위험과 직접적인 관련이 있습니다. 데이터 적합성뿐만 아니라 알고리즘 또는 구현 위험으로 인해 발생할 수 있는 위험이 있을 수 있습니다. 위험을 줄이려면 AI 구성 요소의 정확성이 비즈니스 목표와 기대를 충족할 때만 제품 개발을 시작하는 것이 현명합니다
위 내용은 엔터프라이즈급 인공 지능 애플리케이션 개발 가이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
