1 |
1
ML(Machine Learning) 추론 데이터셋 생성 방법에 있어서,M2M 플랫폼이, ML 애플리케이션으로부터 ML 추론 데이터셋 요청을 수신하는 단계;M2M 플랫폼이, 요청된 ML 추론 데이터셋을 저장할 데이터셋 리소스를 생성하는 제1 생성단계;를 포함하고,데이터셋 리소스에는,리소스 속성으로, 요청된 ML 추론 데이터셋을 구성할 데이터들이 저장된 리소스들의 식별자들이 저장되어 있고,ML 추론 데이터셋은,ML 추론을 위해 ML 애플리케이션에서 구동하는 ML 모델에 입력되는 데이터 셋이며,데이터셋 리소스에 식별자들이 저장되어 있는 리소스들은,M2M 플랫폼에 생성된 리소스들 중 일부로써, 각기 다른 데이터 소스들로부터 수집된 데이터들을 각각 저장하고,ML 추론 데이터셋 생성 방법은,ML 애플리케이션이, 데이터셋 리소스를 구독하는 단계; 및 M2M 플랫폼이, 리소스들에 데이터 생성이나 갱신 이벤트가 발생하면, 리소스들에 저장된 데이터들을 조회하여 ML 추론 데이터셋을 생성하는 제2 생성단계;M2M 플랫폼이, 생성한 ML 추론 데이터셋을 데이터셋 리소스의 자녀 리소스로 저장하는 단계;M2M 플랫폼이, 데이터셋 리소스에 ML 추론 데이터셋이 신규로 생성되거나 갱신되면 데이터셋 리소스를 구독한 ML 애플리케이션에 통지하는 단계;를 더 포함하며,ML 추론 데이터셋 요청은,데이터들을 병합함에 있어 기준이 되는 키 속성을 지시하고,제2 생성단계는,조회한 데이터들을 키 속성을 기준으로 병합하여 ML 추론 데이터셋을 생성하는 것을 특징으로 하는 ML 추론 데이터셋 생성 방법
|
2 |
2
청구항 1에 있어서,ML 추론 데이터셋 요청은,데이터셋 리소스의 타입을 지시하고,제1 생성 단계는,ML 추론 데이터셋 요청에서 지시한 타입으로 데이터셋 리소스를 생성하는 것을 특징으로 하는 ML 추론 데이터셋 생성 방법
|
3 |
3
청구항 1에 있어서,제1 생성 단계는,ML 애플리케이션이 ML 추론 데이터셋을 구성할 데이터들이 저장된 리소스들 모두에 대해 조회 권한을 가지고 있는 경우에만, 데이터셋 리소스를 생성하는 것을 특징으로 하는 ML 추론 데이터셋 생성 방법
|
4 |
4
삭제
|
5 |
5
청구항 1에 있어서,제2 생성단계는,리소스가 003c#container003e# 리소스인 경우, 003c#container003e# 리소스에 마지막에 생성된 003c#contentInstance003e# 리소스를 조회하고,리소스가 003c#timeSeries003e# 리소스인 경우, 003c#timeSeries003e# 리소스에 생성된 003c#timeSeriesInstance003e# 리소스를 조회하며,리소스가 003c#flexContainer003e# 리소스인 경우, 수정된 003c#flexContainer003e# 리소스 또는 003c#flexContainer003e# 리소스에 생성된 003c#flexContainerInstance003e# 리소스를 조회하는 것을 특징으로 하는 ML 추론 데이터셋 생성 방법
|
6 |
6
삭제
|
7 |
7
청구항 1에 있어서,키 속성은,데이터의 최근 업데이트 시각 또는 데이터 생성 시각인 것을 특징으로 하는 ML 추론 데이터셋 생성 방법
|
8 |
8
청구항 1에 있어서,ML 추론 데이터셋 요청은,데이터셋 리소스에 저장할 ML 추론 데이터셋의 데이터 포맷을 지시하고,제2 생성 단계는,생성한 ML 추론 데이터셋을 ML 추론 데이터셋 요청에서 지시한 데이터 포맷으로 저장하는 것을 특징으로 하는 ML 추론 데이터셋 생성 방법
|
9 |
9
삭제
|
10 |
10
ML(Machine Learning) 애플리케이션과 통신하는 통신부; 및통신부를 통해 ML 애플리케이션으로부터 ML 추론 데이터셋 요청을 수신하면, 요청된 ML 추론 데이터셋을 저장할 데이터셋 리소스를 생성하는 프로세서;를 포함하고,데이터셋 리소스에는,리소스 속성으로, 요청된 ML 추론 데이터셋을 구성할 데이터들이 저장된 리소스들의 식별자들이 저장되어 있고,ML 추론 데이터셋은,ML 추론을 위해 ML 애플리케이션에서 구동하는 ML 모델에 입력되는 데이터 셋이며,데이터셋 리소스에 식별자들이 저장되어 있는 리소스들은,M2M 플랫폼에 생성된 리소스들 중 일부로써, 각기 다른 데이터 소스들로부터 수집된 데이터들을 각각 저장하고,프로세서는,리소스들에 데이터 생성이나 갱신 이벤트가 발생하면 리소스들에 저장된 데이터들을 조회하여 ML 추론 데이터셋을 생성하고, 생성한 ML 추론 데이터셋을 데이터셋 리소스의 자녀 리소스로 저장하며,ML 애플리케이션이 데이터셋 리소스를 구독한 경우, 데이터셋 리소스에 ML 추론 데이터셋이 신규로 생성되거나 갱신되면 데이터셋 리소스를 구독한 ML 애플리케이션에 통지하고,ML 추론 데이터셋 요청은,데이터들을 병합함에 있어 기준이 되는 키 속성을 지시하고,프로세서는,조회한 데이터들을 키 속성을 기준으로 병합하여 ML 추론 데이터셋을 생성하는 것을 특징으로 하는 M2M 플랫폼
|
11 |
11
ML(Machine Learning) 추론 데이터셋 생성 방법에 있어서,M2M 플랫폼이, 데이터 소스들로부터 데이터들을 수집하는 단계;M2M 플랫폼이, 수집된 데이터들로 구성할 ML 추론 데이터셋 요청을 ML 애플리케이션으로부터 수신하는 단계;M2M 플랫폼이, 요청된 ML 추론 데이터셋을 저장할 데이터셋 리소스를 생성하는 제1 생성단계;를 포함하고,데이터셋 리소스에는,리소스 속성으로, 요청된 ML 추론 데이터셋을 구성할 데이터들이 저장된 리소스들의 식별자들이 저장되어 있고,ML 추론 데이터셋은,ML 추론을 위해 ML 애플리케이션에서 구동하는 ML 모델에 입력되는 데이터 셋이며,데이터셋 리소스에 식별자들이 저장되어 있는 리소스들은,M2M 플랫폼에 생성된 리소스들 중 일부로써, 각기 다른 데이터 소스들로부터 수집된 데이터들을 각각 저장하고,ML 추론 데이터셋 생성 방법은,ML 애플리케이션이, 데이터셋 리소스를 구독하는 단계; 및 M2M 플랫폼이, 리소스들에 데이터 생성이나 갱신 이벤트가 발생하면, 리소스들에 저장된 데이터들을 조회하여 ML 추론 데이터셋을 생성하는 제2 생성단계;M2M 플랫폼이, 생성한 ML 추론 데이터셋을 데이터셋 리소스의 자녀 리소스로 저장하는 단계;M2M 플랫폼이, 데이터셋 리소스에 ML 추론 데이터셋이 신규로 생성되거나 갱신되면 데이터셋 리소스를 구독한 ML 애플리케이션에 통지하는 단계;를 더 포함하며,ML 추론 데이터셋 요청은,데이터들을 병합함에 있어 기준이 되는 키 속성을 지시하고,제2 생성단계는,조회한 데이터들을 키 속성을 기준으로 병합하여 ML 추론 데이터셋을 생성하는 것을 특징으로 하는 ML 추론 데이터셋 생성 방법
|
12 |
12
데이터들을 제공하는 데이터 소스들;ML(Machine Learning) 애플리케이션이 실행되는 사용자 단말; 및데이터 소스들로부터 데이터들을 수집하고, 수집된 데이터들로 구성할 ML 추론 데이터셋 요청을 ML 애플리케이션으로부터 수신하면, 요청된 ML 추론 데이터셋을 저장할 데이터셋 리소스를 생성하는 M2M 플랫폼;을 포함하고,데이터셋 리소스에는,리소스 속성으로, 요청된 ML 추론 데이터셋을 구성할 데이터들이 저장된 리소스들의 식별자들이 저장되어 있고,ML 추론 데이터셋은,ML 추론을 위해 ML 애플리케이션에서 구동하는 ML 모델에 입력되는 데이터 셋이며,데이터셋 리소스에 식별자들이 저장되어 있는 리소스들은,M2M 플랫폼에 생성된 리소스들 중 일부로써, 각기 다른 데이터 소스들로부터 수집된 데이터들을 각각 저장하고,M2M 플랫폼은,리소스들에 데이터 생성이나 갱신 이벤트가 발생하면 리소스들에 저장된 데이터들을 조회하여 ML 추론 데이터셋을 생성하고, 생성한 ML 추론 데이터셋을 데이터셋 리소스의 자녀 리소스로 저장하며,사용자 단말의 ML 애플리케이션이 데이터셋 리소스를 구독한 경우, 데이터셋 리소스에 ML 추론 데이터셋이 신규로 생성되거나 갱신되면 데이터셋 리소스를 구독한 ML 애플리케이션에 통지하고,ML 추론 데이터셋 요청은,데이터들을 병합함에 있어 기준이 되는 키 속성을 지시하고,M2M 플랫폼은,조회한 데이터들을 키 속성을 기준으로 병합하여 ML 추론 데이터셋을 생성하는 것을 특징으로 하는 IoT 시스템
|