| 1 |
1
AI 디바이스가, 데이터들을 데이터 플랫폼의 003c#데이터003e# 리소스에 저장하는 단계;데이터 플랫폼이, 003c#데이터003e# 리소스에 저장된 데이터들을 이용하여 학습시킨 ML 모델을 003c#모델 저장003e# 리소스에 등록하는 단계;데이터 플랫폼이, 003c#모델 저장003e# 리소스에 등록된 ML 모델을 AI 디바이스에 배포하는 단계;를 포함하고,003c#모델 저장003e# 리소스에는,서로 다른 ML 모델들이 서로 다른 하위 리소스에 구분되어 등록되며,배포 단계는,003c#모델 저장003e# 리소스에 등록된 ML 모델들 중 AI 디바이스에 배포할 ML 모델이 등록된 리소스의 ID를 003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#배포 모델003e# 리소스에 저장하고,AI 디바이스는,003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#배포 모델003e# 리소스를 구독하여,ML 모델 배포 이벤트를 통지 받으면, 003c#배포 모델003e# 리소스에 저장된 ML 모델이 등록된 리소스의 ID를 이용하여, ML 모델이 등록된 리소스에 접근하여 ML 모델을 획득하며,획득한 ML 모델을 이용하여 획득한 추론 결과를 003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#추론 결과003e# 리소스에 저장하고,003c#데이터003e# 리소스는,데이터 플랫폼에서 AI 디바이스에 할당된 003c#AI 디바이스003e# 리소스의 하위 리소스이며,003c#모델 저장003e# 리소스는,003c#AI 디바이스003e# 리소스의 하위 리소스가 아니어서, AI 디바이스 이외의 다른 AI 디바이스들도 이용할 수 있는 것을 특징으로 하는 ML 모델 관리 방법
|
| 2 |
2
삭제
|
| 3 |
3
청구항 1에 있어서,등록 단계는,ML 모델의 이름, 버전, 라이브러리, 모델 및 추론 데이터 샘플 중 적어도 하나를 등록하는 것을 특징으로 하는 ML 모델 관리 방법
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
삭제
|
| 7 |
7
삭제
|
| 8 |
8
삭제
|
| 9 |
9
삭제
|
| 10 |
10
데이터들을 데이터 플랫폼의 003c#데이터003e# 리소스에 저장하는 AI 디바이스;003c#데이터003e# 리소스에 저장된 데이터들을 이용하여 학습시킨 ML 모델을 데이터 플랫폼의 003c#모델 저장003e# 리소스에 등록하고, 003c#모델 저장003e# 리소스에 등록된 ML 모델을 AI 디바이스에 배포하는 데이터 플랫폼;을 포함하고,003c#모델 저장003e# 리소스에는,서로 다른 ML 모델들이 서로 다른 하위 리소스에 구분되어 등록되며,데이터 플랫폼은,003c#모델 저장003e# 리소스에 등록된 ML 모델들 중 AI 디바이스에 배포할 ML 모델이 등록된 리소스의 ID를 003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#배포 모델003e# 리소스에 저장하고,AI 디바이스는,003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#배포 모델003e# 리소스를 구독하여,ML 모델 배포 이벤트를 통지 받으면, 003c#배포 모델003e# 리소스에 저장된 ML 모델이 등록된 리소스의 ID를 이용하여, ML 모델이 등록된 리소스에 접근하여 ML 모델을 획득하며,획득한 ML 모델을 이용하여 획득한 추론 결과를 003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#추론 결과003e# 리소스에 저장하고,003c#데이터003e# 리소스는,데이터 플랫폼에서 AI 디바이스에 할당된 003c#AI 디바이스003e# 리소스의 하위 리소스이며,003c#모델 저장003e# 리소스는,003c#AI 디바이스003e# 리소스의 하위 리소스가 아니어서, AI 디바이스 이외의 다른 AI 디바이스들도 이용할 수 있는 것을 특징으로 하는 AIoT 시스템
|
| 11 |
11
데이터 플랫폼이, 003c#데이터003e# 리소스에 저장된 데이터들을 이용하여 학습시킨 ML 모델을 데이터 플랫폼의 003c#모델 저장003e# 리소스에 등록하는 단계; 및데이터 플랫폼이, 003c#모델 저장003e# 리소스에 등록된 ML 모델을 AI 디바이스에 배포하는 단계;를 포함하고,003c#모델 저장003e# 리소스에는,서로 다른 ML 모델들이 서로 다른 하위 리소스에 구분되어 등록되며,배포 단계는,003c#모델 저장003e# 리소스에 등록된 ML 모델들 중 AI 디바이스에 배포할 ML 모델이 등록된 리소스의 ID를 003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#배포 모델003e# 리소스에 저장하고,AI 디바이스는,003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#배포 모델003e# 리소스를 구독하여,ML 모델 배포 이벤트를 통지 받으면, 003c#배포 모델003e# 리소스에 저장된 ML 모델이 등록된 리소스의 ID를 이용하여, ML 모델이 등록된 리소스에 접근하여 ML 모델을 획득하며,획득한 ML 모델을 이용하여 획득한 추론 결과를 003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#추론 결과003e# 리소스에 저장하고,003c#데이터003e# 리소스는,데이터 플랫폼에서 AI 디바이스에 할당된 003c#AI 디바이스003e# 리소스의 하위 리소스이며,003c#모델 저장003e# 리소스는,003c#AI 디바이스003e# 리소스의 하위 리소스가 아니어서, AI 디바이스 이외의 다른 AI 디바이스들도 이용할 수 있는 것을 특징으로 하는 ML 모델 관리 방법
|
| 12 |
12
AI 디바이스와 통신 연결하는 통신부;003c#데이터003e# 리소스에 저장된 데이터들을 이용하여 학습시킨 ML 모델을 003c#모델 저장003e# 리소스에 등록하고, 003c#모델 저장003e# 리소스에 등록된 ML 모델을 AI 디바이스에 배포하는 프로세서; 및003c#데이터003e# 리소스, 003c#모델 저장003e# 리소스 및 003c#모델 저장003e# 리소스가 저장되는 저장부;를 포함하고,003c#모델 저장003e# 리소스에는,서로 다른 ML 모델들이 서로 다른 하위 리소스에 구분되어 등록되며,프로세서는,003c#모델 저장003e# 리소스에 등록된 ML 모델들 중 AI 디바이스에 배포할 ML 모델이 등록된 리소스의 ID를 003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#배포 모델003e# 리소스에 저장하고,AI 디바이스는,003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#배포 모델003e# 리소스를 구독하여,ML 모델 배포 이벤트를 통지 받으면, 003c#배포 모델003e# 리소스에 저장된 ML 모델이 등록된 리소스의 ID를 이용하여, ML 모델이 등록된 리소스에 접근하여 ML 모델을 획득하며,획득한 ML 모델을 이용하여 획득한 추론 결과를 003c#AI 디바이스003e# 리소스의 하위에 생성된 003c#추론 결과003e# 리소스에 저장하고,003c#데이터003e# 리소스는,데이터 플랫폼에서 AI 디바이스에 할당된 003c#AI 디바이스003e# 리소스의 하위 리소스이며,003c#모델 저장003e# 리소스는,003c#AI 디바이스003e# 리소스의 하위 리소스가 아니어서, AI 디바이스 이외의 다른 AI 디바이스들도 이용할 수 있는 것을 특징으로 하는 데이터 플랫폼 시스템
|
