ITPE * JackerLab

개요Lightweight AutoML(LAM)은 저사양 환경에서도 머신러닝 모델의 자동 생성 및 최적화를 가능하게 하는 경량화된 AutoML 솔루션입니다. 전통적인 AutoML이 강력한 연산 자원을 전제로 한 반면, LAM은 IoT, 모바일, 엣지 디바이스 등 리소스 제약 환경에서도 실행 가능한 모델 학습과 추론 자동화를 목표로 합니다. 이를 통해 AI 기술의 확장성과 접근성을 대폭 향상시킬 수 있습니다.1. 개념 및 정의LAM은 모델 탐색, 피처 엔지니어링, 하이퍼파라미터 튜닝, 모델 선택 및 배포까지의 전 과정을 자동화하지만, 경량화된 알고리즘 및 효율적 파이프라인을 통해 낮은 자원에서도 실행 가능하도록 최적화된 AutoML 형태입니다.주요 목적은 고성능 컴퓨팅 자원 없이도 빠르고 효율적인 ML 워크..

개요Streaming Vector DB(SVDB)는 대규모 스트리밍 데이터에서 생성되는 고차원 벡터 정보를 실시간으로 저장, 검색, 분석할 수 있는 데이터베이스입니다. 이는 전통적인 정적(Vector DB) 벡터 저장소와 달리, 지속적으로 변화하는 데이터 흐름(streaming data)에 최적화되어 있으며, 실시간 추천, 이상 탐지, 멀티모달 AI 처리 등에서 강력한 성능을 발휘합니다.1. 개념 및 정의Streaming Vector DB는 벡터 데이터를 스트림 기반으로 지속 수신하며, 수신 즉시 인덱싱 및 쿼리가 가능한 고성능 벡터 데이터베이스입니다. 고차원 임베딩을 활용한 AI/ML 파이프라인에서 실시간 분석 및 반응성이 중요한 영역에서 활용됩니다.목표는 벡터 삽입-검색 지연(latency)을 최소화..

개요Data Sharing Agreement Catalog(DSAC)는 조직 간 또는 내부 부서 간 데이터 공유를 체계적으로 관리하기 위한 계약 기반 메타데이터 관리 시스템입니다. 데이터 공유 시 발생하는 법적, 윤리적, 기술적 이슈를 사전에 정의된 계약 조건(Agreement)으로 표준화하고, 이를 중앙 카탈로그로 관리함으로써 데이터 거버넌스, 프라이버시 보호, 규제 준수를 지원하는 핵심 도구로 주목받고 있습니다.1. 개념 및 정의DSAC는 데이터 공유에 대한 계약 조건(공유 목적, 범위, 기간, 접근 권한 등)을 구조화된 메타데이터로 정리하고, 이를 검색, 추적, 자동화된 정책 적용이 가능하도록 중앙화된 카탈로그 형태로 관리하는 체계입니다.주요 목적은 데이터 공유의 신뢰성과 투명성을 확보하며, 조직 ..

개요Fabric-Attached Memory(FAM)는 CPU와 직접 연결되지 않고, 고속 패브릭(Fabric) 네트워크를 통해 여러 컴퓨팅 노드에서 공유/접근 가능한 메모리 아키텍처입니다. 이는 메모리와 컴퓨팅 리소스의 분리(disaggregation)를 가능하게 하여, 확장성과 유연성을 극대화하는 새로운 데이터 중심 컴퓨팅 모델을 실현합니다. FAM은 특히 고성능 컴퓨팅(HPC), 대규모 AI 분석, 데이터베이스, 인메모리 컴퓨팅 환경에서 각광받고 있습니다.1. 개념 및 정의Fabric-Attached Memory는 기존의 CPU 중심 메모리 구조와 달리, 메모리를 시스템 메모리가 아닌 네트워크를 통해 공유 자원처럼 사용하는 기술입니다. CPU, GPU, FPGA 등 다양한 연산 자원이 메모리 풀에 ..