프로그래밍에 대한 지식 없이도, 마크베이스 DB에 저장되어진 데이터를 활용하여 이상감지를 수행하는 딥러닝 모델을 학습 할 수 있게 해주는 프로그램을 개발하였습니다. 이 프로그램과 AI 이상감지 솔루션을 활용해서, 인퍼런스에서 모델 성능 저하가 감지되면, 사용자가 간단한 클릭만으로 해당 이상감지 모델을 재학습하고, 재학습된 모델을 손쉽게 인퍼런스 엔진으로 배포하여, 이상감지 모델의 성능을 최상의 상태로 유지하는데 필요한 AI Ops 환경을 구축하였습니다.

웹 UI를 통해서 마크베이서 DB와 통신을 통해서 실시간으로 센서에서 수집되는 데이터에 대한 딥러닝 기반 이상감지 서비스를 생성하고, 동작시키고 상태를 파악하고 관리하는 웹 기반 AI 인퍼런스 엔진을 개발하였습니다. 그를 위해서 서버와 통신하기 위한 API 구조 및 DB 구조를 설계하여 서버 개발과 웹 UI를 위한 프론트앤드를 풀스택으로 개발하였습니다. 또한 이후 진행되는 딥러닝 학습 프로그램과 연동하여 이상감지 서비스의 품질을 유지할 수 있는 환경을 구축하였습니다.

스마트팜에서 자라는 식물의 잎의 현재 상태를 사진을 활용하여 식물의 질병 유무를 반환해주는 케라스 기반의 딥러닝 분류모델을 학습시키고, 해당 모델을 웹 API로 서비스를 배포할 수 있도록 플라스크 기반의 프로그램을 작성하였고, 실제 서비스를 제공해주고 있습니다.

일반적인 예제에서 만날 수 있는, 분류나 객체 검출을 진행하는 문제를 해결하는 딥러닝 모델이 아닌, 정의된 문제를 제한된 조건에서 해결 할 수 있는 딥러닝 모델을 모델링하고, 모델을 학습하는데 필요한 코드를 개발할 수 있으며, 해당 코드를 코드 이해없이 사용할 수 있도록 프레임워크로 구축할 수 있으며, 현재 새롭게 모델링한 딥러닝 모델이 삼성 디스플레이 컴퍼니의 생산라인의 검사 설비에 적용이 되어 있으며, 상용화 직전단계에 있음

사내에서 딥러닝 프레임워크에 친숙하지 않은 그룹원들간 학습 결과 공유 및 활용을 보다 효율적으로 딥러닝 모델 학습과 분석을 진행할 수 있게 해주는 텐서플로 기반의 프레임워크를 개발하고 보수하는 경험을 통해서, 텐서플로에 대해서 보다 깊이 있게 활용하고, 필요한 기능에 대해서 구체적인 구현의 경험을 진행할 수 있었으며, 특히 데이터를 시각화 하는 기능을, 상세한 코드 이해와 변경 없이 외부에서 설정파일만 조절해 다양한 기능을 사용할 수 있게 구현하여, 현재 사내에서 딥러닝 연구인원들이 적극적으로 사용하고 있음