0-1. 시냅스 소개*

🏷️

시냅스는 데이터를 정리하고, 라벨링 하고, 학습 데이터셋을 만들고, 모델을 학습하는 과정을 단일 환경에서 관리할 수 있는 도구입니다.

시냅스의 구조

---

👉🏻 시냅스는 3개의 하위 모듈과 2개의 통합 기능으로 구성됩니다.

👉🏻 하위 모듈

• 카탈로그(Catalog) : 원천 데이터를 컬렉션(Collection)단위로 저장하고 관리하는 영역
• 프로젝트(Project) : 데이터를 불러와 라벨링하고 관리하는 작업 공간
• 머신러닝(Machine Learning) : 가공된 데이터를 기반으로 모델을 학습하는 영역

👉🏻 통합 기능

• 인프라(Infra) : 데이터 저장(스토리지)과 모델 학습 등 연산 작업을 수행하는 실행 환경(에이전트) 목록 관리
• 플러그인(Plugin) : 데이터 처리, 임포트와 익스포트, 모델 등 워크스페이스에 등록된 플러그인 목록 관리

시냅스의 활용

---

👉🏻 시냅스를 데이터 관리, 모델 생성, AI 전주기 운영 등 사용자 목적에 맞게 활용할 수 있습니다.

시냅스의 주요 기능

---

👉🏻 시냅스의 데이터 처리 과정과 사용자의 작업 흐름을 반영한 주요 기능은 다음과 같습니다.

1️⃣ Data Management & Catalog

📌데이터 구조화

AI 학습 또는 라벨링에 적합한 형태로 데이터를 구조화하고 데이터 유닛 단위로 관리할 수 있도록 지원

📌임포트

다양한 형식의 데이터를 플랫폼으로 임포트할 수 있도록 지원

📌대량 데이터 관리

많은 데이터 중 필요한 데이터를 빠르게 탐색할 수 있도록 지원

📌데이터 컬렉션 관리

대규모 학습 데이터를 체계적으로 관리하고 사용자가 원하는 단위로 데이터셋을 구성할 수 있도록 지원

2️⃣ Data Labeling & Annotation

📌데이터 라벨링

이미지/오디오/비디오/텍스트/프롬프트/PCD 데이터의 라벨링을 지원하여 학습용 데이터를 효율적으로 구축 가능

📌작업 전처리

플러그인 방식으로 고객별 요구사항이나 워크 플로우에 맞는 작업 전처리를 지원

📌기존 데이터 적용

기존 라벨링 결과를 활용하여 신규 프로젝트의 초기 구축 시간을 단축하고 중복 작업을 줄일 수 있도록 지원

📌익스포트

다양한 형식으로 데이터를 내보내 모델 학습 및 활용을 용이하게 함

📌라벨링 결과 생성

라벨링 결과를 모델 학습을 위한 GT 데이터셋으로 정리, 버전 단위로 관리하여 후속 학습에 일관되게 활용 가능

3️⃣ Workforce Management

📌대규모 라벨링 관리

대규모 작업자와 다수의 워크샵을 동시에 운영할 수 있도록 작업의 분배(할당 작업)/진행 현황을 통합 관리

4️⃣ Model Development

📌실험 설계

목적별 실험을 설계하고 여러 학습 결과를 실험 내에서 체계적으로 관리할 수 있도록 지원

📌학습 실행

학습을 실행하고 주요 지표를 실시간으로 수집, 분석 및 학습 결과의 시각화 기능 제공

📌모델 활용

시냅스 내에서 학습한 모델을 활용하여 AI 전처리로 활용 가능

5️⃣ Infrastructure & Integration

📌서버 연동

사용자가 보유한 GPU 등 컴퓨팅 자원을 연동하여 고성능 작업 수행 가능

📌스토리지 연동

사용자가 원하는 외부 스토리지와 연동하여 데이터 이동을 유연하고 안전하게 관리 가능

6️⃣Plugin Ecosystem & Extensibility

📌플러그인 활용

시냅스를 기반 기능에 사용자 요구에 맞는 기능을 유연하게 추가하여 활용 가능 (사용자 맞춤형 플러그인 개발 지원)