제품 관리자와 기술 리더를 비롯한 엔지니어링 전문가에게 엣지 AI로 실제 산업, 상업, 과학 문제를 해결하기 위한 엔드투엔드 프레임워크를 제공하는 책이다. 데이터 수집부터 모델 최적화, 튜닝, 테스트에 이르는 프로세스의 모든 단계를 살펴보면서 엣지 AI와 임베디드 ML 제품을 설계하고 지원하는 방법을 배울 수 있다. 엣지 AI는 시스템 엔지니어를 위한 표준 도구가 될 것이다.
Contents
제1장 엣지 AI에 대한 간략한 소개
__핵심 용어 정의
____임베디드
____엣지(와 사물 인터넷)
____인공지능
____머신러닝
____엣지 AI
____임베디드 머신러닝과 TinyML
____디지털 신호 처리
__엣지 AI가 필요한 이유는 무엇인가?
____엣지 AI의 이점을 이해하려면 BLERP만 있으면 된다
____좋은 일을 위한 엣지 AI
____엣지 AI와 일반 AI의 주요 차이점
__요약
제2장 현실 세계에서의 엣지 AI
__엣지 AI의 일반적인 사용 사례
____그린필드와 브라운필드 프로젝트
____실제 제품
__애플리케이션 유형
____사물 추적
____시스템 이해와 제어
____사람과 생물에 대한 이해
____신호 변환
__책임감 있게 애플리케이션 만들기
____책임감 있는 설계와 AI 윤리
____블랙박스와 편향성
____도움이 아니라 해를 끼치는 기술
__요약
제3장 엣지 AI의 하드웨어
__센서, 신호, 데이터 소스
____센서와 신호의 종류
____음향과 진동
____시각과 장면
____동작과 위치
____힘과 촉각
____광학, 전자기, 방사선
____환경, 생물학, 화학
____기타 신호
__엣지 AI용 프로세서
____엣지 AI 하드웨어 아키텍처
____마이크로컨트롤러와 디지털 신호 프로세서
____시스템 온 칩
____딥러닝 가속기
____FPGA와 ASIC
____엣지 서버
____다중 장치 아키텍처
____장치와 워크로드
__요약
제4장 엣지 AI용 알고리듬
__피처 엔지니어링
____데이터 스트림 작업
____디지털 신호 처리 알고리듬
____피처와 센서 결합하기
__인공지능 알고리듬
____기능별 알고리듬 유형
____구현별 알고리듬 유형
____엣지 장치를 위한 최적화
____온디바이스 학습
__요약
제5장 도구와 전문지식
__엣지 AI를 위한 팀 구축
____도메인 전문지식
____다양성
____이해관계자
____역할과 책임
____엣지 AI 채용
____엣지 AI 기술 배우기
__비장의 무기
____소프트웨어 공학
____데이터 작업
____알고리듬 개발
____장치에서 알고리듬 실행하기
____임베디드 소프트웨어 공학과 전자공학
____엣지 AI를 위한 엔드투엔드 플랫폼
__요약
제6장 문제를 이해하고 표현하기
__엣지 AI 워크플로
____엣지 AI 워크플로의 책임감 있는 AI
__엣지 AI가 필요할까?
문제 설명하기
____엣지에 배치해야 하는가?
____머신러닝이 필요할까?
____실전 연습
__실현 가능성 결정하기
____도덕적 타당성
____사업 타당성
____데이터 세트 타당성
____기술 타당성
__최종 결정 내리기
____엣지 AI 프로젝트 계획하기
__요약
제7장 어떻게 데이터 세트를 만들 것인가
__데이터 세트는 어떻게 생겼나?
__이상적인 데이터 세트
__데이터 세트와 도메인 전문지식
__데이터, 윤리, 책임감 있는 AI
____모르는 것을 최소화하기
____도메인 전문성 확보하기
__데이터 중심 머신러닝
__데이터 요구사항 추정하기
____데이터 요구사항 추정을 위한 실용적인 워크플로
__데이터 활용하기
____엣지에서 데이터를 캡처할 때의 고유한 과제
__데이터를 저장하고 가져오기
____데이터 저장소로 데이터 가져오기
____메타데이터 수집하기
__데이터 품질 보장하기
____대표 데이터 세트 확보하기
____샘플링을 통한 데이터 검토
____레이블 노이즈
____일반적인 데이터 오류
____드리프트와 시프트
____고르지 않은 오류 분포
__데이터 준비
____레이블링
____포맷 지정
____데이터 클리닝
____피처 엔지니어링
____데이터 분할
____데이터 증강
____데이터 파이프라인
__시간에 따른 데이터 세트 구축
__요약
제8장 엣지 AI 애플리케이션 설계하기
__제품과 경험 설계
____설계 원칙
____솔루션 범위 설정
____설계 목표 설정
__아키텍처 설계
____하드웨어, 소프트웨어, 서비스
____기본 애플리케이션 아키텍처
____복잡한 애플리케이션 아키텍처와 설계 패턴
____설계 패턴으로 작업하기
__설계 선택에 대한 설명
____설계 결과물
__요약
제9장 엣지 AI 애플리케이션 개발
__엣지 AI 개발을 위한 반복적 워크플로
__탐색
____목표 설정
____부트스트랩
____테스트와 반복
____배치
____지원
__요약
제10장 엣지 AI 애플리케이션 평가, 배치, 지원하기
__엣지 AI 시스템 평가하기
____시스템 평가 방법
____유용한 지표
____평가 기법
____평가와 책임감 있는 AI
__엣지 AI 애플리케이션 배치하기
____배치 전 작업
____배치 중 작업
____배치 후 작업
__엣지 AI 애플리케이션 지원
____배치 후 모니터링
____라이브 애플리케이션 개선하기
____윤리와 장기 지원
__다음 단계
제11장 사용 사례: 야생동물 모니터링
__문제 탐색
__솔루션 탐색
__목표 설정
__솔루션 설계
____어떤 솔루션이 이미 존재하는가?
____솔루션 설계 접근 방식
____설계 고려사항
____환경 영향
____부트스트래핑
____머신러닝 클래스 정의
__데이터 세트 수집
____엣지 임펄스
____하드웨어와 센서 선택
____데이터 수집
____iNaturalist
____데이터 세트의 한계
____데이터 세트 라이선스와 법적 의무
____데이터 세트 클리닝
____엣지 임펄스에 데이터 업로드
__DSP와 머신러닝 워크플로
____디지털 신호 처리 블록
____머신러닝 블록
__모델 테스트
____라이브 분류
____모델 테스트
____로컬에서 모델 테스트하기
__배치
____라이브러리 생성
____휴대폰과 컴퓨터
____사전 빌드된 바이너리 플래싱하기
____임펄스 러너
____깃허브 소스 코드
__반복과 피드백 루프
__공익을 위한 AI
__관련 연구
____데이터 세트
____연구
제12장 사용 사례: 식품 품질 보증
__문제 탐색
__솔루션 탐색
__목표 설정
__솔루션 설계
____어떤 솔루션이 이미 존재할까?
____솔루션 설계 접근 방식
____설계 고려사항
____환경과 사회적 영향
____부트스트랩
____머신러닝 클래스 정의
__데이터 세트 수집
____엣지 임펄스
____하드웨어와 센서 선택
____데이터 수집
____데이터 수집 펌웨어
____엣지 임펄스에 데이터 업로드
____데이터 세트 클리닝
____데이터 세트 라이선스와 법적 의무
__DSP와 머신러닝 워크플로
____디지털 신호 처리 블록
____머신러닝 블록
__모델 테스트
____실시간 분류
____모델 테스트
__배치
____사전 빌드된 바이너리 플래싱
____깃허브 소스 코드
__반복과 피드백 루프
__관련 연구
____연구
____뉴스와 기타 기사
제13장 사용 사례: 소비자 제품
__문제 탐색
__목표 설정
__솔루션 설계
____어떤 솔루션이 이미 존재하는가?
____솔루션 설계 접근법
____설계 고려사항
____환경과 사회적 영향
____부트스트랩
____머신러닝 클래스 정의
__데이터 세트 수집
____엣지 임펄스
____하드웨어와 센서 선택
____데이터 수집
____데이터 수집 펌웨어
____데이터 세트 클리닝
____데이터 세트 라이선스와 법적 의무
__DSP와 머신러닝 워크플로
____디지털 신호 처리 블록
____머신러닝 블록
__모델 테스트
____실시간 분류
____모델 테스트
__배포
____사전 빌드된 바이너리 플래싱
____깃허브 소스 코드
__반복과 피드백 루프
__관련 연구
____연구
____뉴스와 기타 기사
찾아보기
Author
다니엘 시투나야케,제니 플런켓,김기주
임베디드 머신러닝 연구와 개발을 이끄는 엣지 임펄스의 머신러닝 책임자다. 오라일리에서 출판한 임베디드 머신러닝의 표준 교과서인 『초소형 머신러닝 TinyML』 (한빛미디어, 2020)의 공동 저자이며, 하버드, UC 버클리, UNIFEI에서 초청 강연을 진행한 바 있다. 이전에 구글에서 텐서플로 라이트(TensorFlow Lite)를 개발했으며, 미국 최초로 자동화를 통해 산업 규모로 곤충 단백질을 생산하는 회사인 타이니 팜스(Tiny Farms)를 공동 설립했다. 버밍엄시티대학교에서 자동 식별과 데이터 캡처를 강의하는 것으로 경력을 시작했다.
임베디드 머신러닝 연구와 개발을 이끄는 엣지 임펄스의 머신러닝 책임자다. 오라일리에서 출판한 임베디드 머신러닝의 표준 교과서인 『초소형 머신러닝 TinyML』 (한빛미디어, 2020)의 공동 저자이며, 하버드, UC 버클리, UNIFEI에서 초청 강연을 진행한 바 있다. 이전에 구글에서 텐서플로 라이트(TensorFlow Lite)를 개발했으며, 미국 최초로 자동화를 통해 산업 규모로 곤충 단백질을 생산하는 회사인 타이니 팜스(Tiny Farms)를 공동 설립했다. 버밍엄시티대학교에서 자동 식별과 데이터 캡처를 강의하는 것으로 경력을 시작했다.