2024 Start On-Device AI
온디바이스 AI 기술 동향·전망과 AI 임베디드 제품 개발 전략
프로그램 안내
-
기조연설 : 온디바이스 AI 기술 트렌드 및 전망
대구대 김경기 교수 (IEEE CASS BoG 이사) -
SW솔루션 : On-Device AI & TinyML (음성인식·화자인식 IoT 임베디드 시스템으로 구현, TinyML을 위한 하드웨어 모듈 개발)
감바랩스 박세진 대표 -
SW 솔루션 : 온디바이스 AI를 위한 하드웨어 인지 AI 모델 최적화 솔루션 및 성공 사례
노타AI 조석영 매니저 -
Coffee break
-
HW 솔루션 : 온디바이스 AI 제품 개발 및 적용 사례
코드주 장병남 대표 -
HW 솔루션 : STM32 MCU기반 AI 솔루션 및 AI 데모
STMicroelectronics 문현수 FAE
연사 및 발표 내용 소개
박세진
감바랩스
대표
現 부산대학교 정보컴퓨터공학부 겸임교수
現 감바랩스 대표이사
삼성전자 DMC 연구소 & 무선사업부 책임연구원
ST-Ericsson & Ericsson Korea SW & HW 팀장
Sentons (Fabless Startup, USA) 한국지사장
부산대학교 컴퓨터공학과 학사/석사/박사
삼성학회 논문상 (2009)
Marquis Who’s Who in the World(2010, 2011)
On-Device AI & TinyML
온디바이스 AI & TinyML
온디바이스 AI 생태계/기술/시장
온디바이스 AI HW & SW Platform
온디바이스 AI 사례
감바랩스 기술 소개
초소형 음성인식 및 화자인식 기술
조석영
노타AI
Chief of Staff Manager
노타 Chief of Staff Manager (전략 기획 담당)
University of Wisconsin-Madison 학사 (우수 졸업)
온디바이스 AI를 위한 하드웨어 인지 AI 모델 최적화 솔루션 및 성공 사례
최근 인공지능(AI) 기술의 발전과 함께, 온디바이스 AI(On-device AI)가 점점 더 중요한 기술로 자리 잡고 있습니다. 온디바이스 AI는 데이터를 클라우드로 전송하지 않고, 기기 자체에서 AI 모델을 실행하여 실시간 응답성과 개인정보 보호를 동시에 제공하는 혁신적인 접근 방식입니다. 이번 발표에서는 온디바이스 AI의 주요 트렌드와 함께, 이러한 기술을 구현하기 위해 필요한 인공지능 모델 최적화 기법들을 중점적으로 소개합니다.
특히 모델 경량화 (예: 가지치기(pruning)) 등의 최적화 기술을 다루며, 이를 통해 엣지 디바이스에서 AI 모델의 성능을 극대화하는 방법을 탐구합니다. 이와 관련하여, 노타(Nota AI)의 NetsPresso 플랫폼이 제공하는 모델 최적화 솔루션을 소개하며, 실제 사례를 통해 온디바이스 AI 구현에 있어서의 효과성과 실용성을 분석합니다. 마지막으로, 온디바이스 AI의 미래 전망과 발전 방향에 대해 논의하며, 관련 연구자와 실무자들에게 실질적인 인사이트를 제공하는 자리가 될 것입니다.
장병남
코드주
대표
주식회사 코드주 대표
現 주식회사 코드주 대표 (2013~현재)
現 Embedded Software 개발 (2007~현재)
온디바이스 AI 제품 개발 및 적용 사례
시니어 펌웨어 개발자 입장에서 바라 본 온디바이스 AI 특징과 어려움, 중요성을 살펴보고 AI 사전지식이 부족한 개발자 입장에서 사용할 수 있는 온디바이스 AI 도구들을 활용하여 개발 및 적용한 사례들을 소개합니다.
문현수
STMicroelectronics
FAE
Senior Field Application Engineer
STMicroelectronics
Senior Field Application Engineer ( 2019 ~ 현재 )
Edge AI solutions on STM32
STM32 MCU와 MPU 디바이스와 같이 메모리나 컴퓨팅 파워에 대한 제약사항이 있는 소형 임베디드 플랫폼에서도 딥러닝 알고리즘을 포함한Machine Learning 알고리즘들을 On-device기반으로 프로세싱 가능하도록 지원하는 ST의 On-device AI구현을 위한 소프트웨어 플랫폼인 ST Edge AI Solutions에 대해서 소개합니다.
AI 모델에 대한 연산과 입력데이터의 다양하고 복잡한 전처리 알고리즘을 빠르게 처리할 수 있도록 ST가 제공하는 하드웨어 적인 요소와 Machine Learning에 대해 경험이 적은 임베디드 개발자들도 쉽게 On-device AI 기능을 구현할 수 있는 NanoEdge AI Studio 그리고 범용 AI Framework에서 사전 학습된 AI 모델을 STM32 MCU에 쉽게 적용할 수 있는 소프트웨어 플랫폼에 대해서 알아보면서 ST가 On-device AI를 위해 제공하는 하드웨어와 소프트웨어의 현재와 미래에 대해 소개합니다.