Tidepool

이전 이름인 Aquarium으로 널리 알려진 Tidepool은 고품질 프로덕션 AI 시스템의 개발 및 배포를 가속화하기 위해 설계된 정교한 MLOps 플랫폼이었습니다. 핵심 임무는 머신러닝 팀이 데이터셋을 관리, 분석 및 개선할 수 있는 고급 도구를 제공하여 역량을 강화하는 것이었으며, 특히 컴퓨터 비전(CV) 및 자연어 처리(NLP) 애플리케이션에 중점을 두었습니다. 이 플랫폼은 데이터의 품질이 모델의 성능에 가장 중요하다는 데이터 중심 AI 원칙에 기반하여 구축되었습니다.

Tidepool은 개발자들이 단순히 모델 아키텍처를 조정하는 것을 넘어 체계적으로 훈련 데이터를 향상시키는 데 집중할 수 있도록 했습니다. 레이블링 오류, 데이터 불균형, 모델 실패 사례와 같은 데이터셋 및 모델 예측 내의 문제를 찾아 수정할 수 있는 통합 환경을 제공했습니다. 가장 문제가 되는 데이터 슬라이스를 식별함으로써 팀은 데이터 큐레이션 및 주석 작업을 우선순위로 정하여 더 짧은 시간에 더 견고하고 정확한 AI 모델을 만들 수 있었습니다.

Tidepool 사용 방법

Tidepool 플랫폼에서의 일반적인 워크플로우는 머신러닝 모델을 반복적으로 개선하기 위한 몇 가지 주요 단계를 포함했습니다:

1. 데이터 통합: 사용자는 API 또는 웹 인터페이스를 통해 데이터셋(예: 이미지, 텍스트 문서)과 해당 모델 예측을 플랫폼에 업로드하는 것으로 시작합니다.
2. 성능 시각화: Tidepool은 이 정보를 처리하여 데이터셋과 모델의 성능에 대한 풍부한 시각화를 제공했습니다. 이를 통해 팀은 모델이 성공하는 부분과 실패하는 부분을 탐색할 수 있었습니다.
3. 오류 분석: 플랫폼의 강력한 오류 분석 엔진은 문제가 있는 데이터 포인트를 자동으로 찾아내고 클러스터링했습니다. 예를 들어, 자율 주행 자동차의 객체 감지 모델이 비 오는 조건에서 보행자를 일관되게 인식하지 못하는 것을 식별할 수 있었습니다.
4. 데이터 큐레이션: 오류 분석에서 얻은 통찰력을 바탕으로 팀은 Tidepool의 도구를 사용하여 재레이블링 또는 증강을 위해 가장 영향력 있는 데이터를 필터링, 태그 지정 및 선택할 수 있었습니다. 이 액티브 러닝 루프는 주석 리소스가 모델을 가장 크게 개선할 데이터에 사용되도록 보장했습니다.
5. 재훈련 및 반복: 새로 큐레이션되고 개선된 데이터셋은 모델을 재훈련하는 데 사용되었습니다. 예측 업로드, 오류 분석, 데이터 큐레이션의 이 반복적인 주기는 원하는 모델 성능이 달성될 때까지 반복되었습니다.

Tidepool의 핵심 기능

• 데이터 중심 MLOps: 수집에서 큐레이션에 이르기까지 머신러닝 데이터의 전체 라이프사이클을 관리하는 통합 플랫폼.
• 고급 오류 분석: 모델 실패를 자동으로 식별하고 그룹화하여 팀이 성능 저하의 근본 원인을 신속하게 이해할 수 있도록 지원.
• 지능형 데이터 큐레이션: 주석을 위한 가장 가치 있는 데이터를 선택하는 데 도움이 되는 액티브 러닝 워크플로우로, 레이블링 노력의 영향을 극대화.
• 풍부한 데이터 및 모델 시각화: 이미지 경계 상자, 의미 분할 마스크, 텍스트 임베딩 지원을 포함하여 복잡한 데이터셋 및 모델 예측을 탐색하는 대화형 도구.
• CV 및 NLP 전문: 컴퓨터 비전 및 자연어 처리 작업의 과제를 위해 특별히 설계된 맞춤형 기능 및 워크플로우.
• 협업 허브: 데이터 과학자, ML 엔지니어, 주석가가 모델 품질 향상을 위해 협업할 수 있는 공유 작업 공간 제공.

Tidepool의 사용 사례

Tidepool은 고성능 AI에 의존하는 다양한 산업에서 가치가 있었습니다:

• 자율 시스템: 자율 주행 자동차나 드론을 구축하는 팀은 Tidepool을 사용하여 인식 모델의 엣지 케이스를 찾아 수정함으로써 안전성과 신뢰성을 향상시켰습니다.
• 의료 영상: 병원 및 연구 기관은 엑스레이, MRI 또는 병리 슬라이드의 오분류를 식별하고 수정하여 AI 기반 진단 도구를 향상시킬 수 있었습니다.
• 핀테크: 거래 데이터를 분석하고 모델이 제대로 작동하지 않는 패턴을 식별하여 사기 탐지 모델을 개선하는 데 사용되었습니다.
• 콘텐츠 중재: 소셜 미디어 및 콘텐츠 플랫폼은 모호하거나 문맥에 의존하는 예에 초점을 맞춰 유해 콘텐츠를 탐지하는 모델을 개선할 수 있었습니다.

Tidepool의 장점

Tidepool의 주요 장점은 프로덕션 준비 AI를 구축하는 데 필요한 시간을 크게 단축할 수 있다는 것이었습니다. 데이터에 집중함으로써 보다 효율적이고 목표 지향적인 모델 개선이 가능했습니다. CV 및 NLP를 위한 전문 도구는 일반 데이터 플랫폼보다 더 깊은 통찰력을 제공했습니다. 이러한 데이터 중심 접근 방식은 순전히 모델 중심 또는 코드 중심의 노력에 비해 모델 정확도와 견고성에서 더 상당한 이득을 가져왔습니다.

가격 및 플랜

Tidepool은 AI 팀의 특정 요구에 맞춰진 엔터프라이즈급 가격 플랜으로 제공되는 상용 제품이었습니다. 가격은 일반적으로 데이터 볼륨, 사용자 수, 필요한 지원 수준과 같은 요인에 따라 결정되었습니다.

참고: Tidepool (Aquarium) 팀은 Notion에 인수되었습니다. 그 결과, 독립형 Tidepool 제품은 단종되었으며 더 이상 신규 고객에게 제공되지 않습니다. 팀의 AI 검색 기술 전문 지식은 이제 Notion의 제품에 통합되고 있습니다.