pile·
AI / ML·루닛루닛·

AutoSCOPE — Lunit 의 AI 모델 개발 조립 라인

문제Lunit의 의료 AI 개발 과정이 데이터 준비부터 추론까지 약 10개의 수동 단계로 쪼개져 있어 모델 개발 속도가 느리고 팀 간 소통 비용이 크다.
접근포드 조립라인을 모티브로, 데이터 관리·라벨 정제·AutoML·WSI 추론까지 한 워크플로우로 묶은 웹 기반 통합 프레임워크 AutoSCOPE를 구축한다. TorchServe로 모델 배포를 표준화하고 active learning으로 라벨링을 효율화한다.
결과몇 번의 클릭만으로 새 모델을 만들고 기존 모델과 동등하거나 더 나은 성능에 도달한다. 의료 도메인 전문가도 직접 AI 모델 개발에 참여할 수 있는 환경이 마련됐다.
루닛
루닛 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. AI / ML·stackoverflow-blogStack Overflow Blog·

    에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

    Motorola Solutions의 테스트 엔지니어링 선임 매니저 Suneet Malhotra가 Stack Overflow 팟캐스트에 출연해 MCP(Model Context Protocol) 기반 에이전틱 SDLC 파이프라인 구축과 LLM-as-judge 평가 방법론을 소개했다. QA 엔지니어링 관점을 소프트웨어 개발 생애 전반에 적용하고, 설계 단계 직후 스펙을 강화해 결함 비용을 줄이는 'QA shift-left' 접근을 다룬다.

    요약 이어보기
    #llm-agent#mcp#test-automation+2
  2. AI / ML·LINE EngineeringLINE Engineering·

    보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

    LY Corporation Security Development Division이 보안 업무용 AI 에이전트 플랫폼 SAGE의 개발 과정을 공개했다. "완전 자동화"와 "도입 미루기" 양 극단 사이에서 "판단은 사람에게 남기는 설계"를 핵심 원칙으로 삼고, 3단계 점진적 도입 전략(AI 보조→에이전트 협업→자동화)을 채택했다. 현재는 1단계를 중심으로 파일럿·실운영 중이다.

    요약 이어보기
    #llm-app#opensearch#mcp+2