반응형

(304100) 솔트룩스 - (5) 솔루션 Solution

saltlux

  • 동사는 1981년 8월에 설립되었으며, B2B 및 B2G 인공지능·빅데이터 솔루션을 프로젝트 수주하여 구축 혹은 클라우드 기반으로 서비스 하는 사업을 영위.
  • 동사의 주요 제품으로는 지능형 빅데이터 분석 플랫폼인 Big Data Suite와 인공지능 플랫폼인 AI Suite가 있으며, 각각 2019년 전체 매출액의 41.2%, 37.75%를 차지.
  • 아웃바운드 컨택센터 자동화, 지능형 채용/HR 심사 등의 신규 사업 확장 계획.

 

솔루션 Solution

고객 목소리 분석 VOC

최근 금융감독원의 민원접수에 따른 은행평가, 금융소비자보호규범 준수, 빅데이터와 결합한 VOC 분석, 상담 녹취 데이터 활용 등에 대한 고객의 관심과 요구가 증가하고 있습니다. 단편적인 고객 불만에 신속하게 대응하는 프로세스를 벗어나 기업은 고객의 전반적인 경험을 주도적으로 찾아내어 전사적으로 고객의 잠재적 요구에 신속하게 대응하는 Sense & Response 경영체제로 진화를 준비합니다. 또한, 인터넷, 모바일, 소셜미디어 등의 일상화로 자사 제품/서비스에 대한 고객의 의견과 불만을 통합적으로 이해하고 효과적으로 대응하기가 점점 더 어려워지고 있습니다. 특히, 회사로 유입되지 않고 인터넷과 소셜미디어를 통해 유통되는 자사 제품/서비스에 대한 평판과 불만은 예측하기 어려운 미래 위험이 되기도 합니다.

솔트룩스의 고객 목소리(VOC) 분석 솔루션은 고객센터의 상담 메모뿐 아니라 이메일, 다양한 소셜 미디어와 포털 게시판에 이르기까지 다양한 채널로부터 고객 목소리를 실시간 수집, 통합합니다. 고객 불만과 평판을 심층 분석하고 이상징후 조기 감지 및 실시간 대응 체계를 제공함으로 고객 만족 극대화, VVIP 대응, 회사와 서비스 평판 관리뿐 아니라 신상품 개발에 이르기까지 보다 지능적이고 주도적인 대고객 리더십 확보를 지원합니다.

< 통합 VOC 분석 웹 서비스 >

VOC 시스템의 정의

VOC(Voice Of Customer) 는 기업의 경영 활동에 있어서 고객들이 기업의 서비스에 반응하는 각종 문의, 불만, 제안 등을 의미합니다. 이러한 VOC을 구성하고 있는 데이터는 주로 콜센터 등에서 사용하는 CRM의 고객지원 시스템을 통해 확보할 수 있는 상담원의 고객상담메모, 고객지원 게시판이며, 최근에는 블로그, 트위터, 커뮤니티 사이트의 다양한 채널을 통해 확보가 가능한 고객제품, 서비스의 반응 등 데이터를 포괄적으로 포함합니다.

솔트룩스 VOC 분석 솔루션은 내/외부 비정형 VOC(상담) 정보를 수집하는 정보 수집 시스템과 수집된 정보를 분석하는 VOC 분석 시스템 그리고 분석된 정보를 웹으로 제공하는 웹 서비스로 구성됩니다. 비정형 Data(VOC, 상담기록) 분석을 위해 다양한 구축 사례를 통하여 성능이 검증되고 기능이 최적화된 텍스트마이닝, 연관정보검색 등 데이터 수집/분석 솔루션을 활용하여 성공적인 상담 기록 분석 시스템을 구축합니다.

< VOC 단계별 프로세스 >

 

VOC 분석의 필요성

2000년 대 CRM 시스템을 포함하는 대규모 콜센터 인프라의 구축으로 인하여 대용량의 고객 상담 메모가 시스템 상에 지속적으로 축적되어 왔습니다. 또한 디지털 환경의 보편화 및 인터넷 환경 등이 활성화 되며 소비자의 적극적인 의사 표현이 이루어 지고 있습니다. 특히 웹 2.0 패러다임의 등장으로 제품/서비스 사용자의 인터넷 상의 블로그, 커뮤니티 등을 통한 적극적인 소비자의 의사표현 하는 프로슈머가 등장하였고 이들은 본인의 의견을 다른 사용자들과 적극 공유, 기업 경영에 영향력을 행사하고 있습니다. 따라서 다양한 고객의 필요 및 문제를 명확히 파악하고 이를 제품/서비스에 반영하는 것은 갈수록 치열해 지는 기업 경쟁 환경에서 기업의 생존과 직접적 관계를 가지고 있습니다.

 

VOC 분석 시스템 주요기능

1. 연관정보 분석/트렌드 분석

토픽 랭크 기술을 적용하여 방대하게 축적된 내/외부의 모든 관련 지식을 연결하고 그 연관 관계를 제시하며, VOC 내의 관심 키워드를 주기적으로 통계 분석하여 고객 VOC 동향을 깊게 이해할 수 있습니다.

2. 통계정보 시각화

수집된 고객 상담정보에 대하여 분류별 특성정보를 다양한 통계적 방법(빈도, 추이, 다차원분석)으로 분석하고, 시각화 및 Dashboard로 제공함으로써 이슈 발생 가능성을 정량화하여 이슈 및 문제점 등에 대한 정확한 원인파악 및 대응방안을 수립할 수 있도록 지원합니다.

3. 종합 대시보드

최신 VOC 동향을 기간별, 연령별, 성별 등 다양한 유형별로 제공함으로써 한 눈에 고객의 요구를 조망할 수 있습니다.

4. 키워드 종합랭킹

종합 랭킹을 통해 지속적인 VOC 이슈를 확인할 수 있고 급상승 랭킹을 통해 새롭게 도출되는 이슈를 파악할 수 있으며 사용자가 원하는 정보에 대한 랭킹을 볼 수 있는 관심 키워드 랭킹을 제공합니다.

5. 리포트 기능

분석된 VOC에 대한 가시성 높은 통계와 다양한 유형의 리포트를 제공합니다.

6. 연관 이슈 분석

내∙외부 수집 정보(트위터, 블로그, 카페 등)에 대한 연관 이슈를 조회하고 트렌드 분석을 제공합니다.

 

VOC 데이터의 특징

일반적으로 VOC 데이터는 다음과 같은 콘텐트적 특징을 가지고 있으며, 각 특징에 맞춰 적합한 분석 기법의 적용이 필요합니다.

VOC 데이터 분석을 위한 기법

텍스트마이닝을 활용한 VOC 데이터 분석 기법과 해당 기법을 적용하기 위한 기술은 다음과 같습니다.

VOC 데이터 분석의 고려사항

 

공공데이터 개방 LOD

오픈 데이터는 오픈 소스, 오픈 플랫폼과 더불어 IT 개방 생태계의 핵심 축으로 자리매김 하고 있습니다. 특히, 공공데이터 개방은 전세계적으로 거스를 수 없는 중요 패러다임이 되었습니다. 솔트룩스는 지난 10년간 공공데이터 개방, 검색, LOD(Linked Open Data) 플랫폼 구축을 위한 기술과 솔루션을 제공해 왔으며 국제 기구인 ODI(Open Data Institute)와의 협력을 통해 오픈 데이터 표준화, 인증 및 확산에 기여하고 있습니다. 솔트룩스의 LOD 솔루션을 통해 공공데이터 개방 최고 등급인 5성(Five Star)급 데이터 서비스를 경험하십시오.

[솔트룩스] 지식그래프/그래프DB 스톰 STORM

youtu.be/u5L7KP71bGE

솔트룩스의 공공데이터 개방을 위한 LOD 솔루션은 공공데이터를 위한 지식그래프 모델링과 데이터 자동 변환 및 통합을 위한 규칙 엔진, 인스턴스 자동 변환기와 대규모 저장소를 내장하고 있으며, RESTful 형식의 SPARQL EndPoint를 통해 매우 강력한 데이터 질의를 제공하고 있습니다. RAINBOW와의 연계를 통해 다양한 시각화뿐 아니라 온라인 분석 서비스 구현도 가능합니다.

 

주요 특징

LOD 서비스 체계 구축

LOD(Linked Open Data)는 웹을 통한 데이터 개방과 유통을 위해 W3C에서 표준화한 데이터 표현, 출판 및 검색 방법입니다. LOD는 RDF 형식의 데이터 표현과 출판, REST 프로토콜과 SPARQL을 통한 검색과 질의를 제공하며 URI를 통해 모든 데이터가 연결 가능한 웹을 지향합니다. LOD에 기반한 공공 데이터 개방의 큰 특징은 인터넷 상에서 개방된 모든 데이터를 연결, 활용하고 상이한 데이터를 통합한 개방형 지식 베이스를 구현할 수 있다는 점입니다. 솔트룩스의 LOD 솔루션은 공공기관, 지자체에서의 정보 공개에 가치를 부여합니다.

솔트룩스의 LOD 구축 솔루션은 지난 10년간 국내외 주요 고객을 통해 검증된 STORM 플랫폼의 SOR과 STRANSFORMER 제품에 기반하고 있습니다. 다양한 종류의 공공데이터로부터 지식그래프 스키마를 구성하고, 원시데이터를 RDF로 변환, SPARQL EndPoint를 통해 질의, 시각화하는 것을 일괄 자동화 하는 것이 가능합니다.

솔트룩스는 검증된 LOD 솔루션을 기반으로 단편적이고 파편화된 데이터간의 의미 있는 관계 정보를 찾아 숨겨져 있는 정보를 가치 있는 지식 자산으로 활용하고, 기존의 제한적이었던 데이터 접근 방식을 누구나 쉽게 탐색하고 활용할 수 있도록 지원하며, 국내 LOD 및 오픈데이터 산업 발전의 교두보로써 그 역할을 해나갈 것입니다.

 

오피니언 마이닝

모바일 환경의 성숙과 소셜 미디어의 대중화는 일반 시민들의 정치, 사회, 경제에 대한 영향력을 증대시켰으며 국가 정책과 기업, 제품에 대한 개인과 소규모 집단의 의견이 결정적 영향을 주고 있습니다. 솔트룩스는 지난 20년간 한국어, 영어, 일어 등을 포함한 다국어 형태소 분석, 구문 분석, 개체명 인식, 이벤트 추출 엔진을 개발해 왔으며 이를 적용한 고품질, 고정밀 감성 분석(Sentiment Analysis)과 오피니언마이닝 솔루션을 제공하고 있습니다. 솔트룩스의 자연어 처리 및 오피니언 마이닝 기술은 기계학습(Machine Learning)과 딥러닝(Deep Learning)에 기반한 세계 최고 수준의 분석 품질을 제공하고 있습니다.

 

지식/소셜 네트워크 분석

인터넷과 모바일 서비스의 발전은 사람들의 연결 구조를 더욱 동적이고 복잡한 유기체로 만들고 있습니다. 사람들간의 연결 구조는 다양한 데이터와 콘텐트의 유통 경로가 될 뿐 아니라 구매 활동을 포함한 의사 결정에 많은 영향을 주고 있습니다. 솔트룩스는 지식/소셜 네트워크 분석 솔루션을 통해 소셜미디어, 이메일, 방대한 기업 문서로부터 시맨틱 소셜 네트워크를 추출해 그 구조를 분석하고, 네트워크에 흐르는 지식과 상호 영향력을 심층 분석함으로 문제 해결을 위한 전문가 검색과 추천, 마케팅 전략 도출, 지식 활동 프로파일링, 지능형 보안과 안보 분석, eDiscovery 체계 등의 구축을 가능하게 합니다.

< 지식/소셜 네트워크 분석 솔루션 구조도 >

 

개요

네트워크 분석은 그래프 이론(graph theory)을 이용하여 객체(행위자를 포함한 모든 객체)간의 관계를 분석하는 정량적인 분석방법론으로 분석 대상에 따른 다양한 분석방법이 있으며, 대표적으로 사회관계분석(social network analysis)이 있다. 현재 조직에서는 지식의 흐름과 유통에 대한 분석을 통해 지식의 새로운 가치를 발견하거나 업무나 회사 운영에 활용하기 위한 많은 노력을 하고 있습니다. 조직 내에는 다양한 정보들(문서, 이메일, 웹 등)를 보유하고 있으며, 이들 정보자원에 대한 분석을 통해 지식네트워크를 구성할 수 있습니다. 일반적으로 조직에서 지식네트워크를 하게 되면 다음과 같은 이점을 얻을 수 있습니다. 이와 같이, 지식네트워크 구성은 조직 내 분산되어 있는 지식에 대한 통합, 지식 유통 경로, 지식 흐름, 사용자 유형 분석 등을 위한 기초를 제공합니다.

 

주요특징

 

상세 기능

지식네트워크는 조직 내에서 발생하는 다양한 주제정보 네트워크 및 사회관계 네트워크에 기반하고 있으며, 지식네트워크 분석은 구성된 주제 및 사회관계에 대한 분석을 통해 지식 중개자, 지식 전문가 정보를 제공할 뿐만 아니라, 지식의 유통경로나 지식 흐름 경로 분석, 사용자 유형 분석 결과를 제공할 수 있습니다. 조직 내의 지식 분석을 위한 데이터 소스(Data Source)와 이를 통해 가능한 분석 방법은 다음과 같습니다.

조직 내에 구성된 지식네트워크는 관점에 따른 다양한 분석과 활용이 가능하며, 이를 통해 조직 내에 분포되어 있는 지식에 쉽게 접근하거나 활용할 수 있는 기초를 제공할 수 있습니다. 이와 같이, 지식네트워크 분석은 다음과 같은 특징을 가지게 됩니다.

지식네트워크 활용

조직이 보유하고 있는 정보로부터 지식네트워크를 구성하고 이를 어떻게 활용할 것인지를 지식네트워크 특징을 중심으로 설명해보겠습니다. 기본적으로 조직은 이메일 시스템을 통해 조직 내의 다양한 업무 정보를 공유합니다. 조직 내에서 활용하고 있는 이메일 시스템과 같이 네트워크 구성이 가능한 데이터 소스에 대한 분석을 통해 구성된 네트워크를 어떻게 업무에 적용할 것인지를 살펴보면 다음과 같습니다. 전제조건은 이메일 기반 네트워크는 이메일 발/수신을 중심으로 구성되며, 지식 흐름은 네트워크상에 존재하는 개체분석을 통해 지식네트워크를 구성합니다. 활용방법을 살펴보면 다음과 같습니다.

조직 내에서 네트워크는 관점에 따라 조직 구성원에 대한 감시와 같은 개인 프라이버시와 같은 문제를 야기 시킬 수 있는 반면, 조직 내의 다양한 지식 계층을 발굴함으로써 얻는 이점이 더 많다고 할 수 있습니다.

 

특장점

지식네트워크는 조직 내에서 발생하는 다양한 주제정보 네트워크 및 사회관계 네트워크에 기반하고 있으며, 지식네트워크 분석은 구성된 주제 및 사회관계에 대한 분석을 통해 지식 중개자, 지식 전문가 정보를 제공할 뿐만 아니라, 지식의 유통경로나 지식 흐름 경로 분석, 사용자 유형 분석 결과를 제공할 수 있습니다. 조직 내의 지식 분석을 위한 데이터 소스(Data Source)와 이를 통해 가능한 분석 방법은 다음과 같습니다.

 

콘텐츠 맞춤 추천 및 개인화

동영상을 포함한 사용자 제작 콘텐트의 생산량이 크게 증가하고 그 유통 구조가 다양해 짐에 따라 원하는 콘텐트를 쉽게 발견하고 소비하기가 점점 어려워 지고 있습니다. 솔트룩스의 사용자 맞춤형 콘텐트 추천 및 개인화 솔루션은 사용자의 선호를 의미적으로 분석하고 각 사용자에게 적합한 콘텐트 만을 지능적으로 추천할 수 있는 솔루션입니다.

 

신기술 분석, 센싱, 예측 솔루션

치열한 글로벌 경쟁에서 살아남기 위해 기업들의 R&D 투자는 크게 늘어 났지만, 그 성과는 오히려 줄어들고 있습니다. 이제는 경험과 직감에 기반한 기술 개발이 아닌 데이터 분석과 시장, 기술 예측을 통한 합리적이고 현명한 연구 개발 정책 수립과 투자가 필요한 시기입니다. 세계적 글로벌 기업들과 공공 기관을 통해 검증된 솔트룩스의 신기술 분석, 기술 센싱 및 예측 솔루션을 경험해 보십시오.

 

개요

최근 웹 영역에서 생성되는 다양한 형태의 Contents들은 기하급수적으로 증가하고 있습니다. 이렇게 수많은 Contents 들 중에서 원하는 정보를 찾을 방법은 검색엔진 혹은 검색기술을 통해 개별 지식을 발견하는 것입니다. 그러나 발견된 정보가 세상 혹은 웹 영역에서 어떠한 정보량과 시계열적 의미가 있는지를 알아내기는 매우 어렵습니다.

Google은 ‘구글 트렌드’ 라고 하는 검색 질의랭킹 분석 서비스를 통해 트렌드 분석을 제공하고 있으나 검색 시스템에 질의된 검색어를 통계적으로 분석한 인기검색어 기능을 응용하여 표현한 한계를 가지고 있습니다. 트렌드 분석은 웹 또는 도메인 내에서 생성되는 Contents 들을 분석해 특정 지식의 연관관계를 제시하거나 발생 경향을 분석함으로 단편적인 지식발견이 아닌 생성/활용/트렌드를 분석할 수 있는 기능이있습니다. 트렌드 분석 기능은 웹에서 발생하는 웹페이지, 블로그, 트윗, 각종 게시판 Contents를 분석하여 사회적인 이슈나 세상에 회자되는 관심사항을 자동으로 분석하는 용도로도 사용할 수 있지만, 기업활동 영역 내에서 생성되는 고급 Contents의 분석에도 효과적으로 사용될 수 있으며 그 가치는 수익활동과 연결될 수 있는 ROI를 제공합니다.

 

목적

기업활동에 수반되는 문서의 형태는 다양하나 그중에서 기술과 관련된 지식은 기업이 영속할 수 있는 핵심내용을 담고 있습니다. 내부에서 생성되는 지식뿐 아니라 외부에서 생성되고 수집되는 기술문서 역시 관리되어야 할 중요한 내용으로 최근 들어 특허관리 및 융합기술이 특히 중요해 지고 있습니다. 그러나 기술문서 역시 지식활동에 따라 대량으로 발생하고 있어 모든 내용을 검토하거나 분석하는 것이 어렵습니다. 텍스트마이닝 기술은 이런 환경에서 특허, 논문, 지식문서 등의 기술 문헌에 대한 트렌드 분석을 수행할 수 있는 유용한 기술입니다.

신기술 센싱은 지능적 분석을 통해 미래 R&D 기술에 대한 트렌드를 파악하고, 제품의 연구/개발 의사결정에 도움을 주는 역할을 합니다. 기업에서 신기술 혹은 신제품 개발 등의 연구개발 추진 시 사전 특허 조사, 기술 등의 R&D 동향 분석은 필수적입니다. R&D 종사자에게는 세부 기술 수준에서의 동종/이종 기술 간의 융합패턴 발견이 중요하며, 개별 제품 레벨에서의 이 제품에 적용될 수 있는 미래 기술 및 미래 시장 제품의 발견 중요성이 증대되고 있습니다. 신기술 센싱은 통시적 분석과 공시적 분석을 수행하며 이 기능들은 각각 기술들 간의 연관관계 분석과 부상기술 분석, 기술 트렌드 기능을 제공합니다.

 

시스템 구성

센싱 시스템은 배치형태의 분석, 색인 과정과 서비스를 위한 검색과정으로 구분됩니다. 특히 분석은 두 가지 분석을 수행하게 되며, 통시적 분석은 통계분석 및 회귀분석을 사용하고, 공시적 분석은 토픽랭크 알고리즘을 통해 이루어집니다.

공시적 현상 분석은 사용자가 입력한 질의어에 기반을 두어 검색하고, 검색 결과 문서의 키워드 벡터를 토픽랭크 분석하여 키워드의 관계 네트워크 정보를 제시합니다.

통시적인 현상 분석은 주기적으로 입력받은 문헌 정보를 단위 시간대별로 나눠 분석하고 이 분석 결과에 기반을 두어 해당 단위 시간대에 중요하게 증가/변화되고 있는 기술 용어를 순위별로 제시합니다.

결론

기술 선진국일수록 기업 자체적으로 구축한 풍부한 R&D 노하우 및 자사 특허 포트폴리오를 바탕으로 미래 기술을 예측한 후 R&D 방향을 결정합니다. 트렌드 분석 (기술센싱) 시스템은 미래의 불확실성에 대한 의사결정 가이드를 제공하며 주요 관심 사항에 대한 집중적인 검토 계기를 제공할 수 있습니다. 트렌드 분석 시스템이 제공하는 기능들은 방대한 내외부 기술 문헌을 효율적으로 자산화할 수 있는 임무을 수행합니다.

 

IoT 대응 상황인지 솔루션

웨어러블 디바이스를 필두로 스마트 시티와 스마트 홈, 헬스케어와 에너지 IoT 등 센서 네트워크 기반의 혁신적 서비스들이 다가오고 있습니다. IoT 혁신은 실시간 스트림 빅데이터에 대한 지능화와 상황인지 서비스 구현에 승패가 달려있습니다. 솔트룩스는 지난 10년간 실시간 센서 데이터의 지능화와 의미기반 상황인지 기술을 개발 및 공급해 왔으며 다양한 상용화 실적을 보유하고 있습니다.

 

지능형 감사/보안

활용 가치가 큰 빅데이터의 80%가 위치와 관련 있는 지리공간 빅데이터라는 통계가 있을 정도로 위치 기반한 빅데이터 분석은 매우 중요합니다. 솔트룩스는 의미기반 지리공간 모델링과 GIS 연동 가능한 빅데이터 융합 분석 솔루션을 제공하고 있으며, 소셜 빅데이터와의 연계를 통한 지역별 이슈 및 평판 분석, 실시간 마케팅 분석과 이상징후 조기 감지 등의 심층 분석을 지원합니다.

개 요

지리공간정보의 시맨틱 활용은 지리적 특징, 지리기하학적 특징, 지리인문학적 특징 등과 같은 지리와 관련한 다양한 계층의 데이터들이 위치좌표를 중심으로 연계되고 추론 처리하여 새로운 지리정보를 제공할 수 있는 활용사례들입니다.

 

지리공간정보

지리공간정보는 위치좌표를 가진 지리적 정보를 바탕으로 지형학, 생물학, 유전병학, 사회학, 인구통계학, 통계학 등의 연관 정보를 가진 정보입니다. 위치좌표는 이동형 단말장치의 센서정보를 이용하여 수집된 WGS84 좌표정보입니다. WGS84는 구체의 중심으로부터 지구표면에 대해 위도, 경도로 표시됩니다.

 

시맨틱 기술

시맨틱 기술은 데이터에 대해 사람과 기계가 이해하고 공유 및 추론할 수 있게 하는 기술입니다. 이를 위해서는 프로그램들 간 공유하는 데이터 집합이 가진 데이터들 간에 관계를 추가, 변경하고 상호 연계시킬 수 있도록 데이터 모델링을 합니다.

데이터 모델링은 데이터의 개념을 체계화하고 개념들 간의 관계를 정의하고 관계에 해당하는 실체들을 정의합니다. 이는 웹상의 자원들을 표현하는 RDF를 기반으로 온톨로지로 나타냅니다. 온톨로지를 저장하는 시맨틱 저장소는 RDF의 형태로 저장하며 Subject, Predicate, Object의 하나의 트리플 형태로 문장 단위로 저장합니다.

프로그램이 처리를 위해 필요로 하는 데이터를 시맨틱 저장소에서 질의를 하기 위해 SPARQL이라는 질의언어를 사용하여 질의를 수행합니다. 질의 내용 중 지식그래프 내에 표현된 데이터들의 관계성에 따라 값이 지정되지 않은 질의 내 변수는 추론기의 추론을 통해 변수 값을 조회해볼 수 있습니다.

추론처리는 개념과 속성들의 상하관계의 정의에 따른 규칙인 Axiom 기반 추론과 개념 및 속성을 SWRL 규칙언어를 이용하여 정의하여 규칙에 맞는 값을 찾아내는 Rule 기반 추론이 있습니다.다. 또한 데이터의 관계들을 미리 추론하는 Forward chaining 추론과 데이터들이 자주 변경되어 질의 시 추론 처리되는 Backward chaining 추론이 있습니다.

 

적용 사례

솔트룩스는 지리정보 Open Street Map(www.openstreetmap.org), 서울지역 Point Of Interest(POI)와 건설기술연구원의 서울범위 도로표지판을 바탕으로 온톨로지를 모델링하고 데이터 처리 및 응용처리를 위한 추론 처리결과를 보여주는 서울 도로교통표지판 관리시스템을 구축하였습니다.

도로표지판 관리시스템에서 추론을 적용한 사례는 다음과 같습니다.

 

반응형

+ Recent posts