# AI의 데이터 흐름 데이터 흐름은 AI 엔지니어링 라이프 사이클에서 데이터 이동 순서를 나타내는 머신러닝 패턴입니다. 우선, 데이터는 그림 1에 나와 있는 것처럼 저장, 훈련 등을 위해 계층별로 처리됩니다. 그 후, 데이터는 머신러닝 모델 및 응용 프로그램에서 사용하기 위해 저장, 정제 및 준비되면서 처리 계층을 통과합니다. 보다 기능적인 관점에서, 데이터는 아래와 같이 다양한 머신러닝 기능 그룹에 의해 사용됩니다.:

그림 1. AI의 데이터 흐름 및 기능 그룹

위 차트의 각 계층에 대한 자세한 설명은 다음과 같습니다.: #### 데이터출처 데이터 출처에는 다음과 같은 것들이 포함됩니다: * 회사 내부 데이터베이스 * 회사 내부 파일 * 웹사이트 * 퍼블릭 데이터 * 스마트폰 앱 * IoT 장치 * 상용 데이터 애그리게이터 * 판매 시점 * 기업 내부 프로세스 * 소셜 미디어 * 데이터 스트림 #### 데이터 수집 데이터 수집 메커니즘에는 다음과 같은 것들이 포함됩니다: * 웹사이트 스크래핑 * 웹사이트 및 스마트폰 채팅 대화 * 웹사이트 및 스마트폰 양식 제출 * IoT 디바이스 인터페이스 * 상용 데이터 애그리게이터 피드 * 기업 내부 프로세스 피드 #### 데이터 파이프라인 파이프라인 프로세스에는 다음과 같은 것들이 포함됩니다: * 데이터 수집 * 데이터 임시 저장소 * 데이터 구독 * 데이터 게시 #### 데이터베이스 데이터베이스에는 다음과 같은 것들이 포함됩니다: * 데이터 레이크 * 속편 데이터베이스 * 문서 데이터베이스 * 그래프 데이터베이스 #### ETL 과정 ETL 과정에는 다음과 같은 것들이 포함됩니다: * 추출 기능: 선택된 소스에서 데이터를 가져옵니다. * 변환 기능: 정규화, 정규화, 집계 등을 수행합니다. * 적재 기능: 모델링 과정에서 사용할 수 있는 형식으로 데이터를 저장합니다. #### 모델 모델 유형 카테고리 예시에는 다음이 포함됩니다: * 인공 신경망 * 의사 결정 트리 * 확률적 그래픽 모델 * 클러스터 분석 * 가우스 프로세스 * 회귀 분석 #### 애플리케이션 애플리케이션 예시에는 다음이 포함됩니다: * 의료 진단 * 자율 주행 차량 * 챗봇 대화 상자 * 이미지 인식 * 얼굴 인식 * 제품 권장 사항 * 이탈 예측 * 멀웨어 탐지 * 검색 개선