データラベリングからHPCリソース最適化までAIワークフローを効率化

既に適用されたモデルの再学習と再デプロイができる運用環境がなく、継続的にモデル性能が低下。特に、新しい画像データで再学習が必要な場合は、ラベル付けから再学習までの改めての長いプロセスが存在。同時にHPC（High Performance Computing）リソースの最適化も必要。

AIプラットフォームでモデルが学習するイメージデータのラベリングを自動化するツール（Auto Annotation）とモデルの再学習・再デプロイを自動化する持続的学習（Continuous Training）環境を提供。 また、HPCを管理するスケジューラーとレガシーシステムとの連動を通じてリソース活用を最適化。

データラベリングと再学習・再デプロイのサイクルを自動化し、従来のプロセスに比べて所要時間を約80%削減。AIプラットフォーム上でデータラベリング、モデル学習、性能モニタリング、エラーデータの再ラベリング、再学習および再デプロイが効率的に運用されることで、最大限のリソース活用を実現。