• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
통합검색 "강태욱"에 대한 통합 검색 내용이 356개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
로컬 호스트 LLM 오픈소스 기반 BIM 전문가 챗봇 서비스 만들어보기
BIM 칼럼니스트 강태욱의 이슈 & 토크   요즘 LLM 모델을 사용하는 방법이 점차 간편해지고 있어 자체적으로 LLM을 구축해 챗봇, 전문가 시스템 등을 자신의 서버에서 제공하는 경우가 많아지고 있다. 이번 호에서는 GPU가 있는 PC에서 직접 실행해 볼 수 있도록, 로컬 호스트 LLM(대규모 언어 모델) 오픈소스 기반의 BIM 전문가 챗봇 서비스를 간단히 개발해 본다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   이번 호에서는 기존의 BIM PDF 파일을 검색해 학습하고, LLM에 RAG(Retrieval-augmented generation) 증강 학습한 후, 이를 간단한 UI로 웹 서비스하는 과정을 간략히 따라해 본다. 이번 호의 내용은 로컬 LLM의 편한 개발을 지원하는 올라마(Ollama), LLM 프롬프트 엔지니어링 프레임워크인 랭체인(LangChain), 텍스트 임베딩 벡터 데이터베이스 크로마(Chroma), 손쉬운 웹 앱 개발 지원 도구인 스트림릿(Streamlit)을 사용한다. 이를 이용해 간단하게 BIM 전문 지식을 PDF로 학습한 챗봇을 개발한다.   그림 1. 로컬 호스트 LLM 챗봇 아키텍처   그림 2. 구현된 BIM 지식 챗봇 서비스   LLM에 관련된 깊은 내용은 다음의 링크를 참고한다. 이 글은 여러 참고 자료를 이용해 작성된 것이다. 상세 내용은 레퍼런스를 참고하기 바란다. Facebook LLAMA-2 paper : https://daddynkidsmakers.blogspot.com/2024/02/llama-2.html Facebook LLAMA-2 installation : https://daddynkidsmakers.blogspot.com/2023/09/llama2.html LLM은 빅테크 업체 간 경쟁이 심한 분야이다. 이와 관련해서 젬마(Gemma), MPT-7B과 같은 LLM 모델이 오픈소스로 공개되고 있어 선택지가 많아지고 있다. 이와 관련해서는 다음을 참고한다.  Google Gemma : https://github.com/google/gemma_pytorch Blooom : https://huggingface.co/bigscience/bloom   설치 설치를 위해서는 엔비디아 드라이버, CUDA, 텐서플로(TensorFlow), 파이토치(PyTorch) 등 기본 딥러닝 개발 환경이 설치되어 있어야 한다.(최소 구동을 위한 GPU RAM은 6GB이다.) TensorFlow 설치 : https://www.tensorflow.org/install/pip?hl=ko#windows-native_1 Start Locally | PyTorch 설치 : https://pytorch.org/get-started/locally/ 설치 순서는 다음과 같다.  1. 기본 패키지를 설치한다. LLM 모델 기반 서비스 개발 지원 라이브러리 랭체인, 웹 앱 UI 개발을 지원하는 스트림릿, 텍스트 임베딩 벡터 데이터베이스 크로마 DB 등을 설치한다. pip install langchain streamlit streamlit_chat pypdf fastembed chardet pip install chromadb==0.4.15   그림 3. 다양한 LLM 모델을 이용한 서비스 개발을 지원하는 랭체인 패키지   그림 4. 간단한 코드로 웹 앱 개발을 지원하는 UI 라이브러리 패키지 streamlit.io   혹은 pip와 유사한 패키지 설치 관리자인 poetry를 설치한 후, 다음 사용 패키지들을 pyproject.toml 이름으로 저장하고 설치한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-04-01
CAD&Graphics 2024년 4월호 목차
  17 THEME. 플랜트·조선 산업 혁신을 위한 디지털화 전략   Part 1. 디지털 기술로 플랜트·조선 산업을 혁신하다 데이터 기반의 업무 혁신, 건설산업의 새로운 시작 클라우드 서비스를 통한 대내외 보안 환경 조성 경쟁력 있는 플랜트를 위한 설비 관리 전략 스마트 디지털 리얼리티와 스마트 야드형 공사 정보 디지털 백본 구축 해양의 미래 : 자율운항 선박의 혁신과 시뮬레이션의 중요성 디지털 전환 여정을 위한 3D CAD 기반 디지털 트윈 구축의 4단계   Part 2. 디지털 트윈의 구축과 활용을 위한 기술 디지털 트윈 가속화를 위한 3D 엔지니어링 데이터 경량 시각화 솔루션 3D 스캔 데이터를 효과적으로 분석하고 활용하는 방법 플랜트 BIM 배관 공사의 필수 아이템 Ez-ISO Strand7 R3 : 범용 유한요소 해석 프로그램   Infoworld   Column 55 책에서 얻은 것 No. 19 / 류용효 커넥팅 80 디지털 지식전문가 조형식의 지식마당 / 조형식 제조업 디지털 전환과 디지털 엔지니어링, 디지털 PLM   Case Study 58 해외 소장 문화재의 ‘디지털 귀향’ 프로젝트 언리얼 엔진과 에픽 에코시스템으로 이뤄낸 문화유산 디지털 경험 62 최신 렌더링 기능의 사용 돕는 URP 3D 샘플 고품질 그래픽스의 효율적인 제작 및 스케일링 방법 제시   Focus 64 지멘스 DISW, “솔리드 엣지로 지능형 제품 설계를 실현한다” 66 모두솔루션, 지스타캐드 시장 확대 및 파트너십 강화 전략 소개 68 슈나이더 일렉트릭, 데이터 플랫폼으로 EV 배터리 시장 공략 70 한국산업지능화협회, “산업 디지털 전환을 주도하기 위해 다방면의 활동 강화” 72 레노버, “클라우드부터 에지까지 폭넓은 AI 포트폴리오 제공” 74 생성형 AI와 협업 툴의 만남, ‘플로우 3.0’ AI Now   New Products 76 이달의 신제품   On Air 78 캐드앤그래픽스 CNG TV 지식방송 지상중계 SIMTOS 2024와 디지털 제조 혁신 트렌드   82 New Books 84 News   Directory 131 국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 87 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 로컬 호스트 LLM 오픈소스 기반 BIM 전문가 챗봇 서비스 만들어보기 94 데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2024 (12) / 천벼리 아레스 커맨더의 사용자 인터페이스 108 새로워진 캐디안 2024 살펴보기 (4) / 최영석 구성선 및 자유선 기능 128 복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (1) / 이소연 직스캐드 2024의 최신 기능 업데이트   Reverse Engineering 100 문화유산 분야의 이미지 데이터베이스와 활용 사례 (4) / 유우식 한지 데이터베이스   Mechanical 111 제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (11) / 김주현 매스캐드 프라임 9.0 사용하기 Ⅰ   Analysis 97 시뮤텐스 소프트웨어를 활용한 복합소재 해석 (1) / 씨투이에스코리아 복합소재 공정 전반의 가상 프로세스 체인 118 앤시스 워크벤치를 활용한 해석 성공사례 / 김선명 전기자동차용 헤어핀 모터 코일의 DfAM 및 금속 적층제조 프로세스 124 성공적인 유동 해석을 위한 케이던스의 CFD 기술 (8) / 나인플러스IT CFD 시스템 설계 및 분석 가속화를 위한 밀레니엄 M1     캐드앤그래픽스 2024년 4월호 목차 from 캐드앤그래픽스  
작성일 : 2024-03-28
[무료다운로드]빌딩스마트협회지 The BIM V27
협회지 보러가기   세계 톱 30위권 건축 회사의 BIM 전환 사례 ― LWK+PARTNERS. BIM implementation Case Study of Top 30 Global Architectural Firms ― Building Together with LWK + PARTNERS 그라피소프트 | GRAPHISOFT SE Unlocking the Full Potential of BIM with Open BIM: Insights from a BIM Enrichment Course in Korea Unlocking the Full Potential of BIM with Open BIM: Insights from a BIM Enrichment Course in Korea Calvin Keung Dr City University of Hong Kong | Calvin Keung Dr City University of Hong Kong BIM: from the office to the site with AR BIM: from the office to the site with AR Alexander Sidorov COO GAMMA Technologies | Alexander Sidorov COO GAMMA Technologies 2022/2023 국내 BIM 도입현황 설문 조사 결과 2022/2023 Survey on the Status of BIM Adoption in Korea 이경하 책임연구원 빌딩스마트협회 | Lee, Kyungha Senior researcher buildingSMART Korea 이강 연세대학교 건설IT연구실 | Lee, Ghang Building Informatics Group, Yonsei University 2020 국내 BIM 도입현황 설문 조사 결과 2020 Survey on the Status of BIM Adoption in Korea 이경하 책임연구원 빌딩스마트협회 | Lee, Kyung Ha Senior researcher buildingSMART Korea 이강 교수 연세대학교 건설IT연구실 | Lee, Ghang Professor Building Informatics Group, Yonsei University 건축설계와 BIM - 사회연결망 분석 기법을 활용한 건축설계 도서 작성 오류 발생 원인 분석 Architectural Design and BIM - Analysis of Errors in Architectural Design Book Writing Using Social Network Analysis Techniques 조태용 전무, 본부장 ㈜디에이건축 DXLab | Cho, Taeyong Executive Director DA GROUP, DXLab 인공지능 기반의 건축설계 자동화 기술개발 - 정부 R&D : “연구단 자체실증 Test (3차년도)” Development of Artificial Intelligence baesd Architectural Desigen Automation Technologies-R&D Project : “Research Group Self-verification Test(3rd year).” 조찬원 기술연구소장 ㈔빌딩스마트협회 | Jo, Chanwon Director of Research Center buildingSMART Korea 박소현 ㈔빌딩스마트협회 | Park, Sohyun buildingSMART Korea 디지털 데이터를 활용한 시공현장 사례 및 단계별 기술적용 방안 소개 Case Report: Use of Digital Data on Construction Sites and Its Application by Stage 백대성 선임 연구원 빔스온탑엔지니어링 | Baek, Daesung Senior Researcher BIMSONTOP ENGINEERING 건축설계 자동화와 디지털 트랜스포메이션 Architectural Design Automation and Digital Transformation 양기인 마스터 ㈜삼우종합건축사사무소 | Yang, Kiin Senior Architect SAMOO Architects & Engineers 소규모 건축사사무소 BIM 활용기 : 김국환건축사사무소 BIM use in a small architectural firm : KKH Architects 김국환 소장 김국환건축사사무소 | Kim, Kookhwan Architect KKH Architects 고객 주도의 사무 모듈 설계: 데이터 기반의 권고 사항 수용 Client-Enabled Office Modular Design: Embracing Data- Driven Recommendations 김인한 교수 경희대학교 | Kim, Inhan Professor Kyung Hee University Saddiq Ur Rehman 석박사 통합과정 연구원 경희대학교 | Saddiq Ur Rehman Combined Master’s and Ph.D Researcher Kyung Hee University 2023년 하반기 스마트 건설과 BIM 기술 동향 . 강태욱 연구위원, 공학박사 한국건설기술연구원 | Kang, Tae Woo Ph.D, Research Fellow KOREA INSTITUTE of CIVIL ENGINEERING and BUILDING TECHNOLOGY  
작성일 : 2024-03-14
생성형 AI 데이터 학습에 사용되는 딥러닝 강화학습의 개념과 구조
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI 모델 학습과 같이 현재도 다양한 곳에서 필수로 사용되는 강화학습 딥러닝 기술의 기본 개념, 이론적 배경, 내부 작동 메커니즘을 확인한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   강화학습은 바둑, 로봇 제어와 같은 제한된 환경에서 최대 효과를 얻는 응용분야에 많이 사용된다. 강화학습 코딩 전에 사전에 강화학습의 개념을 미리 이해하고 있어야 제대로 된 개발이 가능하다. 강화학습에 대해 설명한 인터넷의 많은 글은 핵심 개념에 대해 다루기보다는 실행 코드만 나열한 경우가 많아, 실행 메커니즘을 이해하기 어렵다. 메커니즘을 이해할 수 없으면 응용 기술을 개발하기 어렵다. 그래서 이번 호에서는 강화학습 메커니즘과 개념 발전의 역사를 먼저 살펴보고자 한다. 강화학습 개발 시 오픈AI(OpenAI)가 개발한 Gym(www.gymlibrary.dev/index.html)을 사용해 기본적인 강화학습 실행 방법을 확인한다. 참고로, 깃허브 등에 공유된 강화학습 예시는 대부분 게임이나 로보틱스 분야에 치중되어 있는 것을 확인할 수 있다. 여기서는 CartPole 예제로 기본적인 라이브러리 사용법을 확인하고, 게임 이외에 주식 트레이딩, 가상화폐, ESG 탄소 트레이딩, 에너지 활용 설비 운영과 같은 실용적인 문제를 풀기 위한 방법을 알아본다.   그림 1. 강화학습의 개념(출처 : Google)   강화학습의 동작 메커니즘 강화학습을 개발하기 전에 동작 메커니즘을 간략히 정리하고 지나가자.   강화학습 에이전트, 환경, 정책, 보상 강화학습의 목적은 주어진 환경(environment) 내에서 에이전트(agent)가 액션(action)을 취할 때, 보상 정책(policy)에 따라 관련된 변수 상태 s와 보상이 수정된다. 이를 반복하여 총 보상 r을 최대화하는 방식으로 모델을 학습한다. 정책은 보상 방식을 알고리즘화한 것이다. <그림 2>는 이를 보여준다. 이는 우리가 게임을 하며 학습하는 것과 매우 유사한 방식이다.   그림 2. 강화학습 에이전트, 환경, 액션, 보상 개념(출처 : towardsdatascience)   강화학습 설계자는 처음부터 시간에 따른 보상 개념을 고려했다. 모든 시간 경과에 따른 보상치를 동시에 계산하는 것은 무리가 있으므로, 이를 해결하기 위해 DQN(Deep Q-Network)과 같은 알고리즘이 개발되었다. 모든 강화학습 라이브러리는 이런 개념을 일반화한 클래스, 함수를 제공한다. 다음은 강화학습 라이브러리를 사용한 일반적인 개발 코드 패턴을 보여준다.   train_data, test_data = load_dataset()  # 학습, 테스트용 데이터셋 로딩 class custom_env(gym):  # 환경 정책 클래스 정의    def __init__(self, data):       # 환경 변수 초기화    def reset():       # 학습 초기 상태로 리셋    def step(action):       # 학습에 필요한 관찰 데이터 변수 획득       # 액션을 취하면, 그때 관찰 데이터, 보상값을 리턴함 env = custom_env(train_data)  # 학습환경 생성. 관찰 데이터에 따른 보상을 계산함 model = AgentModel(env)      # 에이전트 학습 모델 정의. 보상을 극대화하도록 설계 model.learn()                       # 보상이 극대화되도록 학습 model.save('trained_model')    # 학습된 파일 저장 # 학습된 강화학습 모델 기반 시뮬레이션 및 성능 비교 env = custom_env(test_data)  # 테스트환경 생성 observed_state = env.reset() while not done:    action = model.predict(observed_state) # 테스트 관찰 데이터에 따른 극대화된 보상 액션    observed_state, reward, done, info = env.step(action)    # al1_reward = env.step(al1_action) # 다른 알고리즘에 의한 액션 보상값과 성능비교    # human_reward = env.step(human_action) # 인간의 액션 보상값과 성능비교   ■ 상세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-03-05
CAD&Graphics 2024년 3월호 목차
  17 THEME. 2023 캐드앤그래픽스 독자 설문조사   Part 1. 2023년 주요 이슈 및 산업 분야 팬데믹 이전으로 되돌아가는 업무 환경… 인공지능과 가상 제품 개발에 대한 관심 확대   Part 2. 소프트웨어 활용 및 선호도 산업별로 2D/3D CAD 활용에 차이 보여… CAD 솔루션의 활용 범위는 꾸준히 확대   Part 3. 서비스, 클라우드 및 하드웨어 현재보다 미래가 기대되는 신기술… 엔지니어링 소프트웨어의 활용 방식 바꿀까   Part 4. 2023년 제조·건설 분야의 과제와 전망 경기 위축에 대한 우려 속에 3D 설계 환경과 교육 등에 대한 요구 높아   Infoworld   Focus 34 플랜트 조선 컨퍼런스 2024, AI 및 디지털 트윈을 통한 산업 혁신 전략 짚어 39 오라클, 생성형 AI로 기업의 대규모 AI 도입과 활용 지원 42 한국CDE학회 2024 동계학술대회, AI 시대의 엔지니어링을 전망하다 44 유니버설로봇, 신제품 협동로봇 출시와 함께 산업용 로봇과 본격 경쟁 기대   Case Study 46 디지털 트윈을 통한 벤쿠버 국제공항의 혁신 공항 전반의 운영 개선과 지속가능성 목표 달성   New Products 48 디지털 엔지니어링 생산성 높이는 AI 기반 시뮬레이션 솔루션 앤시스 2024 R1 50 실시간 건설 공정 관리 솔루션 트림블 커넥트 대시보드 2024 52 편의성 및 안정성 확보한 국산 CAD 직스캐드 54 중소·중견기업에 최적화된 국산 PLM 솔루션 Aone PLM 56 제품 정보 통합 관리 시스템 JK-PLM 58 전체 제품 수명주기 관리 솔루션 FabePLM 61 이달의 신제품   On Air 64 캐드앤그래픽스 CNG TV 지식방송 지상중계 생성형 AI 시대, AI 법률 서비스 어디까지 가능한가? 65 캐드앤그래픽스 CNG TV 지식방송 지상중계 미래 모빌리티 혁신, SDV가 가져올 자동차 산업의 변화는?   Event 66 캐드앤그래픽스 창간 30주년 독자 이벤트   Column 69 현장에서 얻은 것 No.16 / 류용효 PLM OOTB에 길을 묻다 76 디지털 지식전문가 조형식의 지식마당 / 조형식 인공지능 시대의 꿈의 엔지니어링   78 New Books 80 News   CADPIA   AEC 83 새로워진 캐디안 2024 살펴보기 (3) / 최영석 슈퍼해치, SetZ 기능 소개 108 오토데스크 한국어 커뮤니티의 첫 번째 오프라인 행사 / 양승규 커뮤니티를 통해 지식을 공유하고 개인의 성장 추구 112 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 생성형 AI 데이터 학습에 사용되는 딥러닝 강화학습의 개념과 구조 120 데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2024 (11) / 천벼리 아레스 캐드 2024에서 시트 내보내기   Reverse Engineering 86 문화유산 분야의 이미지 데이터베이스와 활용 사례 (3) / 유우식 옛 사진 데이터베이스   Mechanical 94 제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (10) / 김성철 시뮬레이션 기반 설계   Analysis 100 앤시스 워크벤치를 활용한 해석 성공사례 / 최낙정 앤시스 차지 플러스의 비접촉 정전기 방전 해석 104 성공적인 유동 해석을 위한 케이던스의 CFD 기술 (7) / 나인플러스IT 연비와 공기역학 : 자동차 디자인의 음과 양     캐드앤그래픽스 2024년 3월호 목차 from 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기
작성일 : 2024-03-04
딥러닝 수치해석 데이터의 병렬처리를 지원하는 파이썬 넘바 라이브러리
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 GPU CUDA(쿠다) 병렬처리를 지원하는 넘바(Numba) 라이브러리를 간략히 소개한다. CUDA는 현재 딥러닝 기술의 기반처럼 사용되며, 사실상 산업 표준이다. 딥러닝은 모든 연산이 텐서 행렬 계산이므로, 엔비디아 GPU에 내장된 수많은 계산 유닛(실수 계산에 특화된 CPU)들을 사용한다. CUDA의 강력한 수치해석 데이터 병렬처리 기능은 딥러닝뿐 아니라 디지털 트윈의 핵심인 시뮬레이션, 모델 해석 등에 필수적인 수치계산 엔진으로 사용된다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   CUDA는 내장된 수많은 계산 유닛에 입력 데이터를 할당하고, 행렬연산을 하여 출력된 데이터를 CPU 메모리가 접근할 수 있도록 데이터 고속 전송/교환하는 역할을 한다. 그러므로, 딥러닝 모델 학습 성능은 GPU CUDA 성능에 직접적 영향을 받는다. 이벙 호에서는 파이썬(Python)에서 CUDA를 이용해 수치해석 등 계산 성능을 극대화할 수 있는 방법과 간단한 예제를 살펴본다.   그림 1. CUDA 아키텍처(출처 : Multi-Process Service : GPU Deployment and Management Documentation)   GPU CUDA 소개 CUDA는 게임 화면에 렌더링되는 3차원 이미지를 2차원 픽셀에 매핑하기 위한 수많은 행렬을 실시간 처리할 수 있도록 개발되어 왔다. 이런 이유로, 행렬 고속 연산이 필요한 딥러닝 학습에 적극 사용된 것이다.   그림 2. CUDA 기반 실시간 텐서 행렬 연산 결과   CUDA는 오랫동안 개발자의 요구사항을 반영해 발전되어, 개발 플랫폼으로서 탄탄한 생태계를 구축했다.   그림 3. 엔비디아 개발자 사이트   그림 4. CUDA 기반 레이트레이싱 렌더링 결과(출처 : Ray Tracey's blog : GPU path tracing tutorial 3 : GPU)   사실, 많은 스타트업이 이런 기능을 지원하는 딥러닝용 AI 칩을 FPGA 기법 등을 이용해 개발, 홍보하고 있으나, 이런 개발자 지원도구와 플랫폼 생태계 없다면 산업계에서는 의미가 없다고 볼 수 있다.   넘바 소개 넘바는 파이썬 기반 CUDA GPU 프로그래밍을 지원한다. 넘바는 컴파일 기술을 지원하여 CPU와 GPU 모드에서 코딩되는 데이터 구조, 함수 호출을 추상화한다. 넘바는 엔비디아의 CUDA 함수와 설정을 래핑한 고수준의 함수 API를 제공한다. 이를 통해 개발자가 CUDA의 세부 설정에 신경쓸 필요 없이, 데이터 병렬 처리 개발에만 집중할 수 있다.   개발 환경 넘바의 개발 환경은 다음과 같다. NVIDIA Compute Capability 5.0 이상 CUDA 지원 GPU 장착 PC(2023년 12월 시점) NVIDIA CUDA 11.2 이상 NVIDIA TX1, TX2, 자비에, 젯슨 나노 GTX 9, 10, 16 시리즈. RTX 20, 30, 40 시리즈. H100 시리즈 CONDA 환경의 경우, 다음과 같이 터미널을 이용해 CUDA 툴킷을 자동 설치할 수 있다. conda install cudatoolkit 넘바는 cuda python을 이용해 엔비디아 GPU CUDA와 바인딩한다. conda install nvidia::cuda-python 설치 방법은 다음과 같다. conda install numba   ■ 상세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-02-02
CAD&Graphics 2024년 2월호 목차
  17 THEME. 2023 국내 엔지니어링 소프트웨어 시장 조사 Part 1. 2024년 경제 및 주력산업 전망 Part 2. MDA/PDM 분야 Part 3. CAE 분야 Part 4. AEC 분야 Part 5. 엔지니어링 소프트웨어 업계 인터뷰   INFOWORLD   Case Study 47 LG U+의 유니티 기반 가상 오피스 프로젝트  사람과 사람을 잇고 경험을 공유하는 메타슬랩   Focus 50 디모아-PTC, DX 서밋에서 디지털 전환 전략과 성공 사례 소개   People & Company 52 티와이엠 김승동 중앙기술연구소 연구관리팀장 PLM, ERP, MES 등 기업 전반의 디지털 전환 추진   New Products 54 충돌 구조물의 설계 해석 및 최적화 프로그램 Visual Crash Studio 58 사실적인 애니메이션을 빠르게 제작하는 툴세트 포즈 드라이버 커넥트 80 이달의 신제품   On Air 60 캐드앤그래픽스 CNG TV 지식방송 지상중계 K 스마트 공장의 꿈과 혁신의 미래 전망 61 캐드앤그래픽스 CNG TV 지식방송 지상중계 플랜트 조선 분야를 위한 AI와 디지털 트윈 혁신 전략은?   Column 62 3D 프린팅, 올해도 제조업에 변화의 바람 일으킬까 / 다니엘 톰슨 64 디지털 지식전문가 조형식의 지식마당 / 조형식 디지털 위기에서 디지털 기회로 66 현장에서 얻은 것 No.15 / 류용효 CES 2024에서 본 미래 : AI와 모빌리티의 새로운 지평   74 New Books 76 News   CADPIA   AEC 83 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 딥러닝 수치해석 데이터의 병렬처리를 지원하는 파이썬 넘바 라이브러리 88 데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2024 (10) / 천벼리 사용자 정의 팔레트 Ⅱ 92 새로워진 캐디안 2024 살펴보기 (2) / 최영석 테이블 테두리 서식 지정 및 비주얼 스타일 탐색기 기능   Reverse Engineering 95 문화유산 분야의 이미지 데이터베이스와 활용 사례 (2) / 유우식 서화, 낙관, 탁본 데이터베이스   Analysis 102 성공적인 유동 해석을 위한 케이던스의 CFD 기술 (6) / 나인플러스IT 대규모 와류 시뮬레이션에 유용한 피델리티 찰스 솔루션 106 앤시스 워크벤치를 활용한 해석 성공사례 / 최낙정 앤시스 스페오스를 활용한 라이트 가이드 설계와 해석 111 MBD의 이해와 기업 가치 향상을 위한 전략 (2) / 오재응 MBD의 성공 비결 및 향후 전망   Mechanical 118 제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (9) / 박수민 설계 탐색(DEX) 기능 활용하기 124 제조업 DX, 3D 데이터의 목표는? (2) / 아이지피넷 DX의 목표는 인간의 지식과 지혜를 디지털화하는 것     캐드앤그래픽스 2024년 2월호 목차 from 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기
작성일 : 2024-01-30
[무료다운로드] 생성형 AI 코딩으로 프로그램 만들어보기
BIM 칼럼니스트 강태욱의 이슈 & 토크    이번 호에서는 트랜스포머(transformer) 기반 생성형 AI 모델로 다국어 번역기, 문장 분류, 이미지 설명 텍스트 생성 프로그램의 개발 방법을 간략히 살펴본다. 트랜스포머는 텍스트, 이미지 등 데이터를 숫자로 표현한 토큰으로 인코딩한 후, 목표 라벨 데이터 결과와 차이가 적은 방향으로 가중치인 어텐션(attension) 벡터를 갱신하여 학습 모델을 만드는 기술이다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   트랜스포머는 현재 문장 성격 및 특징 분류, 다국어 번역, 비전 이미지 설명 및 생성, 음성인식, Voice to Text, 음악 작곡, 글 분류, 글 자동 요약 등 다양한 영역에서 사용된다. 이번 호에서는 관련 기능을 트랜스포머로 간단히 구현해 본다.    그림 1. 트랜스포머 개념 및 아키텍처   트랜스포머의 이론적 개념 등은 다음의 링크를 참고한다. 머신러닝 딥러닝 신경망 개념, 종류 및 개발 : https://daddynkidsmakers.blogspot.com/2017/02/blog-post_24.html 어텐션 기반 트랜스포머 딥러닝 모델 이해, 활용 사례 및 파이토치(Pytorch)를 통한 간단한 사용방법 소개 : https://daddynkidsmakers.blogspot.com/2021/10/blog-post.html 간단한 트랜스포머 동작 원리와 파이토치 기반 비전 트랜스포머 ViT 소개 : https://daddynkidsmakers.blogspot.com/2023/02/pytorch-vit.html 오디오, 영상, 텍스트, 센서, 3D깊이맵 멀티모달 딥러닝 모델 페이스북 이미지바인드(imagebind) 설치 및 사용기 : https://daddynkidsmakers.blogspot.com/2023/05/imagebind.html   개발 준비 파이썬(Python), 쿠다(CUDA) 등이 설치되어 있다는 가정 하에, 다음 명령어를 이용해 관련 패키지를 설치한다. pip install transfomers sentencepiece   간단한 텍스트 생성형 AI 개발 다음과 같이 트랜스포머 모델에서 사전학습된 distilgpt2를 사용해 간단한 텍스트 생성형 AI 코드를 개발해 본다. from transformers import AutoTokenizer, AutoModelWithLMHead tokenizer = AutoTokenizer.from_pretrained("distilgpt2") model = AutoModelWithLMHead.from_pretrained("distilgpt2") input_ids = tokenizer.encode("I like gpt because it's", return_tensors='pt') greedy_output = model.generate(input_ids, max_length=12) print(tokenizer.decode(greedy_output[0], skip_special_tokens=True)) 실행 결과 <그림 2>와 같이 ‘I like gpt because it's’ 이후 문장을 자연스럽게 생성한다.   그림 2   텍스트의 빈칸 단어 예측 다음은 MLM(Mask Language Model) 방식으로 학습된 모델을 이용해, [MASK] 토큰으로 정의된 단어를 문장 맥락을 고려해 예측하는 코드이다.  from transformers import pipeline unmasker = pipeline('fill-mask', model='albert-base-v2') unmasker("mlm and nsp is the [MASK] task of bert.") 결과는 <그림 3>과 같다. 빈칸의 단어가 잘 예측된 것을 확인할 수 있다.   그림 3   이미지 설명 텍스트 생성 이제 주어진 이미지를 설명하는 텍스트를 생성해 본다. 목표는 입력 이미지에 대해 두 마리의 고양이가 누워있음을 표현하는 텍스트를 얻는 것이다.   그림 4     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-01-04
[온에어] 엔지니어링 업계 트렌드와 2024년 전망
캐드앤그래픽스 CNG TV 지식방송 지상 중계   2023년 12월 18일 CNG TV는 ‘엔지니어링 업계 트렌드와 2024년 전망’을 주제로, 창간 30주년을 맞은 캐드앤그래픽스를 축하하는 자리로 마련됐다. 이번 방송에는 캐드앤그래픽스 전문위원들과 함께 2023년 엔지니어링 업계의 트렌드에 대해 정리해 보고 2024년을 전망해 보았다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 왼쪽부터 캐드앤그래픽스 최경화 국장, 디지털 지식연구소 조형식 대표, 한국건설기술연구원 강태욱 연구위원, 디원 류용효 상무, LG CNS 안무정 책임   이번 방송은 캐드앤그래픽스 최경화 국장과 디지털 지식연구소 조형식 대표가 사회를 맡고, 한국건설기술연구원 강태욱 연구위원, 디원 류용효 상무, LG CNS 안무정 책임이 발표자로 참여했다.  한국건설기술연구원 강태욱 연구위원은 건설 엔지니어링 2023년 이슈를 정리해 소개했는데 “코로나19가 풀리면서 해외여행을 많이 다니기 시작했고, 최근 GPT-4 Turbo가 새롭게 출시되면서 AI와 디지털 전환 관련 다양한 분야의 이슈가 되고 있다”고 말했다. 또한, “ESG를 비롯해 건설 분야에서는 중대재해법 적용에 따른 안전 문제, 이스라엘-하마스 전쟁, 코로나19 이후 치솟고 있는 인플레이션 등 AEC 분야에 다양한 영향을 주는 이슈가 있었다”고 설명했다.  디원 류용효 상무는 ‘기업의 디지털 전환을 위한 미래 PLM 리더십’을 주제로 디지털 트윈을 추구하는 제조기업에 필요한 리더십에 대해 이야기했다. 류용효 상무는 “빨리 변화하는 시대에서 어떻게 변화를 가져갈 것인지 생각해야 하는데, 제조업에서는 개발 중심에서 OOTB(out of the Box) 중심으로 변화하고 있다”며, “과거에는 일을 기능 중심으로 했다면, AI가 주도하고 있는 요즘같은 시대에는 복합적으로 질문하고 대응하기 위해 체계 중심의 리더십이 필요하다”고 강조했다.  LG CNS 안무정 책임은 ‘생성형 AI의 변화와 2024 트렌드 전망’을 주제로 2023년의 가장 큰 화두로 생성형 AI를 짚은 한편 “텍스트, 이미지, 사운드가 혁신의 도구이자 창작의 도구로서 중요한 요소로 떠올랐다”고 소개했다. 강태욱 연구위원은 “2023년에 주목받았던 생성형 AI, DX, ESG & 안전, 자동화, 디지털 전환 등이 2024년에도 계속될 것”이라며, “전쟁이나 인플레이션, 인건비 절감을 위한 디지털 전환, AI와 로보틱스의 결합 등이 AEC 분야의 주요 이슈가 될 것으로 본다”고 전망했다. 류용효 상무는 “AEC 분야에서 전망한 것처럼 제조 분야에서도 생성형 AI를 PLM 등과 같은 제조업의 플랫폼에 어떻게 접목할 것인지에 주목하고 있다”며, “PLM 플랫폼만 하더라도 복잡한 구조라 어떻게 질문하고 답을 얻을 것인지 고민해야 할 때가 됐다”고 이야기했다. 안무정 책임은 “현재도 그렇지만 내년에도 퍼블릭 생성형 AI의 가장 큰 문제로 지적되어온 것은 보안 이슈였다”며, “로컬 데이터와 외부 데이터를 AI 학습을 통해 최적화하는 LLM이 더 크게 주목받을 것으로 본다”고 예측했다. 디지털지식연구소 조형식 대표는 “IT를 오랫동안 해왔지만 생성형 AI가 출시된 이후만큼 놀란 적이 없었다”며, “엄청난 속도로 변화하고 있는 만큼 2024년에는 전문위원들과 함께 CNG TV를 통해 더 많은 이슈들을 소개하고 함께 공부하자”고 제안했다. 창간 30주년 기념방송을 진행한 캐드앤그래픽스 최경화 국장은 “캐드앤그래픽스 창간 때부터 30년 동안 함께 해오면서 여러 가지 어려움도 많았지만 많은 분들이 도와주어 지금에 이르렀다”며, “미디어 환경이 갈수록 좋진 않지만 내년에는 잡지는 물론 CNG TV를 비롯해 ZOOM 방송, 그리고 전문 교육 등 다양한 부대사업을 준비하고 있으니 계속해서 많은 관심과 참여를 부탁드린다”고 말했다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2024-01-04
[온에어] 스마트 건설 기술 개발 성과와 현황은?
캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 2023년 11월 27일 CNG TV에서 진행한 줌(ZOOM) 라이브 방송에서는 ‘스마트 건설과 기술 개발 성과와 현황’을 주제로 건설 디지털화에 대해 소개했다. 이번 방송에서는 스마트 건설 기술 개발과 관련해 그동안 성과와 앞으로의 방향에 대해 들어보는 시간이 마련됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자    이날 방송은 한국건설기술연구원 강태욱 연구위원이 사회를 맡고, 한국도로공사 조성민 단장과 중앙대학교 심창수 교수가 발표자로 참석해 ‘스마트 건설 활성화 방안’과 ‘BIM 기반 건설산업 디지털 전환 로드맵’ 등 국내 건설 디지털화가 어떻게 진행되고 있는지 소개했다.   ▲ 한국도로공사 스마트건설사업단 조성민 단장   한국도로공사 스마트건설사업단 조성민 단장은 ‘스마트 건설기술 개발 국가R&D 사업(2020.4~2025.12)’을 총괄하고 있는데, 현재 관련 사업이 3분의 2정도 진행됐다고 말했다. 조성민 단장은 “디지털 기술은 국내 건설기술에 굉장히 큰 영감을 주고 있고, 건설산업의 돌파구를 찾기 위한 동력으로도 작용하고 있다”고 설명했다. 또한 “언론에서 스마트 건설에 사활을 걸었다는 표현을 쓰고 있는데, 실제 건설현장에서는 기존 시스템이 디지털로 바뀌려면 어느 정도 시간이 필요하다”고 지적했다. 하지만 언론 예측처럼 현재 진행 중인 스마트 건설 사업이 제대로 진행되지 않을 경우, 건설산업에 미칠 파장은 클 것으로 보인다. 스마트 건설이란 기존에 우리가 해왔던 건설기술에 디지털 핵심 요소들을 접목하고 융합함으로써 현장의 자동화, 가상화를 통해 궁극적으로는 생산성을 높이고 안전을 향상시키는데 목적을 두고 있다. 조성민 단장은 “이러한 디지털 전환이 도입되면 단순히 건설단계에만 머무르는 것이 아니라 시설물이 준공된 이후에도 운영과 유지는 물론, 향후 건설산업의 투명성 제고에도 좋은 영향을 줄 것으로 기대하고 있다”고 전했다.   ▲ 중앙대학교 심창수 교수   중앙대학교 심창수 교수는 ‘스마트 건설 기술에서 OSC를 위한 프리팹 기술’을 주제로, 제조업의 기술발전을 통해 건설산업이 어떻게 변화하고 있는지 소개했다. 심창수 교수는 “건설산업에서는 설계가 핵심으로 설계자들은 품질관리와 하자관리에 대한 피드백에 많은 신경을 쓰고 있다”며, “건설산업에서 디지털 기술을 도입한다는 것은 기계화, 디지털화, 최적화, 자동화, 지능화를 한다는 것이다”라고 설명했다. 또한 이런 것이 반드시 좋은 측면만 있는 것은 아니라고 지적했다. “건설산업도 글로벌화를 통해 경쟁하는 한편 기술을 독점한 플랫폼 기업이 지배하는 구조로 발전하고 있는데, 제조업에 비해 디지털 전환이 더디게 진행되고 있다”는 것이다. 특히 건설 산업에서는 데이터에 대한 인지와 재활용에 대한 인식이 적어 엔지니어링 전환이 늦다고 보고 있다고 밝혔다.  최종적으로 스마트 건설이 되려면 OSC(Off-Site Construction)를 통해 데이터 기반의 엔지니어링이 되어야 하는데, 건설산업은 데이터 생산 주체가 일원화되어 있지 않아 아직은 빠른 전환이 어려운 실정이라고 분석했다. 심창수 교수는 “모델링이 기본이 되어 공장에서 부재를 미리 제작해 현장에서 간단하게 조립하는 프리팹 공법 등을 확산하는 한편 타 산업과의 연계를 통해 스마트 건설을 앞당기기 위해 노력하고 있다”고 설명했다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2024-01-04