티벨 총0명이 열람하였으며, 0개의 리뷰가 있습니다.

티벨의 전체 정보

기업개요 및 핵심역량(요약)

(1) 기업개요회사명주식회사 티벨대표이사김 종 균설립일2015년 5월 18일자본금1.7억(재무제표 기준)임직원수189명사업분야S/W Test, AI, Data경영이념올바른 생각과 실천 (2) 연혁년도세부내용2024년AI학습데이터 구축 ? 불법옥외광고물 탐지 시스템 개발용 데이터셋 구축S** - 음성인식 고객센터 AI 기술 활용 검증 진행 2022년 AI학습데이터 구축 ? 데이터바우처지원사업 6개사 선정중소기업기술혁신개발사업 - 인간 인식 인공지능 알고리즘 개발용 원스탑 솔루션 개발한전KDN ? 사용자 데이터 중심의 AI Auto Learning 시스템 개발 및 서비스 고도화한국전력공사 ? 사용자 데이터 기반 인공지능 OCR 전력관리 서비스 개발SNS 인플루언서 판매 빅데이터 수집 및 수요 예측 분석 AVA 데이터셋 구축, Landmark 데이터 구축 등 관련 데이터 구축 사업 진행 2021년 AI학습데이터 구축 ? 데이터바우처지원사업 6개사 선정중소기업기술혁신개발사업 - 인간 인식 인공지능 알고리즘 개발용 원스탑 솔루션한전KDN ? 사용자 데이터 중심의 AI Auto Learning 시스템 개발 및 서비스 고도화한국전력공사 ? 사용자 데이터 기반 인공지능 OCR 전력관리 서비스 개발AVA 데이터셋 구축, Landmark 데이터 구축 등 관련 데이터 구축 사업 진행SKT ? NUGU 디바이스 QA 및 검증 진행 2020년한전KDN/에너지벨리 ? 전력량계 OCR AI Core 및 App 개발포털사이트와 SNS 크롤러 개발 및 레이블링 플랫폼 구축AI학습데이터 구축 ? 데이터바우처지원사업 7개사 선정포스코ICT PRA(Robotic Process Automation)KAKAO PAY 카카오 페이 영수증, 결제 파트 TC 작성 및 수행KAKAO 헤어샵App 개편현대상선 JIRA 기반 ITSM 구축 (Jira Service Desk Portal + 형상관리 연동)BC 카드 TM STT/TA시스템 구축2019년이투스 플랫폼 고도화 (BO, We

기업한글명

티벨

도로명주소

서울특별시 강남구 강남대로 354 (역삼동,혜천빌딩)

등록일

2025-01-06

링크(URL)

https://kdata.or.kr/datavoucher/is/selectPortalFileDetail.do?rcpnYear=2025&brno=3768100089&sprnSctrCd=P01014002&prdcId=&sprnDsncCd=P11014001

보유솔루션(요약)

자사에서는 데이터 구축에 필요한 인력 리소스 절감과 효율적인 업무,고품질의 데이터를 통한 고객 만족도 증가를 위해 다양한 프로세스 및 프로그램을 개발하였으며,이를 데이터 구축에 활용하고 있습니다.[보유SW]1.정제 프로그램 보유-중복 이미지 제거-무효한 데이터(불필요한 데이터)제거2.전처리 작업 프로그램 보유-색상 신호 변경,노이즈 제거,프레임 크기 조정,히스토그램 이퀄리제이션 등 작업 가능3.이미지 데이터 가공 플랫폼 보유-작업 관리:프로젝트 생성 및 관리,작업 영상 데이터 내 이미지 추출,작업 코멘트,작업자 관리,작업 데이터 검수 등 가능-작업 가공:작업 데이터 업로드,오브젝트 추가, Boxing툴 사용, Poly line툴 사용 등 가능,자동화 가공 가능4.텍스트 데이터 가공 플랫폼 보유-텍스트 태깅,워드 추출 가능5.후처리 작업 프로그램 보유-데이터 셋 변경 서비스 제공-작업물(데이터)파일명 변경 가능

상세주소

905호

설립일자

2015-05-18

실적(요약)

년도세부내용2024년AI학습데이터 구축 ? 불법옥외광고물 탐지 시스템 개발용 데이터셋 구축S** - 음성인식 고객센터 AI 기술 활용 검증 진행 2022년 AI학습데이터 구축 ? 데이터바우처지원사업 6개사 선정중소기업기술혁신개발사업 - 인간 인식 인공지능 알고리즘 개발용 원스탑 솔루션 개발한전KDN ? 사용자 데이터 중심의 AI Auto Learning 시스템 개발 및 서비스 고도화한국전력공사 ? 사용자 데이터 기반 인공지능 OCR 전력관리 서비스 개발SNS 인플루언서 판매 빅데이터 수집 및 수요 예측 분석 AVA 데이터셋 구축, Landmark 데이터 구축 등 관련 데이터 구축 사업 진행 2021년 AI학습데이터 구축 ? 데이터바우처지원사업 6개사 선정중소기업기술혁신개발사업 - 인간 인식 인공지능 알고리즘 개발용 원스탑 솔루션한전KDN ? 사용자 데이터 중심의 AI Auto Learning 시스템 개발 및 서비스 고도화한국전력공사 ? 사용자 데이터 기반 인공지능 OCR 전력관리 서비스 개발AVA 데이터셋 구축, Landmark 데이터 구축 등 관련 데이터 구축 사업 진행SKT ? NUGU 디바이스 QA 및 검증 진행

유지보수(후속지원)전략(요약)

- 수요기업 증가 시, 홈페이지 개편과 전용 메일 계정을 생성하여 CS전담 인원 배치- 커스텀 데이터는 제공 후 유지보수를 위한 2년 보관(NAS 혹은 클라우드 서버를 이용해 데이터 보관)- 유지보수 기간 종료 후, 소프트웨어를 이용해 파기- 사업 기간 내, 사전 협의된 커스텀 내용 변경시 무상 지원- 사업 기간 종료 후, 단순 요구로 인한 커스텀 요청시 50% 비용 인하하여 지원- 담당 총괄관리자의 부재에도 대응 가능하도록 바우처 계정(voucher@tbell.co.kr) 별도 운영

주요서비스 상세정보(요약)

[서비스 개요]자사는 문화,교통,건강,학습,유통,식품,쇼핑,농·축산업, SNS등 다양한 영역에서AI제품 및 서비스 개발에 필요한 데이터 가공 서비스를 제공합니다.영상,이미지,텍스트 데이터를 자사 보유 솔루션을 통해 라벨 데이터로 생성하여 인공지능AI학습용 데이터 셋을 구축합니다.최적의AI모델 도출을 위해 단계별 검수와 테스트를 반복하여 고객에게 최적화된 솔루션을 제공합니다.[서비스 설명]1.데이터 수집- AI학습을 위한 영상 및 이미지,텍스트 컨텐츠 수집- AI학습용 데이터 수집 위한 웹 크롤링 기술 사용2.데이터 전처리 및 가공-중복 이미지 및 무효한 데이터(불필요한 데이터)제거-컬러스페이스 전환 및 노이즈 제거-자사 보유AI라벨링 툴의Boxing, Segmentation, Polyline, Point등의 기능을 통해 데이터를 가공-텍스트 데이터 태깅 및 워드 추출 가공3.데이터 검수-품질 개선을 위해 가공된 데이터를 전문 인력이 검수하여 정확도 높은 데이터 확보4.데이터 관리 시스템-대시보드를 통해 가공 현황 모니터링 및 데이터 관리 시스템 구성 실시간으로 확인 가능

카테고리구분

전처리,시각화,태깅또는라벨링,기타,가명처리,AI Hub 학습용 데이터 재가공,생성·수집

품질확보전략(요약)

(1) 학습 데이터셋테스트 협의- 품질진단 후 부적합 데이터 수정하여 서비스 만족도 증가 도모 (2) 학습 데이터셋테스트 수행- 학습 데이터셋 테스트는 사업상 또는 고객사 요청이 있을 경우에만 진행한다.- 학습 데이터셋이 요구 기준에 맞게 구축되었는지 테스트 하기 위해서는 모델 학습 및 검증, 평가 과정을 거쳐야 하기 때문에 매우 까다롭다.- 학습 데이터셋 테스트 방법 및 전략을 고객사와 적절하게 협의하여 기준점을 마련하고 진행한다. (3) 테스트 모델 선정- 고객사에서 제시한 학습 모델이 있는 경우, 해당 모델을 테스트 모델로 선정한다.- 테스트 모델은 AI 관련 자료들에서 보편적으로 많이 사용되는 관련 모델을 선정한다. (4) 모델 학습 테스트- 가공 및 검수가 완료된 데이터셋을 Training Set, Validation Ser, Test Set으로 분리한다.- 분리된 데이터셋 중에 Training Set을 활용하여 모델 학습을 진행한다.- 구축된 학습 데이터셋이 모델 학습에 문제가 없는지 체크한다. (5) 테스트 모델 검증- 학습이 완료된 모델을 Validation Set을 통해 검증한다.- Training Set을 학습한 모델이 예측 / 분류를 수행한 결과 값을 받아서 가지고 있던 Validation Set의 Ground Truth 값과 비교하여 정확도(Accuracy)를 계산한다.- 여기서 검증하는 정확도는 최소한의 기준이기 때문에 모델 성능 검증의 만능 지표는 아니다. (6) 테스트 모델 평가- 실제 개발 과정에서는 Test Set은 가공하지 않은 실제 데이터로 준비한다.- 고객사에서 Test Set을 준비해주지 않았다면, 기존 가공 완료 데이터에서 일부를 Test Set으로 분리하여 사용한다.- Test Set을 통하여 모델이 예측 / 분류한 값과 실제 값을 비교하여 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 Score를 계산하여 모델의 요구 기능 수행도를 측정한다. (7)

활용사례(요약)

*영상 및 이미지 라벨링 가공 서비스 영역별 활용 사례영역활용 사례문화(패션)①비대면 가상 피팅 플랫폼 개발②개인 맞춤형 구두 제작 자동화 시스템 구축교통①교통약자 인식 시스템 구축②자율주행③자동차 번호판 인식 통한 자동 요금(벌금)청구에 활용건강①체형 교정을 위한 솔루션 제공 시스템 구축②피부 상태 진단 시스템 고도화에 활용쇼핑①온라인 쇼핑 채널의 리뷰를 통합 관리할 수 있는 솔루션 제공식품①개인 맞춤 식품 추천 플랫폼 개발보안①CCTV화면 내 자동 객체 인식 통해 직원들의 근태 관리 및 보안 유지 등에 활용소비①DB구축 통해 물건 소비 패턴 및 매출액 파악,상품 푸펀 등에 활용*텍스트 라벨링 가공 서비스 영역별 활용 사례영역활용 사례유통타겟 시장 규모 분석을 통한 세탁물 관리 수요 예측학습시각 연상 방식 학습자 맞춤 비대면AI그림 영어 교육 플랫폼 개발대화형 시스템 구축AI답변 생성 및 전달 질의응답 대화형 시스템 구축속성 분류비정형 데이터에 대한 속성 구분 작업에 활용관계형DB구축주어진 지문 및 문장 속에 특정 단어를 태깅하여 관계형DB구축