II. 기술의 개념 및 내용 기업의 데이터 분석과 비즈니스 의사 결정의 적시성을 확보하기 위해 머신 러닝 기반으로 정확한 분석 결과에 준하는 근사 결과를 다양한 호스팅 환경에서 고속 제공하는 탐사 데이터 분석 지원 DBMS 근사 질의 처리 엔진 기술 - 다양한 DBMS 데이터 소스로부터 ML 모델을 학습하여 근사 질의를 제공하는 데이터 소스 확장형 근사 질의 처리 기술 * 본 내용은 이태휘 선임연구원(☎ 042-860-5764, taewhi@etri.re.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다. ***정보통신기획평가원은 현재 개발 진행 및 완료 예정인 ICT R&D 성과 결과물을 과제 종료 이전에 공개하는 “ICT R&D 사 업화를 위한 기술예고”를 2014년부터 실시하고 있는 바, 본 칼럼에서는 이를 통해 공개한 결과물의 기술이전, 사업화 등 기술 활용도 제고를 위해 매주 1~2건의 관련 기술을 소개함 머신 러닝 모델 기반 DBMS 근사 질의 처리 엔진 Chapter 03 개발목표시기 2024. 12. 기술성숙도 (TRL) 개발 전 개발 후 4 7 결과물 형태 SW-Server, SW-System 검증방법 자체검증, 시범사업, 시험인증 Keywords 탐사 데이터 분석, 근사 질의 처리, 빅데이터 분석, 합성 데이터, 클라우드향 DBMS Exploratory data analysis, Approximate query processing, Big data analytics, Synthetic data, Cloud native DBMS 외부기술요소 오픈 소스 개발 및 사용 권리성 S/W ICT R&D 동향 정보통신기획평가원 29 - 정확도와 적시성을 보장하는 ML 모델 기반 근사 질의 변환 및 최적화 기술 - 클라우드/포터블 호스팅 환경에서 데이터 비접근 질의 처리를 지원하기 위한 ML 모델 구축 및 관리 기술 III. 국내외 기술 동향 및 경쟁력 1. 기술의 특성 및 성능 다양한 근사 질의 지원 ① 분석/집계 질의 종류 10개 이상 지원 ② 그룹, 조인 연산 등을 포함하는 복잡한 집계 질의 지원 기능 ③ 테이블 및 시공간 데이터 근사 질의 기능 ④ 정확도/실행시간 조건 지정 질의 실행 기능 ⑤ 데이터 분포를 임의 변경하여 근사 질의를 수행하는 What-if 질의 기능 편리한 사용자 환경 지원