회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2020년 설립 회사입니다. 컴퓨터 프로그래밍 서비스업을 합니다. 2025년 매출은 248억입니다. 2026년 8월 기준 국민연금 가입자는 210명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다. 보도로 확인된 투자유치가 3건 있습니다.
읽어오는 중입니다…
최근 출원 2023-12-12 · 최근 등록 2025-10-13 · 최신 출원순
본 개시는 적어도 하나의 프로세서에 의해서 수행되는 라벨링 작업 관리 방법이 제공된다. 이 방법은 라벨링 작업을 위한 세팅 데이터를 생성하는 단계, 복수의 이미지 중에서 라벨링 작업 대상이 되는 복수의 타깃 이미지를 선정하는 단계, 선정된 복수의 타깃 이미지 및 세팅 데이터를 제1 통신 단말로 전송하는 단계 및 라벨링 데이터를 제1 통신 단말로부터 수신하는 단계를 포함하고, 라벨링 데이터는 세팅 데이터 및 복수의 타깃 이미지에 기초하여 라벨링 작업이 수행된 데이터일 수 있다.
본 개시는 적어도 하나의 프로세서에 의해서 수행되는 모델 세트를 배포하는 방법을 제공한다. 이 방법은, 대상 시스템에 적용 중인 제1 모델 세트와 배포 후보인 제2 모델 세트의 각각에 대해 테스트를 수행하는 단계 - 제1 모델 세트와 제2 모델 세트의 각각은 문서 이미지로부터 문자를 인식하도록 구성된 적어도 하나의 기계학습 모델을 포함함 - , 수행된 테스트에 기초하여, 제1 모델 세트에 대한 제1 성능 평가 데이터 및 제2 모델 세트에 대한 제2 성능 평가 데이터를 생성하는 단계, 제1 성능 평가 데이터와 제2 성능 평가 데이터에 기초하여, 제2 모델 세트가 배포 대상이 되는 모델 세트인지 여부를 판정하는 단계 및 제2 모델 세트가 배포 대상이 되는 모델 세트로 판정되는 경우, 제2 모델 세트를 대상 시스템으로 제공하는 단계를 포함할 수 있다.
본 개시는 적어도 하나의 프로세서에 의해서 수행되는 문자 인식과 연관된 모델 세트 성능을 평가하는 방법을 제공한다. 이 방법은 문서 이미지를 제1 모델 세트로 적용하는 단계 - 제1 모델 세트는 문서 이미지로부터 문자를 인식하도록 구성된 적어도 하나의 기계학습 모델을 포함함 -, 문서 이미지에 기초한 문자 인식과 연관된 제1 결과 데이터를 제1 모델 세트로부터 획득하는 단계, 획득된 제1 결과 데이터에 기초하여 제1 모델 세트에 대한 제1 성능 평가 데이터를 생성하는 단계 및 생성된 제1 모델 세트에 대한 제1 성능 평가 데이터를 출력하는 단계를 포함할 수 있다.
본 개시는 적어도 하나의 프로세서에 의해서 수행되는 문자 인식과 연관된 모델 세트 배포 방법이 제공된다. 이 방법은, 복수의 모델 세트를 생성하는 단계, 생성된 복수의 모델 세트 중에서 배포 대상이 되는 타깃 모델 세트를 결정하는 단계 및 결정된 타깃 모델 세트를 대상 시스템으로 배포하는 단계를 포함하고, 복수의 모델 세트의 각각은 문서 이미지로부터 문자를 인식하도록 구성된 적어도 하나의 기계학습 모델을 포함할 수 있다.
본 개시는 적어도 하나의 프로세서에 의해서 수행되는 문자 인식 방법이 제공된다. 이 방법은 문서 유형(type)을 포함하는 사용자 입력을 수신하는 단계, 문서 유형과 연관된 문서 이미지로부터 문자 인식을 수행하기 위한 프로젝트를 획득하는 단계, 획득된 프로젝트와 연관된 자원을 할당하는 단계, 문서 유형과 연관된 문서 이미지를 수신하는 단계 및 할당된 자원을 이용하여, 수신된 문서 이미지로부터 문자를 인식하는 단계를 포함할 수 있다.
본 개시는 적어도 하나의 프로세서에 의해서 수행되는 문자 인식을 수행하기 위한 모델 세트를 모니터링하는 방법을 제공한다. 이 방법은 문서 이미지를 모델 세트에 입력하는 단계 - 모델 세트는 문서 이미지로부터 문자를 인식하도록 구성된 적어도 하나의 기계학습 모델을 포함함 -, 문서 이미지가 모델 세트에 입력된 시점에서부터 모델 세트를 통해 문서 이미지에 기초한 문자 인식 결과가 출력되기까지의 문자 인식 분석 시간 동안에, 모델 세트에 대한 상태 데이터를 수집하는 단계 및 수집된 상태 데이터에 기초하여, 모델 세트의 상태를 출력하는 단계를 포함할 수 있다.
본 발명은 학습자의 제1 단말과 교사의 제2 단말을 원격 연결하여 비대면 환경에서의 상기 학습자의 학습과 상기 교사의 교수를 지원하기 위한 인공지능 튜터링 시스템에 있어서, 상기 제1,2 단말 및 웹, 외부 서버와 네트워크를 구축하여 통신하면서 상기 제1 단말로부터 획득되는 학습이력 데이터와 상기 외부 서버로부터 획득되는 메타 데이터를 기반으로, 임의의 지식컨셉(KC - Knowledge Concept) 단위로 진행하는 상기 학습자의 학습과정에서 존재하는 지식컨셉 간 선후행 관계가 반영된 지식맵을 구축하고, 상기 구축된 지식맵을 미리 지정된 학습관리용 데이터와 매칭시켜 상기 학습자의 향후 학습과 상기 교사의 향후 교수를 가이드하기 위한 커스터마이징 정보를 생성하며, 상기 커스터마이징정보에 따라 미리 설정된 알림신호를 출력하는 제어부; 및 상기 제1,2 단말에 구비되어, 상기 제어부로부터 출력된 알림신호에 따라 임의의 화면 상에 시각적으로 디스플레이하는 알림부를 포함하는 것을 특징으로 하여, 커스터마이징 정보 제공에 대해 보다 향상된 신뢰성을 달성할 수 있고, 이에 따라, 학습자 및 교사에게 향후 각각의 맞춤형 학습과 교수를 가이드하기 위한 관리환경을 보다 효율적으로 달성할 수 있는 효과가 있다.
본 발명은 신규 학습자의 제1 단말과 교사의 제2 단말을 원격 연결하여 비대면 환경에서의 상기 신규 학습자의 학습과 상기 교사의 교수를 지원하기 위한 인공지능 튜터링 시스템에 있어서, 상기 제1,2 단말 및 웹, 외부 서버와 네트워크를 구축하여 통신하면서 상기 제1 단말로부터 신규 학습자가 진행한 진단평가에 대한 기록 데이터를 획득하고, 상기 획득된 기록 데이터를 기반으로 각 커리큘럼별 이해도 값을 추정하며, 상기 추정된 이해도 값을 미리 지정된 학습관리용 데이터와 매칭시켜 상기 신규 학습자의 향후 학습과 상기 교사의 향후 교수를 가이드하기 위한 커스터마이징 정보를 생성하며, 상기 커스터마이징정보에 따라 미리 설정된 알림신호를 출력하는 제어부; 및 상기 제1,2 단말에 구비되어, 상기 제어부로부터 출력된 알림신호에 따라 임의의 화면 상에 시각적으로 디스플레이하는 알림부를 포함하는 것을 특징으로 하여, 신규 학습자를 대상으로 한 커스터마이징 정보 제공에 대해 보다 향상된 신뢰성을 달성할 수 있고, 이에 따라, 신규 학습자 및 교사에게 향후 각각의 맞춤형 학습과 교수를 가이드하기 위한 관리환경을 보다 효율적으로 달성할 수 있는 효과가 있다.
본 발명은 학습자의 제1 단말과 교사의 제2 단말을 원격 연결하여 비대면 환경에서의 상기 학습자의 학습 이해도를 진단하기 위한 인공지능 튜터링 시스템에 있어서, 상기 제1,2 단말 및 웹, 외부 서버와 네트워크를 구축하여 통신하면서 상기 제1 단말로부터 획득되는 학습자의 학습로그(X)를 미리 프로그래밍된 딥러닝 알고리즘 기반의 진단용 서브모듈을 통해 분석하여 학습자별 진단정보를 추출하고, 상기 학습자별 진단정보를 미리 지정된 학습관리용 데이터와 매칭시켜 상기 학습자의 향후 학습과 상기 교사의 향후 교수를 가이드하기 위한 임의의 커스터마이징 정보를 생성하며, 상기 커스터마이징정보에 따라 미리 설정된 알림신호를 출력하는 제어부; 및 상기 제1,2 단말에 구비되어, 상기 제어부로부터 출력된 알림신호에 따라 임의의 화면 상에 시각적으로 디스플레이하는 알림부를 포함하되, 상기 학습자별 진단정보는, 학습영역별 이해도 및 단원별 이해도 중 적어도 하나의 학습역량에 대한 데이터인 것을 특징으로 하고, 상기 제어부는, 상기 학습로그(X)를 기반으로 상기 학습자가 각 시험에서 풀었던 시험에 대한 정답여부를 재생성하고, 추후 시험에서 풀 평가문항들에 대한 정답여부를 예측가능한 임의의 이해도를 추출하는 것을 학습하도록 구성된 것을 특징으로 하여, 학습자의 학습 이해도에 대해 보다 정확한 진단을 지원할 수 있는 효과가 있...(이하생략)
본 발명은 학습자의 제1 단말과 교사의 제2 단말을 원격 연결하여 비대면 환경에서의 상기 학습자의 학습과 상기 교사의 교수를 지원하기 위한 인공지능 튜터링 시스템에 있어서, 상기 제1,2 단말 및 웹, 외부 서버와 네트워크를 구축하여 통신하면서 상기 제1 단말로부터 획득되는 학습자들의 평가문항에 대한 풀이이력을 기반으로, 학습자별 도전형 평가문항 데이터와, 유사 풀이이력을 갖는 학습자 집단의 리스트 데이터를 추출하고, 상기 추출된 도전형 평가문항 데이터 및 리스트 데이터를 상호 매칭시켜 임의의 추천 문항정보를 생성하며, 상기 생성된 추천 문항정보를 미리 지정된 커리큘럼 데이터로 맵핑하여 상기 학습자의 향후 학습과 상기 교사의 향후 교수를 가이드하기 위한 커스터마이징 정보를 더 생성하되, 상기 커스터마이징정보에 따라 미리 설정된 알림신호를 출력하는 제어부; 및 상기 제1,2 단말에 구비되어, 상기 제어부로부터 출력된 알림신호에 따라 임의의 화면 상에 시각적으로 디스플레이하는 알림부를 포함하고, 상기 도전형 평가문항 데이터는, 미리 설정된 기준값을 초과하는 오답확률을 갖는 평가문항으로 이루어진 데이터인 것을 특징으로 하여, 보다 안정적인 학습환경에서 학습자의 도전의식을 고취시킬 수 있는 평가의 진행이 가능한 효과가 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 10건 중 10건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 139.0 | 248.0 |
| 영업비용 | 540.9 | 552.8 |
| 판매비와관리비 | 467.9 | 428.1 |
| 영업이익(손실) | 401.9 | 304.8 |
| 영업외수익 | 46.7 | 47.4 |
| 기타이익 | 0.6 | 1.3 |
| 금융수익 | 26.8 | 22.3 |
| 기타 | 19.3 | 23.8 |
| 영업외비용 | 5.7 | 26.6 |
| 기타손실 | 0.0 | 0.0 |
| 기타 | 5.7 | 26.6 |
| 법인세비용차감전순이익(손실) | 361.0 | 284.0 |
| 법인세비용 | 2.1 | 0.1 |
| 당기순이익(손실) | 363.1 | 284.1 |
매출은 248억으로 전년 대비 78.4% 증가한 것으로 나타났다.
영업이익률은 122.9%로 전년 289.2%에서 하락했다.
당기순이익은 284.1억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-06 확인