지능형사물인터넷(AIoT)에 대해 들어본 적 있으신가요? 지능형사물인터넷은 사물인터넷(IoT)을 통해 연결된 스마트 기기 데이터에 인공지능(AI)을 적용하는 것입니다. AIoT가 활성화되면 연결된 기기(커넥팅 디바이스)에서 수집된 정보를 기반으로 머신러닝 학습과 분석은 물론 서비스 제공까지 동시에 이루어질 수 있을 텐데요. 학습과 자동화를 기반으로 사람의 업무 처리 영역을 돕는 인공지능 기술은 경험 학습, 새 입력값(Input)을 통한 조정, 별도의 수동 조작이
햄버거와 감자튀김, 떡볶이와 순대, 와인과 치즈를 보통 찰떡궁합이라고 하죠. 기업과 조직의 디지털 트랜스포메이션(Digital Transformation) 추진에 있어 인공지능(AI)과 사물인터넷(IoT)은 뗄래야 뗄 수 없는 찰떡궁합입니다. 인공지능과 사물인터넷, 지능형사물인터넷(AIoT) 기술은 서로 연관되어 있습니다. 사람의 인체에 비유한다면 사물인터넷 없는 인공지능은 데이터 수집 능력이 없는 두뇌와도 같고, 반대로 인공지능 없는 사물인터넷은 데이터에서 인텔리전스를 추출할 수 없는
인공지능의 기반 기술 중 하나인 딥러닝은 눈부신 혁신을 거듭하고 있습니다. 텍스트 번역이나 이미지 분류 애플리케이션에 적합한 새로운 수준의 신경망이 개발되면서 사물인터넷(IoT)과 자율주행 관련 기술에도 활용되고 있는데요. 딥러닝 기술의 발전과 함께 객체 탐지 기법도 많은 주목을 받고 있습니다. 그렇다면 객체 탐지(Object Detection)는 무엇일까요? 객체 탐지는 이미지에서 관심 객체를 배경과 구분해 식별하는 자동화
지난 9월 중순 미국 샌디에고에서 개최된 최대 규모의 분석 컨퍼런스 ‘SAS 애널리틱스 익스피리언스(Analytics Experience) 2018'의 연사로 참여한 빅데이터 전문가 트리샤 왕(Tricia Wang) 박사는 세계적인 동물행동학자 프란스 드 발(Frans de Waal)의 영상을 공유했습니다. 이 영상은 연구자에게 돌을 주고 보상을 받는 두 마리의 원숭이를 통해 인간의 도덕적 심리를 보여주는데요. 원숭이들은 돌을 건네줄
인공지능(AI)과 머신러닝이 최근 화두로 떠오르며 이를 둘러싼 여러 오해가 생기고 있습니다. 특히 사기 분야에 대해서는 더 많은 오해를 하고 있는데요. 인공지능과 머신러닝이 정교한 기술과 방대한 양의 데이터를 사용해 도움을 주고 있다는 사실, 알고 계신가요? 인공지능과 머신러닝은 기술은 우리의 일상적인 업무에서 생각해보지 못했던 질문을 던집니다. 이러한 질문들은 보편적으로 알려져 있지 않은 사실이기
그 동안 머신러닝 해석력 시리즈를 통해서 머신러닝의 부분 의존성(PD; Partial Dependence), 데이터 세트 해석 등을 소개해드렸는데요. 오늘은 라임(LIME; Local Interpretable Model-Agnostic Explanation)을 통해 머신러닝 모델의 해석력을 개선할 수 있는 방법에 대해서 알아보겠습니다. 머신러닝 모델 해석력 시리즈 1탄, 2탄, 3탄을 놓치셨다면 아래 링크를 통해 확인해주세요! 머신러닝 해석력 시리즈 1탄: 인공지능(AI)과 머신러닝을 신뢰하기 위한 필수
머신러닝의 블랙 박스 모델을 소개하는 첫 번째 블로그와 두 번째 블로그를 통해서 머신러닝 모델의 복잡성과 머신러닝의 뛰어난 예측 결과를 활용할 수 있는 해석력이 필요한 이유, 적용 분야에 대해서 소개해드렸는데요. 이번에는 기업 실무자 입장에서 SAS 비주얼 데이터 마이닝 앤드 머신러닝(SAS Visual Data Mining and Machine Learning)을 활용한 SAS 커스터머 인텔리전스 360(SAS Customer Intelligence 360)에서 해석 기법과
초강력 허리케인 '플로렌스’ 미국 남동부 지역을 강타하다 지난 9월, 대서양에서 발생한 초강력 허리케인 '플로렌스(Florence)'가 미국 노스캐롤라이나주를 비롯한 미국 남동부 지역을 강타했습니다. 하루 무려에 762mm 기록적 물폭탄이 내리면서 허리케인으로 인한 재산 피해액은 총 170~220억달러(약 19조~25조원) 인것으로 추정되기도 했는데요. 허리케인 플로렌스가 쓸고 간 자리에는 집, 일자리, 건물, 학교 등을 잃은 이재민들이 남았습니다.
지난 'SAS 커스터머 인텔리전스 360(SAS Customer Intelligence 360): 머신러닝의 블랙 박스 모델이란’ 블로그에서 머신러닝 모델은 다면적이고 계속 진화하는 주제라고 소개해드린 바 있는데요. 오늘은 머신러닝 모델의 해석력(Interpretability)에 대해 자세히 살펴보고자 합니다. 머신러닝 모델은 놀라운 예측 능력을 제공하지만 매우 복잡하여 이해하기 쉽지 않습니다. 또한 머신러닝 모델은 예측한 결과에 대한 명확한 설명도 제공하지 않기
은행은 금융위기와 같은 경제적 충격이 외부에서 발생했을 때 채무 불이행에 따른 손실 규모를 파악하고 보유하고 있는 위험자산에 대한 포트폴리오 변화를 빠르게 확인할 수 있어야 하는데요. 특히 글로벌 금융위기 이후 은행권을 대상으로 글로벌 경제 위기에 견딜 수 있는 재무 건전성 역량을 문서화하는 규제요구가 높아지면서 대형 투자은행들이 경제 상황이 극도로 나빠졌을 때
머신러닝이 마케팅 생태계 내에서 지속적으로 발전함에 따라 현대화된 알고리즘 접근법의 해석력이 중요해지고 있습니다. 지난 번 게시했던 머신러닝 해석력 관련 블로그에서 인공지능(AI)과 머신러닝을 신뢰하기 위한 필수 조건, 데이터 세트를 이해하고 해석하는 방법, 그리고 머신러닝 모델의 작동 원리에 대한 인사이트를 도출하는 변수를 표시하는 방법에 대해 설명한 바 있는데요. “우리는 머신러닝에 의해 구동되는 애플리케이션에 둘러싸여 있으며,
인공지능(AI)이 우리에게 미치는 영향이 나날이 커지면서 일자리를 대체할 것이라는 우려도 높아지고 있습니다. 이를 위해서 인공지능의 윤리 방안과 규제에 대한 논의가 이루어지고, 기업이 알고리즘으로 인해 일자리를 빼앗긴 직원에게 재교육을 제공해야 한다는 목소리가 나오고 있는데요. 하지만 이러한 모든 내용은 인공지능이 미치는 부정적인 면에만 치우쳐 있습니다. 그렇다면 인공지능이 우리의 삶에 주는 혜택으로는 무엇이 있을까요? 인공지능,
인공지능(AI)은 1950년대부터 머신러닝, 링크 걸기 시작 딥러닝(deep learning), 인지 컴퓨팅(cognitive computing)이 점차 발전하면서 우리와 꽤 오랜 시간을 함께 해왔습니다. 최근 달라진 점이 있다면 아마 활용할 수 있는 데이터의 양이 어마어마하게 늘었다는 것인데요. 방대한 양의 데이터 덕분에 오늘날 과거에는 불가능했던 방식으로 인공지능 기반의 모델을 학습시킬 수 있게 되었습니다. 이러한 인공지능은 지금의 세상과 거대한 데이터를 이해하는
기업의 마케팅 전략도 인공지능(AI), 사물인터넷(IoT)과 같은 혁신적인 기술이 등장하며 함께 발전하고 있습니다. 고객 중심의 IT 환경에서 많은 기업은 높은 고객 충성도를 달성하고자 고객 여정(customer journey) 최적화에 많은 노력을 기울이고 있는데요. 인공지능 역시 고객 여정을 최적화하기 위한 기술로 많은 비즈니스에 도입되고 있습니다. 인공지능 강화학습(Reinforcement learning) 모델을 적용한 대표적인 예로는 미국 게임 개발사 아타리(Atari)가 선보인
필자는 데이터 전문가와 엔터프라이즈 시스템 컨설턴트로서 오랜 경력을 쌓아왔으며, 저자와 대학 교수로서 교육 활동도 진행하고 있습니다. 그 동안 200여 개의 개인, 50개 이상의 그룹을 위한 데이터 분석 프로젝트를 감독하면서 수많은 분석 프랙티스를 연구해왔는데요. 중요한 한 가지는 분석 프로젝트를 성공적으로 시작하기 위한 단 하나의 청사진은 존재하지 않는다는 것입니다. 하지만 다양한 성공 또는 실패
비운의 영화 배우, 파킨슨병 치료를 위해 앞장서다 타임머신과 시간 여행을 다룬 영화 하면 무엇이 가장 먼저 떠오르시나요? 전 세계적으로 가장 크게 흥행한 영화 중 하나는 단연 스티븐 스필버그 감독 제작의 SF 영화 ‘백 투 더 퓨처(Back to the Future)’일텐데요. 1985년에 개봉된 이 영화는 11주 동안 미국 박스 오피스 1위를 차지하고,
인공지능(AI)은 금융 사기 탐지, 보험 비즈니스 모델 다각화, 의료 진단 개선, 스포츠 경기 성과 향상 등 다양한 분야에서 상상을 현실화하고 성과를 도출하고 있습니다. 최근 마케팅 분야도 예측 분석, 추천 엔진 등 다양한 형태의 인공지능 알고리즘을 적극 활용하면서 혁신을 체감하고 있는데요. 대기업은 물론 중소기업에 적합한 여러 인공지능 활용 마케팅 툴이 등장하면서 변화의 속도는 더욱 빨라지고 있습니다.
모델 리스크 관리(MRM; Model Risk Management)는 새로운 주제가 아닙니다. 금융 기관은 이미 수십 년 전부터 의사결정 과정에서 모델을 활용해왔는데요. 최근 들어 MRM 관련 규제가 한층 더 형식화되고 엄격해지면서 관심이 커지고 있습니다. 유럽은행감독청(EBA; European Banking Authority)의 TRIM(Targeted Review of Internal Models)과 같은 규제는 은행에 모델 관리 컴플라이언스를 위한 더 큰 노력을
고객 인텔리전스(CI)를 위한 챗봇 이미 많은 기업들이 인공지능(AI)으로 비즈니스를 자동화하고, 더 나은 고객 경험을 제공하며, 매출을 높이고 있습니다. 이미 수년 전부터 은행은 인공지능을 활용해 잠재적인 금융 사기를 탐지하고, 통신사는 고객 이탈을 예측해왔는데요. 챗봇은 한 단계 더 나아가 인공지능을 일상 가까이로 가져왔습니다. 챗봇은 머신러닝, 딥러닝, 음성 인식(voice-to-text), 자연어처리(NLP), 추천 엔진 등 여러
유럽 일반개인정보보호법(GDPR; General Data Protection Regulation)은 유럽연합(EU) 전역은 물론 유럽연합 시민의 개인 정보를 다루는 전 세계 모든 기업에 영향을 미치고 있습니다. 이 새로운 규제의 목적은 시민에게 자신의 데이터에 대한 보다 강력한 통제권을 부여하고, 유럽 전역에 걸쳐 시행할 수 있는 통일된 규칙을 만드는 것인데요. 이에 따라 기업은 개인 데이터 기록을 수집, 처리, 업데이트,
최근 독일에서 개최된 SAS 포럼에서는 데이터 과학 및 분석과 관련된 다양한 핸즈온(hands-on) 세션과 워크숍이 진행됐습니다. 이전 포럼에서는 볼 수 없었던 몇 가지 분석 동향의 큰 변화가 있었는데요. 주요 시사점을 소개합니다. 분석의 대중화 올해 워크숍의 티켓은 일찍부터 매진이었습니다. 그 자체만으로도 기분 좋은 소식이지만, 사실 더 중요한 사실을 암시하는데요. 이는 참석자 모두가
지난 7월 정부는 스마트 그리드(smart grid) 서비스가 구현되는 체험 단지 조성 등을 골자로 하는 ‘제 2차 지능형 전력망 기본 계획’을 발표했습니다. 이에 따라 올해부터 2022년까지 스마트 그리드 서비스 활성화, 각종 인프라 구축 등에 4조5,000억 원을 투자할 방침입니다. 스마트 그리드는 전기의 생산, 운반, 소비 과정에 정보통신기술(ICT)을 접목해 효율성을 높일 수 있도록
그래프를 만들 때 가장 어려운 작업은 무엇일까요? 바로 데이터를 준비하는 것인데요. 오늘은 엑셀 데이터를 SAS로 가져오고, 전치하고, 첫 열의 값을 데이터 값으로 사용하고, 플롯으로 요약하는 방법을 차례대로 소개해드리고자 합니다. 오늘 예시에서는 학생 대출 채무에 관한 데이터가 사용되는데요. 몇 년 전, 학생 대출 채무가 급증하면서 큰 이슈가 됐었고, 아래는 관련 기사에서 쓰인
나만의 파라다이스를 찾아라! 여름 휴가 계획 모두 세우셨나요? 어디로 갈지 아직 고민 중이시라면! 클릭 몇 번만으로 전 세계에서 나와 가장 잘 맞는 도시를 알려주는 ‘SAS 파라다이스 파운드(SAS Paradise Found)’ 프로젝트를 소개합니다. 사람마다 매력적인 여행지와 거주지를 선택하는 기준은 다르기 마련인데요. SAS 파라다이스 컨피규레이터(Paradise Configurator)는 가족, 문화, 자연, 안전 및 인프라, 생활비, 레스토랑
국제 이주민은 전 세계 인구의 3.5% 이상을 차지하고 있습니다. 즉 2억5천만 명 이상이 출생 국가 또는 국적과 다른 나라에서 살고 있다는 뜻인데요. 모든 이주민이 한 국가에 산다면 그 인구는 세계에서 다섯 번째로 클 것입니다. 전 세계 사회경제적 환경에 큰 영향을 미치는 이주와 난민은 여러 국가와 기업이 함께 해결해야 할 국제적
지난 7월 17일, 세계 이모티콘의 날을 맞아 애플, 유튜브, 페이스북 등 글로벌 기업들은 새로운 이모티콘을 공개하고 관련 설문조사 결과를 발표하는 등 다양한 이벤트를 진행했는데요. 많은 사람들이 습관처럼 사용하는 이모티콘은 온라인 비주얼 커뮤니케이션이라는 새로운 트렌드의 핵심 요소로 자리잡았습니다. 온라인, 특히 모바일에서 빠르고 명확하게 표현을 전달해야 할 때 이모티콘은 전 세계 누구와도
머신러닝 모델 해석력 시리즈 3탄! 오늘은 머신러닝 모델의 작동 원리에 대한 인사이트를 도출할 수 있는 변수를 표시하는 두 가지 방법에 대해 자세히 살펴보고자 합니다. 머신러닝 모델 해석력 시리즈 1탄과 2탄을 놓치셨다면, 클릭해주세요! 1탄: 인공지능(AI)과 머신러닝을 신뢰하기 위한 필수 조건, 해석력! 2탄: 머신러닝 해석력 시리즈 2탄: 데이터 세트를 이해하고 해석하는 방법 데이터 과학자가 모델이
텍스트 분석과 자연어처리(NLP; Natural Language Processing)는 소비자의 감성을 분석하는 방법으로 널리 알려져 있습니다. 실제 많은 기업이 비정형 데이터 분석 기술을 이용해 소셜 미디어(SNS) 상의 고객 불만이나 댓글을 분석하고 적절히 대응하고 있는데요. 오늘날 전체 데이터의 90% 이상은 텍스트, 음성, 이미지, 영상 등 구조화되어 있지 않은 비정형 데이터입니다. 수동 분석만으로 이 모든
7월 11일은 2018년 ‘정보보호의 날’입니다. 2012년 정부 부처는 사이버 공격을 예방하고 정보보호를 생활화하기 위해 공동으로 법정 기념일을 제정했는데요. 최근 페이스북 정보 유출 사건이나 유럽 일반개인정보보호법(GDPR)의 시행 등 데이터 관련 이슈들이 이어지며 정보보호에 대한 대중의 관심도 점점 더 높아지고 있죠! 모바일, 사물인터넷(IoT), 클라우드 등 IT 기술의 발전과 함께 데이터는 빠르게 증가하고
전 세계의 이목이 러시아에 향해 있습니다. 바로 2018년 국제 축구 대회 때문인데요. 오늘은 바로 이 국제 축구 대회에 대한 다양한 데이터를 시각화하고, 지난 대회 결과로부터 어떤 인사이트를 얻을 수 있는지 살펴보고자 합니다! 전 세계 축구팀들은 대회를 위해 얼마나 멀리 이동할까요? 데이터 시각화 리포트가 보이지 않으시면 클릭하세요. 위 보고서는 참가국들이 조별 리그 동안 얼마나 멀리
