AI/ML 모델 개발 상의 어려움과 이를 해결하기 위한 접근법으로서 ModelOps의 필요성이 대두되고 있습니다. (참조 : AI/ML 기반 모델 개발, 과제와 해결방안은?) 이번 글에서는 ModelOps가 구체적으로 어떤 제품인지, 어떤 장점을 제공하며 구현방법은 어떠한지 등에 대해 설명드리도록 하겠습니다. 이에 앞서 ModelOps의 구현에 중요한 역할을 하는 ‘모델 거버넌스’에 대해 잠깐 짚어보도록 하겠습니다. 모델
SoDA를 이용해 쉽게 배우는 데이터 과학 #4 지난 포스팅에서는 SoDA 인터페이스 구성과 그 기능에 대해 알아보았습니다. 오늘은 SoDA 인터페이스 중 ‘작업 모드’와 ‘프로세스 플로우’ 두 가지 요소에 대해 알아보겠습니다. 이 두 요소는 코딩에 익숙한 사용자와 코딩이 낯선 사용자 모두 쉽게 사용할 수 있도록 구성되어 있습니다. 이제부터 각각을 자세히 살펴보겠습니다. 1.
지난 25년 동안, 대한민국의 금융기관들은 금융 감독기관과 은행, 증권사, 보험사 등 관련 기관들의 꾸준한 노력 덕분에 안정적이고 건실한 리스크 관리 체계를 구축해 왔습니다. 특히, BIS 규제를 준수하기 위한 업무 및 시스템이 정립되어 금융기관의 자본 강화, 리스크 관리 및 리스크 보고의 기본 틀이 마련되었습니다. BIS 규제는 금융기관이 안정성을 유지하는 데 필수적인
대한민국을 포함한 아시아태평양 지역의 데이터 및 AI 성숙도는 어느 정도일까요? ChatGPT 등장 이후 AI에 대한 관심이 급격히 높아지면서 많은 기업들이 AI 및 생성형 AI의 활용과 적용에 적극 나서고 있습니다. SAS는 최근 IDC에 의뢰해 기업의 AI 투자와 해결과제, 향후 계획에 대한 흥미로운 연구를 진행했습니다. 그 결과를 통해 AI 선도기업이 되기 위한
SoDA를 이용해 쉽게 배우는 데이터 과학 #3 지난 포스팅에서는 SoDA의 서비스 가입 방법을 알아보았습니다. SoDA는 클라우드 환경을 이용하기 때문에 따로 설치할 필요가 없었고, 클라우드 할당을 위한 서비스 가입이 필요했습니다. 이번에는 SoDA 사용 환경인 SAS Studio의 다양한 구성을 살펴보도록 하겠습니다. SoDA는 SAS Studio를 통해 사용할 수 있습니다. SAS Studio는 웹 브라우저로
수많은 산업에서 중추적인 역할을 맡게 된 클라우드 컴퓨팅은 조직이 분석과 머신 러닝 및 AI의 힘을 활용하여 인사이트를 얻고 혁신을 추구할 수 있도록 도와줍니다. *이 글은 Spiros Potamitis 가 작성한 내용을 SAS코리아에서 번역한 것입니다. 그러나 클라우드 컴퓨팅의 급속한 확대로 인해 클라우드의 탄소 발자국 역시 크게 증가했습니다. 알기 쉽게 비교하자면, 클라우드 컴퓨팅의
개발자와 모델러는 데이터를 찾고 검증하거나 부서간에 협업할 때, 그리고 작업 결과를 엔터프라이즈 플랫폼에서 운영할 때 여러 문제에 직면합니다. 데이터 분석 및 머신 러닝 모델에 셀프 서비스 방식의 온디맨드 컴퓨팅 환경을 사용하면 생산성과 성능을 높이는 동시에 IT 지원과 비용을 최소화할 수 있습니다. 지난 7월 출시된 SAS Viya Workbench(바이야 워크벤치)는 클라우드 환경의
생성형 AI는 기업의 생산성을 높이고 새로운 비즈니스 기회를 창출할 수 있는 잠재력을 가지고 있지만, 모든 기업이 성공적으로 도입하는 것은 아닙니다. 822명의 기업 리더와 이사회 임원을 대상으로 실시한 가트너의 새로운 설문조사 결과, 현재 9%의 기업이 생성형 AI를 활용해 비즈니스 모델을 혁신하고 새로운 비즈니스 기회를 창출하고 있다고 나타났습니다. 하지만 데이터 품질 저하,
SAS와 같은 글로벌 기업이 비즈니스를 할 때에는 글로벌 관점과 현지 관점의 균형을 맞추는 것이 중요합니다. 제품은 글로벌 시장 전반에 걸쳐 제공되어야 하고, 글로벌 경쟁력을 갖춰야 합니다. 반면, 고객과의 관계 구축은 현지 상황에 맞아야 합니다. 이는 적절한 현지 파트너와 협력을 통해서 강화할 수 있습니다. SAS코리아와 오랜 세월을 함께 동행해온 든든한 파트너,
기업내에 AI/ML를 적용하기 위해, 업무 관점에서 시민 데이터 사이언티스트(Citizen Data Scientist, 이하 CDS)와 그 필요 역량인 데이터 문해력(Data Literacy)의 중요성이 높아지고 있습니다.(참고 : 데이터 문해력과 시민 데이터 사이언티스트의 필요 역량) 이와 연결하여, 데이터를 기반으로 신속하게 개발한 예측 모델을 업무 시스템에 통합 또는 활용하기 위해 IT 관점에서 해결해야할 과제와 접근 방안에 대해
생성형 AI에 대한 전세계 기업들의 투자와 활용이 계속되는 가운데, 이와 관련된 흥미로운 조사 결과가 발표되었습니다. SAS가 최근 콜먼 파크스 리서치(Coleman Parkes Research Ltd.)에 의뢰한 전세계 조사에 따르면 생성형 AI를 가장 적극적으로 사용하고 있는 나라는 중국인 것으로 나타났습니다. 중국의 비즈니스 의사 결정자들은 자사 조직의 83%가 이 기술을 이용하고 있다고 응답했습니다. 이는
공공 고객 세미나 통해 공중보건과 공공사회서비스 개선을 위한 해법 제시 SAS코리아는 지난 5월 23일과 24일 양일간 공공 부문 고객들을 대상으로 ‘공중보건 전문가를 위한 SAS Public Health 세미나’와 ‘공공사회서비스 전문가를 위한 SAS Social Services 세미나’를 JW메리어트 호텔에서 개최했습니다. [사진1] 공중보건 전문가를 위한 SAS Public Health 세미나 장면 소외 계층 없이 전
전문가들과 소통하며 창의적인 아이디어로 세상을 변화시킬 수 있는 기회! 새로운 도전과 혁신을 위한 ‘SAS 해커톤 대회’가 올해도 그 막을 열었습니다. 데이터 및 AI 부문 선도기업 SAS가 5월 30일부터 8월 30일까지 SAS 해커톤 참가자를 모집합니다. SAS 해커톤 대회는 개발자, 데이터 과학자, 학생, 스타트업, SAS 고객 및 파트너 등이 참여하여 클라우드 환경의
생성형 AI는 우리의 업무 환경과 사회를 변화시키고 있습니다. 사람과 기술이 상호작용할 새로운 방법을 제시하며 상상을 능가하는 속도로 영향을 끼치고 있죠. 최근 실시한 조사 결과는 생성형 AI에 대한 흥미로운 시각을 제시하고 있는데요, 기업 의사결정자들이 체감하는 생성형 AI의 해결 과제와 기회를 동시에 확인하실 수 있습니다. 대다수의 응답자는 GenAI를 통해 직원 만족도가 향상되었고(82%),
1. ‘SAS 컨테이너 런타임’이란? SAS는 SAS Viya 2021.1.1.3에서 SAS 컨테이너 런타임(SAS Container Runtime, 이하 SCR)을 출시했으며, 그 이후 많은 고객이 운영환경에서 SCR을 구현했습니다. 이 혁신적인 런타임 엔진은 SAS 모델과 의사결정을 Open Container Initiative (OCI) 호환 컨테이너에 배포하는 역할을 합니다. SCR은 표준 기술을 사용하여 SAS Viya 외부에서 모델과 의사결정을 실행합니다. 클라우드
글로벌 시장 조사 및 분석 기관 차티스(Chartis) 리서치가 FRAML 솔루션에 대해 실시한 첫 평가에서 SAS를 리더(Leader) 기업으로 선정했습니다. 이와 더불어 SAS는 AML거래 모니터링 솔루션 부문에서도 리더로 인정받아 금융범죄 대응 솔루션 부문에서 SAS의 성능과 신뢰성을 확인받게 되었습니다. <그림 1> FRAML 솔루션 부문 리더 (Source : Chartis RiskTech Quadrant for FRAML Solutions,
“업무 프로세스를 보다 효율적으로 바꾸기 원하시나요? 리스크를 줄이고 서비스의 질을 높이고 싶으신가요? 우선 순위가 높은 일에 집중하거나 혁신에 보다 많은 시간을 투자하고 싶으신가요?” *아래 글은 Cindy Turner의 글을 SAS KOREA에서 번역한 것입니다. (원문 링크) 우리는 누구나 제품이나 서비스의 가치를 높이면서도 리스크를 줄이고, 보다 효율적으로 일할 수 있기를 바랍니다. AI 비서를
급변하는 대외 환경 변화와 지속 가능한 성장을 위한 금융기관 조기경보시스템의 조건 최근 국내 대외 환경은 경기변동성 증가와 저성장 국면 진입의 가속화로 요약할 수 있습니다. 또한, 최근 30년을 돌아보면 ‘97년 외환 위기, ‘08년 글로벌 금융 위기와 ‘20년 COVID19 팬데믹 등 주기적인 경제위기 발생과 더불어 글로벌 경기 민감도 역시 증가한 상황입니다.
SAS Enterprise Guide(이하 SAS EG)의 최근 버전에서는 기존의 폴더를 통한 접근뿐만 아니라 GitHub 레파지토리를 등록하여 프로그램을 실행, 수정, 관리할 수 있습니다. 회사나 개인 용도로 GitHub을 사용하고 있을 경우, SAS EG에 레파지토리를 등록하여 사용이 가능합니다. 기존에 SAS EG와 GitHub을 사용하는 분이라면 EG를 통해서 좀 더 효율적이고 편리하게 작업을 하실 수 있습니다.
클라우드 기반 AI 분석 플랫폼인 SAS Viya 4에는 여러 가지 유용한 기능이 있습니다. 이번 글에서는 SAS Viya 4를 위한 Logging & Monitoring 기능에 대해 소개 드리겠습니다. 1. Logging & Monitoring 이란 무엇인가? Logging과 Monitoring은 해석 그대로, 해당 서비스에 대한 로그 기록과 상태를 시각적으로 표시해주는 것을 의미합니다. 기존 SAS Viya
산업별 당면 문제 해결과 맞춤형 첨단 서비스 제공에 AI 활용도 증가 AI 관련 신규 일자리 창출과 직원 업무 성과 지원, 기업 의사 결정에 긍정적인 영향 줄 것 AI는 이제 더 이상 미래 공상 과학 이야기가 아닌 우리 삶 속의 현실이 되어 버렸습니다. 앞으로 AI 기술은 어떤 모습으로 변화, 발전할
많은 사람들이 AI의 엄청난 잠재력에 대해 듣고 있으며 AI의 활용에 대해 높은 관심을 가지고 있습니다. 하지만, 최근 들어 AI에 대한 부정적 보도들이 많아지고 있으며, AI를 통한 의사결정에 대한 우려도 커지고 있습니다. AI를 도입하고자 하는 조직의 입장에서는 잘못된 AI의 적용으로 회사의 이름이 뉴스 헤드라인을 장식하는 것을 원하지 않습니다. 또한 차별이나 불공정한
국내 2,200개 상장사 포함 전세계 42,000개 상장기업에 대한 리스크 정보 제공 기업 부도 확률, 거시지표 민감도, 신용 등급, 채권 등급 등 분석 정보 포함 신청 기업에게 심사 과정 거쳐 30일 무료 체험 기회 제공 SAS코리아는 지난 10월 19일 국내 금융 및 투자사 임직원들을 모시고 급변하는 경제 환경에서 기업의 리스크
SAS, 권위 있는 Chartis RiskTech 100®에서 2위 기록 새롭게 선보인 ‘행동 모델링’ 및 ‘금융기관을 위한 인공지능’ 포함 7개 부문 수상 AI 및 분석 부문 선두기업 SAS가 리스크 기술 공급업체 상위 100대 기업을 평가하여 순위를 발표하는 Chartis RiskTech 100(차티스 리스크텍 100)에서 종합 2위를 차지하는 동시에, 7개 주요 부문에서 수상하는 쾌거를 거두었습니다.
이번 글에서는 SAS의 Job Execution에 대해서 알아보려고 합니다. 개념과 접속방법, 실행방법, 편집방법을 예제를 활용해 간단히 알아보겠습니다. 1. Job Execution 소개 SAS Job Execution Web Application은 작업을 생성, 관리 및 실행하는 데 사용되는 웹 기반 클라이언트입니다. Java로 작성된 이 애플리케이션은 서버에서 실행되는 강력한 분석 및 프리젠테이션 프로시저와 함께 데이터에 대한 액세스를
SAS Visual Analytics(이하, VA)의 보다 효과적인 활용을 위해 파라미터의 개념과 용도를 소개해 드린 데에 이어, 이번에는 파라미터의 활용법에 대해 설명드리고자 합니다. 1. 설정 상황 SASHELP의 CARS라는 데이터를 기반으로 상황을 가정해 보겠습니다. CARS 데이터는 총 428개의 관측값과 15개의 변수를 가지고 있습니다. 이 중 Make, Model 등 5개의 범주형 변수를 제외하면 Invoice,
SAS Visual Anaytics(이하, VA)를 사용할 때, 리포트의 형태를 고정하고 변수만 변경하면서 그래프 및 값들이 바뀌는 결과를 확인할 수 있으면 더 효율적이지 않을까 생각해 본 적이 있으신가요? VA에서 파라미터를 활용하면 가능합니다. 파라미터의 활용법을 다루기 전에 전반적인 이해를 돕고자 파라미터가 무엇인지, 어떻게 사용하는 것인지 등에 대한 내용을 먼저 살펴보고자 합니다. 이번 블로그
지난 포스팅(컴퓨터가 사물을 보는 방법 1편, 2편)에서는 CNN(Convolution Neural Network)에서 사용될 수 있는 다양한 기법들과 함께 CNN의 학습이 어떤 방식으로 이루어지는지 알아보았습니다. CNN은 데이터(특히 이미지 데이터)에 합성곱, 풀링, 패딩 등의 작업을 거쳐 특징을 추출한 후 회귀 또는 분류를 수행하는 딥러닝 모델입니다. 오늘 포스팅에서는 지금까지 배운 기법들을 SAS Viya에서 구현하는 실습을
SAS는 2020년 1월, LTS 2020.1 버전의 SAS Viya 4를 출시했습니다. SAS Viya 4는 기존 SAS의 솔루션인 SAS 9, SAS Viya 3.5 버전과는 달리 완전한 클라우드 네이티브 버전의 솔루션입니다. 오늘 포스팅에서는 클라우드 네이티브 SAS Viya 4의 서비스인 CAS(Cloud Analytics Service, 이하 CAS)의 라이프 사이클에 대해서 알아보겠습니다. 1. CAS란 무엇일까요? CAS는 고성능
지난 포스팅에서 컴퓨터 비전의 과거와 CNN(Convolution Neural Network)의 구성 요소, 퍼셉트론, 합성곱층에 대해 알아보았습니다. 합성곱층과 함께 풀링, 활성화 함수, 드랍아웃 등 다양한 요소를 활용한다면 모델의 성능을 더욱 향상시킬 수 있습니다. 오늘 포스팅에서는 CNN에서 사용될 수 있는 다양한 기법들과 함께 CNN의 학습이 어떤 방식으로 이루어지는지 살펴보도록 하겠습니다. 1. CNN의 구성요소 <그림
