Korean

Analytics
0
책임감 있는 AI를 시작하는 방법

사회의 모든 측면에서 인공 지능(AI) 채택이 급격히 증가함에 따라 윤리는 기술의 새로운 프론티어임이 입증되고 있습니다. 대중의 인식, 언론 조사 및 향후 규정으로 인해 조직과 데이터 과학 커뮤니티는 AI 사용의 윤리적 의미를 고려해야 합니다. 인적 요소를 고려하고 비즈니스 결과에 기여할 뿐만 아니라 개인, 사회 및 환경을 보호하는 AI 시스템을 개발할 필요성을

Analytics
Byoung-Jeong Choi 0
배팅랩: 분석을 지원하는 모델

공원을 걷다 보면 좋아하는 운동을 하는 아이들을 흔히 볼 수 있습니다. 그들은 종종 기술을 연마하기 위해 오랜 시간을 보냅니다. 그러나 혼자서는 무엇을 어떻게 해야 현재를 개선해야 하는지 파악하기 어렵습니다. 좀 더 나은 수준으로 향상하기 위해서는 무엇을 해야 하는지 가르칠 수 있는 코치를 고용하면 좋겠는데, 그렇게 하는 것은 비용이 많이 듭니다. 이럴 때 어떤 대안이

Analytics
Jong-Phil Park 0
고객 성향 분석(Customer Propensity Analysis) : DIY & DIFM 접근 방법

고객의 데이터를 분석하여 고객 성향 및 선호도를 이해하고, 이를 활용해 마케팅 업무를 효율화하고자 하는 노력은 90년대 데이터베이스 마케팅, 2000년대 분석 CRM, 최근의 퍼포먼스, 그로스 마케팅까지 계속적으로 진화하고 있습니다. 멀티채널에서 쏟아지는 고객의 온/오프라인 데이터를 통합, 분석하여 마이크로 타겟팅 마케팅은 기본적으로 고객 성향 예측 모형(Customer Propensity Model)을 기반으로 수행되고 있습니다. 디지털채널을 중심으로

1 28 29 30 31 32 103