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
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
인공지능(AI)은 지난 한 해 동안 미국 연방 정부에서 가장 주목 받은 키워드 중 하나였습니다. 지난 9월, 백악관은 미국의 연방정부가 15년 만에 연방 차원의 체계적 ‘국가 사이버보안 전략’ 공개하며 사이버보안 강화와 기술 발전을 위한 청사진을 제시하기도 했는데요. 발표된 전략 보고서에는 미국 내 네트워크·시스템·데이터 안보 강화, 강화된 사이버보안을 환경에서 디지털경제와 기술혁신 증진, 미국의
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
만약 나의 주치의가 내 디지털 트윈(Digital Twin)을 만들어 실시간으로 나의 상황을 다양한 센서 데이터 등을 통해 업데이트 받을 수 있다면 어떨까요? 현실세계의 기계나 장비, 사물 등을 컴퓨터 속 가상세계에 구현한 디지털 트윈을 통해 몸 속의 잠재적인 질병에 대한 신호를 미리 받을 수 있을지도 모릅니다. 디지털 트윈이 암 관련 질병을 미리
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