SAS Korea
데이터를 넘어 인텔리전스 세상으로 향하는 SAS 코리아의 여정에 함께 하세요.
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