SAS Korea
데이터를 넘어 인텔리전스 세상으로 향하는 SAS 코리아의 여정에 함께 하세요.
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,
데이터 사이언티스트들은 작업 시간의 대부분을 데이터 준비와 피처(feature) 엔지니어링에 할애합니다. 지난 블로그를 통해 데이터 준비 작업에 유용한 프로그래밍 팁을 소개해드렸는데요. 오늘은 인공지능(AI) 기반 엔터프라이즈 분석 플랫폼 ‘SAS 바이야(SAS Viya)’의 기본 템플릿 중 ‘자동화된 피처 엔지니어링 템플릿’을 활용해 손쉽게 예측 모델을 생성하는 방법을 살펴보고자 합니다. 피처는 입력과 변수(독립 변수, 설명 변수)를 의미합니다. 그리고 피처 엔지니어링은 예측