SAS Korea
데이터를 넘어 인텔리전스 세상으로 향하는 SAS 코리아의 여정에 함께 하세요.
모든 것을 실시간으로 실행하고, 실시간으로 평가하는 바야흐로 ‘스트리밍 시대’입니다. 길을 걷다가 들리는 음악을 그 자리에서 검색하고 스트리밍으로 재생해 듣습니다. 스마트폰 메신저나 소셜 미디어(SNS)를 통해 바로 공유할 수도 있죠. 월드컵과 올림픽 등 스포츠 경기는 물론 대선 토론과 개표 현황 등 정치 이벤트까지 케이블 TV나 페이스북 라이브를 통해 실시간으로 시청합니다. 기업에서는 어떨까요? 매월,
“어떤 알고리즘을 사용해야 할까요?” 수많은 종류의 머신러닝 알고리즘을 맞닥뜨린 초급자 분들이 가장 많이 물어보는 전형적인 질문인데요. 사실 이 질문에 대한 답변은 하단 내용을 비롯한 수많은 요인에 따라 달라집니다. 데이터의 크기, 품질, 특성 가용 연산(계산) 시간 작업의 긴급성 데이터를 이용해 하고 싶은 것 그렇기에 숙련된 데이터 과학자(Data scientist)조차도 여러 알고리즘을 직접
1980년대 후반에만 해도 머신러닝(machine learning)이나 데이터 과학자와 같은 개념은 없었습니다. 대신 통계, 분석, 데이터 마이닝, 데이터 모델링과 같은 단어가 사용됐는데요. 이후 글로벌 기업들은 30년 이상 머신러닝 모델을 연구해 왔으며, 페이스북의 이미지 인식 소프트웨어, 아마존의 음성 비서 알렉사, KT의 인공지능 서비스 기가 지니(GiGA Genie)까지 그 결과들이 연이어 쏟아지고 있죠! 이러한 결실
디지털 시대의 도래와 함께 수많은 정보와 데이터가 빠르게 생성되면서 사회 다양한 분야에서 빅데이터가 폭넓게 활용되고 있습니다. 기업들도 비즈니스 데이터를 수집, 분석해서 상당한 가치를 얻을 수 있음을 잘 이해하고 있는데요. 하지만 사실 분석 활동이라는 개념은 예전부터 있었습니다. 수십 년 전인 1950년대에도 기업들은 트렌드를 파악하고 인사이트를 얻기 위해 기본적인 분석을 하고 있었습니다.