컴퓨터가 인간보다 잘 하는 몇 가지 분야가 있는데, 그 중 하나가 바로 이미지 인식입니다. 2012년 알렉스넷이 개발된 이후 컴퓨터 비전 분야는 급속도로 성장하여 우리 일상에 자연스럽게 스며들었습니다. 오늘 포스팅에서는 컴퓨터가 이미지를 어떻게 인식할 수 있는지 이론을 중심으로 살펴보도록 하겠습니다. 1. 컴퓨터 비전의 과거 우리가 모니터를 통해 바라보는 이미지의 구조부터 알아보겠습니다.
오늘 6월 17일(미 동부 시간 기준 16일) 온라인으로 개최한 ‘SAS 글로벌 포럼 2020’에서 SAS는 최신 클라우드 기술을 접목해 의사결정 과정을 가속화하는 AI 기반 엔터프라이즈 분석 플랫폼의 최신 버전 ‘SAS 바이야 4(SAS® Viya® 4)’를 공개하고 마이크로소프트와 클라우드 전환 가속화를 위한 전략적 파트너십 체결을 발표했습니다. 클라우드로 전환하는 비즈니스 IT 트렌드에 발 맞추어
바이러스는 어떻게 확산될까요? 전염 가능성을 높이는 요인은 무엇일까요? 사람에 따라 증상이 다른 이유는 무엇일까요? 어떤 치료법이 효과 있을까요? 백신 개발은 얼만큼 진행된 걸까요? 매일 새로운 연구 결과가 발표되고 세계 각지에서 연구 프로젝트가 진행되고 있지만, 코로나19와 신종 코로나바이러스에 대해서 우리는 여전히 아는 것보다 모르는 것이 더 많습니다. 그리고 풀어야 할 궁금증은
올해 초부터 시작된 코로나19 사태가 전 세계적으로 장기화되면서 ‘사회적 거리두기’가 새로운 일상으로 자리잡았습니다. 이에 따라 요즘 대부분의 시간을 집에서 보내며 온라인 강의를 듣는 학생들과 재택근무를 하는 직장인들도 많아졌는데요. #언택트 #집콕 #홈코노미 #홀로(HOLO) 등의 신조어들이 이러한 달라진 트렌드를 보여주고 있습니다. 공부를 하든 일을 하든, 집에서 오랜 시간을 보내는 것에는 꽤 명확한
2019년 12월, 중국을 시작으로 발생한 코로나바이러스감염증-19(COVID-19)가 전 세계로 확산되며 190개 국가에서 32만명이 넘는 확진 환자가 발생했습니다. (2020년 3월 23일 기준) 세계보건기구(WHO)는 3월 11일 감염 확산세가 지속되자 홍콩독감(1968), 신종플루(2009)에 이어 사상 세 번째로 코로나19에 대해 팬데믹(pandemic; 세계적 대유행)을 선포했는데요. 한국 역시 지난 2월 23일 코로나19 대응 수준이 ‘심각’ 단계로 격상되며 확진자가
올해 1월 IDC에서 발표한 ‘IDC 마켓스케이프: 2019-2020년 전 세계 범용 인공지능 소프트웨어 플랫폼 벤더 평가(IDC MarketScape: Worldwide General-Purpose Artificial Intelligence Software Platforms 2019–2020 Vendor Assessment)’ 보고서에서 SAS가 리더로 선정되었습니다🙌🙌 IDC에서 인공지능(AI) 플랫폼 공급업체들을 평가한 것은 이번이 처음이었는데요. IDC 마켓스케이프 보고서는 수익 및 시장성을 비롯해 기업별 AI 전략 및 기능에 대한
SAS, 인공지능(AI) 부문 매출 약 105% 성장...업계 평균 대비 4배 가량 높아 IDC 보고서, SAS의 임베디드 AI 및 오픈소스 기술 통합에 주목... AI 비즈니스 성장세 높이 평가 짐 굿나잇 SAS 공동 창립자 겸 CEO “SAS의 AI 및 분석 기술을 바탕으로 다양한 산업의 기업 고객이 새로운 비즈니스 경쟁력을 제고할 수 있도록
인공지능(AI) 기술은 더 이상 공상 과학소설 속 제재가 아닌 기업이 마주한 현실이 되었습니다. 오늘날 기업들은 머신러닝, 알고리즘, 스마트형 커넥티드 제품 등 다양한 AI 기술을 새롭고 흥미로운 방식으로 비즈니스에 적용하고 있습니다. 딜로이트(Deloitte)에서 이러한 인지기술(cognitive technologies)을 적극적으로 도입하는 기업들을 대상으로 진행한 최근 설문조사에 따르면, 응답자 중 76%가 AI를 비롯한 인지기술이 3년 이내에
SAS, 향후 3년간 AI 분야 10억 달러 투자 계획 발표 R&D 혁신 교육 및 전문가 컨설팅 지원 통해 기업 AI 역량 강화 국내에서도 AI 전문가 교육 프로그램 제공… 인재 양성 및 분석가 저변 확대 2019년 3월 28일 – 세계적인 분석 선두 기업 SAS(www.sas.com/korea)가 향후 3년간 인공지능(AI) 분야에 총 10억 달러(한화 약
SAS코리아, ‘SAS 뱅킹 이노베이션 포럼’ 성료 인공지능(AI)과 머신러닝 기반 솔루션 활용한 성공적인 금융 디지털 혁신 방안 공유 ATB 파이낸셜·NH농협은행, SAS 바이야로 업무 생산성 향상 및 최적의 고객 서비스 제공 2019년 3월 7일 – 세계적인 분석 선두 기업 SAS(쌔스)코리아(www.sas.com/korea)가 6일(수) 서울 여의도 콘래드호텔에서 국내 주요 금융권 관계자가 참석한 가운데 인공지능(AI)과 머신러닝(ML)
불과 몇 년 전 까지만 해도 ‘데이터 사이언티스트’라는 단어는 많은 사람들에게 꽤나 생소한 단어였을 것입니다. 하지만 4차 산업혁명이 이미 산업 전반에 깊숙이 자리한 오늘날, 빅데이터 분석이 핵심 역량으로 부상하며 데이터 과학자(data scientist)의 인지도 역시 굉장히 높아졌습니다. 단순히 인지도뿐만이 아닙니다. 세계 최대 취업 정보 사이트 글래스도어(Glassdoor)가 발표한 2019년 ‘미국 최고 직업
2019년에도 인공지능(AI)은 여전히 모든 기관 및 조직들에게 큰 화두일 것으로 보입니다. 인공지능 기술을 통해 기관은 대량의 데이터를 빠르게 분석하고 반복적인 업무 프로세스를 자동화하며, 투명성을 높임으로써 전반적인 운영 효율을 개선할 수 있습니다. 이러한 혁신은 이제 더 이상 첨단 IT 기업들만의 성공 사례가 아닙니다. 새해를 맞이하여 공공 기관이 효과적으로 AI 전략을 구현하기
치타가 멸종 위기 동물이라는 사실, 알고 계셨나요? 치타의 개체 수는 지난 세기 동안 93% 감소했습니다. 또 치타는 기존 아프리카 서식지의 76%에서 더 이상 발견되지 않습니다. 분석과 인공지능(AI)으로 치타와 같이 멸종 위기에 처한 동물을 보호할 수 있다면? 그리고 그 과정에 여러분 모두가 참여할 수 있다면 어떨까요? 동물 보호 비영리 단체 와일드트랙(WildTrack)은 발자국과 클라우드소싱에서
소비자들은 다양한 산업에 빠르게 도입되고 있는 인공지능(AI)을 어떻게 받아들이고 있을까요? SAS가 최근 미국인 500명을 대상으로 조사한 결과, 소비자들은 금융이나 소매 분야보다 의료 산업의 인공지능 기술을 더욱 편안하게 여기는 것으로 나타났습니다. 특히 응답자의 47%는 수술 중에도 기꺼이 인공지능 기술의 도움을 받겠다고 답했는데요. 또 10명 중 6명(60%)은 의사가 애플워치나 핏비트와 같은 웨어러블 기기의 데이터를
지난 4월 8일부터 11일까지 미국 콜로라도주 덴버에서 세계 최대 규모의 분석 컨퍼런스 ‘SAS 글로벌 포럼 2018(SAS Global Forum 2018)’이 성황리에 개최됐습니다. 전 세계 SAS 고객, 파트너, 오피니언 리더, 산업별 전문가, 학생 등 3만명 이상이 참석한 가운데 빅데이터, 인공지능(AI), 사물인터넷(IoT), 사기 방지 등 최신 분석 트렌드에 대한 다양한 논의가 진행됐는데요. 그 최고의 순간들을
‘스포츠 분석’이라고 하면 아마 많은 분들이 브래드 피트 주연의 영화 ‘머니볼(Moneyball)’을 떠올리실 텐데요. 이 영화는 2002년 분석을 활용해 오클랜드 애슬레틱스(Oakland Athletics) 야구팀을 승리로 이끈 빌리 빈(Billy Beane) 단장의 이야기를 다룹니다. 빈 단장은 스포츠 분석의 기반을 세웠지만, 오늘날 그 활용 범위는 훨씬 더 넓어졌죠! 몇 가지 예만 봐도 스포츠 분야에서 분석이 얼마나
올 초 애플이 미국 빅데이터 컨설팅 스타트업인 ‘실리콘 밸리 데이터 사이언스(Silicon Valley Data Science)’에서 창업자를 포함한 수십 명의 직원을 영입하며 화제를 모았습니다. 이전에는 인공지능(AI) 기반 데이터 분석 플랫폼 업체 ‘래티스(Lattice)’를 인수하고 하둡의 공동 창시자인 마이크 카파렐라를 스카웃하기도 했습니다. 구글 역시 60만 명의 데이터 과학자가 활동하는 호주 멜버른 기반의 스타트업인 ‘캐글(Kaggle)’을
인공지능 활용 엔터프라이즈 분석 가능한 ‘SAS 플랫폼’ 최신 오퍼링 출시 SAS 코리아, 최신 머신러닝·자연어처리 등 인공지능(AI) 활용 분석 기능 강화 머신러닝·자연어처리로 비정형 데이터 가치 극대화 및 전 과정 시각화하는 엔드투엔드 비주얼 환경 제공 웹 인터페이스로 전체 분석 라이프사이클을 통합하고, 초보자부터 전문가까지 전사 협업 지원 미국적십자사·시스코·뮌헨재보험 등 도입… 분석 인사이트로 비즈니스
2월, 봄기운을 느끼기에는 아직 추운 날씨지만 꽃 수요가 집중된다고 하는데요. 바로 2월 14일 발렌타인 데이와 졸업식 시즌 때문입니다. 올해도 어김없이 거리는 로맨틱한 분홍빛으로 물들고 있는데요. 이맘때면 초콜릿, 셔츠, 넥타이, 향수 등 선물 고르기에 골머리를 앓는 분들도 많아지죠. 물질만으로 사랑하는 마음을 다 표현할 수는 없기에 더욱 어려운 일인 것 같습니다. 그런데
우리 모두가 개인 비서의 도움을 받는 세상, 상상이 가시나요? 어쩌면 빠르게 다가올지도 모르겠습니다. 바로 가상 비서, 챗봇 기술의 발전 덕분인데요! 챗봇(chatbot)은 채팅(chatting)과 로봇(robot)의 합성어로 자연어 처리(NLP; Natural Language Processing)와 인공지능(AI)을 이용해 사람과의 대화를 시뮬레이션하고 응답을 도출하는 컴퓨터 프로그램입니다. 쉽게 말해 사람의 이야기에 알맞은 답이나 정보를 제공할 수 있는 기계죠. 단순하고 자동화된 작업을 처리할
금융감독원에 따르면 2017년 상반기 적발된 보험 사기 금액은 전년 동기 대비 6.4% 증가한 3,703억원으로 역대 최고치를 기록했습니다. 또한 보험연구원은 2014년 기준 보험 사기로 인한 누수 금액이 무려 4조5,000억원에 달하는 것으로 발표했는데요. 특히 전문 브로커가 연루되는 등 사기 수법 또한 지능적, 조직적으로 진화함에 따라 보다 체계적인 조사 방식과 분석 시스템의 필요성이 높아지고
자율주행차, 커넥티드 기기, 디지털 트랜스포메이션, 사물인터넷(IoT), 머신러닝, 인공지능(AI), 자동화 등 2017년 한 해를 주도해온 기술 트렌드는 2018년은 물론 그 미래에까지도 계속될 것입니다. 실질적인 차이는 이 기술들의 결합에서 찾을 수 있는데요. 한 예로, 인공지능과 사물인터넷은 그 자체로 트랜스포메이션의 성격(transformative)을 지닙니다. 사물인공지능(artificial intelligence of things)으로 구현될 연결되고 자동화된 세상의 디지털 트랜스포메이션을 상상해보세요. 2018년에는 지능(intelligence)과
음악 추천부터 대출 심사, 직원 평가, 암 진단까지 현대 사회는 인공지능(AI)과 머신러닝 기반의 애플리케이션에 둘러싸여 있습니다. 기계가 사람을 대신해 내린 의사결정에 점점 더 많은 영향을 받고 있는데요. 일상적인 것부터 사람의 목숨이 걸린 중대한 의사결정에 이르기까지 우리는 머신러닝 모델에 수많은 질문을 던집니다. 이때 질문에 대한 답변은 ‘예측 모델’이 결정합니다. 생소하고 어려운 개념인데요. 데이터
일본의 한 보험 회사가 올해부터 보험 계약 절차와 정보 조회 등 사무 작업의 90%를 인공지능(AI)으로 대체, 전사 업무 부담을 20% 가량 경감할 것으로 발표하며 이목을 모았습니다. 국내에서도 이처럼 보험과 IT 기술을 융합한 인슈어테크(Insure + Tech) 서비스가 속속들이 출시되며 보험 업계의 비즈니스 모델이 빠른 속도로 다각화되고 있는데요. 오늘은 보험 선진국으로 평가 받는 유럽의
현대 기업에게 금융 사기, 이상 거래 탐지는 분명 어려운 도전과제입니다. 실제 사기 거래 발생률은 낮고 기업 활동의 극히 일부분에 해당되지만, 문제는 적절한 툴과 시스템을 갖추지 않는다면 엄청난 금전적 손실을 야기하는 범죄로 빠르게 이어질 수 있다는 것입니다. 더군다나 금융 사기 범죄자들은 계속해서 새로운 사기 수법을 고안해내고 점차 정교해지고 있는데요. 한가지 좋은
현존 최고의 데이터 과학자들이 뽑은 머신러닝 알고리즘 개발 베스트 프랙티스! 그 대망의 마지막 시간입니다. 이전 블로그를 통해 다양한 유형의 모델을 결합하는 방법을 소개해드렸다면, 오늘은 다양한 유형의 데이터를 결합하고, 모델의 다양한 변수를 활용하는 방법에 대해 이야기하고자 합니다. 이전 시리즈를 놓치셨나요? 블로그 1탄, 블로그 2탄을 참고해주세요. 기본기 다지기 희귀한 이벤트 탐지하기 수많은 모델 결합하기 모델
분석이 매 순간, 데이터가 존재하는 모든 곳에 적용된다면 어떤 일들이 가능해질까요? 오늘날 우리는 데이터가 사회와 경제를 움직이는 ‘데이터 이코노미’ 시대에 살고 있습니다. IDC는 오는 2025년 전 세계 데이터 양이 현재의 10배에 달하는 163제타바이트(ZB)에 이를 것으로 전망했는데요. 그러나 데이터는 그 자체만으로 유용하지 않습니다. 모든 데이터는 대기 시간과 유효 기간의 속성을 지니기
현존 최고의 데이터 과학자들이 뽑은 머신러닝 알고리즘 개발 베스트 프랙티스! 그 두 번째 시간입니다. 시리즈를 처음 접하시는 경우 블로그 1탄을 참고해주세요. 기본기 다지기 희귀한 이벤트 탐지하기 수많은 모델 결합하기 모델 적용하기 국소 최적해에 빠지는 것을 방지하기 위해 모델 오토튜닝하기 시간 효과(temporal effect) 관리하기 '일반화' 이해하기 Chapter 5. 국소 최적해에 빠지는 것을 방지하기
“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
