당신은 주제를 찾고 있습니까 “알고리즘 빅 데이터 – 알고리즘이 지배하는 세상(1부) 4차산업혁명, 인공지능, 빅데이터, 머신러닝)“? 다음 카테고리의 웹사이트 you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 Care Corners 이(가) 작성한 기사에는 조회수 20,041회 및 좋아요 500개 개의 좋아요가 있습니다.
알고리즘 빅 데이터 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 알고리즘이 지배하는 세상(1부) 4차산업혁명, 인공지능, 빅데이터, 머신러닝) – 알고리즘 빅 데이터 주제에 대한 세부정보를 참조하세요
4부 알고리즘이 지배하는 세상
4차 산업혁명의 알고리즘 사회, 과연 공정할까?
전문가들은 이제 컴퓨터가 스스로 학습할 뿐 아니라 모든 종류의 데이터에 대해 최적의 알고리즘을 스스로 만들어내는 사회가 도래할 것이라 예견한다. 앞으로는 인간이 아닌 머신러닝 알고리즘이 개별 고객의 취향을 모두 나타내는 수십억 개의 규칙을 스스로 학습하여 맞춤형 서비스를 제공하게 된다고 한다. 많은 기업들이 이런 발전에 열광하지만 다른 한편에서는 이런 알고리즘의 발전이 초래할 예측 불허의 사회, 혹은 불공정 사회를 염려한다. 알고리즘은 대부분 효율성과 확장성이란 이유로 다수의 대중들을 대상으로 하기 때문에 익명으로 처리되는 사회적 약자와 가난한 사람들을 더 차별하고 소수의 부자는 더욱 더 부자로 만들어주는 빈익빈 부익부 현상을 가속화시키는 경향을 가질 수 밖에 없다. 한국 역시도 이미 이런 일들이 벌어지고 있다. 우리는 알고리즘이 지배하고 있는 이 세상을 어떻게 바라봐야 하는가?
영상 제작 후원 :
하나은행 805-910015-77107 이보람
paypal : [email protected]
홈페이지 : www.carecorners.com
인스타그램 : carecorners
페이스북 : carecorners
#알고리즘 #딥러닝 #머신러닝 #신용대안평가 #ACSS #은행 #금융 #등급화 #계급화 #면접 #채용 #인사 #AI #4차산업
알고리즘 빅 데이터 주제에 대한 자세한 내용은 여기를 참조하세요.
[현장 돋보기] 빅데이터 시대, 똑똑한 알고리즘이 중요해지는 이유
[현장 돋보기] 빅데이터 시대, 똑똑한 알고리즘이 중요해지는 이유 – 매일경제, 섹션-business, 요약-하드웨어, 소프트웨어, 네트워크 기술이 급격히 …Source: www.mk.co.kr
Date Published: 9/17/2022
View: 199
환상의 짝꿍, 빅데이터와 AI의 절묘한 만남이 가져오는 시너지 …
또 머신러닝 알고리즘은 빅데이터를 사용해 미래 트렌드를 학습하고, 이를 예측해 기업에 전달한다. 머신러닝 네트워크는 상호 연결된 컴퓨터의 도움으로 …
Source: www.aitimes.com
Date Published: 1/27/2022
View: 9093
알고리즘과 빅 데이터 : 코드와 흐름의 잉여가치 – DBpia
이 연구는 현대 자본주의 잉여가치 생산의 핵심 요소로 등장한 알고리즘과 빅 데이터의 경제적 성격을 살아 있는 노동의 차원에서 탐구한다. 각각 고정자본과 유동자본 …
Source: www.dbpia.co.kr
Date Published: 8/22/2021
View: 9409
[2020 여름호] 2 – 빅데이터 분석 알고리즘
비정형 데이터 분석 알고리즘. 빅데이터를 분석하기 위해선 기본적으로 빅데이터 분석 인프라 기술을 기반으로 그 위에 다양한 분석 방법 및 기계학습, …
Source: postechian.postech.ac.kr
Date Published: 2/22/2022
View: 992
알고리즘 VS 데이터 – 브런치
이제 AI의 지능은 알고리즘 기반에서 데이터 기반으로 바뀌었다. … 성능 덕분에 빅데이터가 주목을 받게 되면서 학자들은 알고리즘만큼이나 데이터 …
Source: brunch.co.kr
Date Published: 7/30/2021
View: 4615
데이터 전문가들이 꼭 알아야 할 알고리즘 5개 – 한국경제
데이터 패턴 인식을 위한 다양한 알고리즘이 선보이고 있다 인공지능(AI)의 핵심은 데이터에 있다고 해도 과언이 아닙니다. 데이터 과학자들은 이 …
Source: www.hankyung.com
Date Published: 8/15/2022
View: 6960
빅데이터 알고리즘의 성차별 가능성에 대한 실증적 분석과 개선 …
빅데이터 알고리즘의 성차별 가능성에 대한 실증적 분석과 개선방안 · Experimental Study and Institutional Initiatives on Gender Discrimination of Big Data Algorithm …
Source: scienceon.kisti.re.kr
Date Published: 3/9/2022
View: 1973
빅데이터 분석 유형 및 알고리즘 맵
빅데이터 분석 유형 및 알고리즘 맵 ; ㅁ 묘사 분석(Descriptive Analytics). 과거나 현재 어떤 일이 발생했는지 분석; 과거 비즈니스 활용하여 수행 결과 …
Source: dbrang.tistory.com
Date Published: 9/6/2022
View: 5358
주제와 관련된 이미지 알고리즘 빅 데이터
주제와 관련된 더 많은 사진을 참조하십시오 알고리즘이 지배하는 세상(1부) 4차산업혁명, 인공지능, 빅데이터, 머신러닝). 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 알고리즘 빅 데이터
- Author: Care Corners
- Views: 조회수 20,041회
- Likes: 좋아요 500개
- Date Published: 2020. 10. 5.
- Video Url link: https://www.youtube.com/watch?v=bfDorSomV6g
[현장 돋보기] 빅데이터 시대, 똑똑한 알고리즘이 중요해지는 이유
하드웨어, 소프트웨어, 네트워크 기술이 급격히 발전함에 따라 온라인에서 막대한 데이터가 쏟아져 나오는 가운데, 개인화된 서비스와 경험은 필수가 되었다. 실제로 개인이 컴퓨터나 휴대폰 같은 모바일 기기를 이용해 인터넷에 접속할 때마다 쉽게 접하는 정보 대부분이 개인화된 사용자 맞춤형 콘텐츠로 노출되고 있다. 음악 등과 같은 스트리밍 애플리케이션(앱)에서의 콘텐츠 추천부터 연관성 없는 광고 배제에 이르기까지 이제 소비자들은 이러한 맞춤형 콘텐츠를 선제적으로 원하기도 하고 직접 관리도 가능한 시대가 도래했다.이러한 개인화된 콘텐츠나 서비스는 근본적으로 고객의 편리한 삶을 가능하게 하기 위함이며, 데이터를 기반으로 더 나은 고객 경험을 만들어 가고 있다. 혹자는 데이터를 ‘이 시대의 원유’에 비유하기도 한다. 하지만 원유, 즉 석유의 가치는 소수가 통제하는 유한한 자원인 반면, 데이터의 가치는 데이터 양이 방대하거나 증가할 때 기하급수적으로 높아진다는 점이 다르다. 정부는 물론 디지털 결제 분야의 세계적 기업인 비자(Visa) 등을 포함한 여러 기업이 흩어진 데이터를 공동으로 활용하는 개방형 데이터 경제(open data economy)를 추구하는 이유도 여기에 있다. 좀 더 풍부한 데이터 세트(컴퓨터가 처리하거나 분석할 수 있는 형태로 존재하는 관련 정보의 집합체)를 만들기 위해서는 데이터가 업종과 국경의 제약 없이 이동할 수 있어야 한다. 그러나 데이터를 확보하는 일은 개인화된 콘텐츠를 찾는 문제를 풀기 위한 방정식의 한 가지 항목에 불과하다.알고리즘은 이러한 데이터에 ‘의미’를 부여한다는 점에서 큰 역할을 한다. 알고리즘은 데이터를 유용한 정보로 전환하는 명령어의 집합이라고 할 수 있는데, 이는 마치 인체의 근육처럼 영양을 공급해주고 자주 사용할수록 강해지는 특성이 있다. 알고리즘 또한 데이터라는 연료를 공급하면 인간의 행동을 더욱 체계적으로 분석하고 소비자의 요구를 좀 더 정확하게 맞춰 나간다.전 세계를 통틀어 아시아·태평양은 알고리즘이 기여할 수 있는 잠재력이 상당히 큰 지역이다. 국가별 하루 평균 인터넷 사용 시간을 살펴봤을 때 전 세계 상위 10개 국가 중 5개국이 아시아·태평양에 속한 것으로 나타났으며 그중 1위인 필리핀은 무려 9시간45분을 기록하기도 했다.최근에는 국내에서도 점점 더 많은 소비자가 알고리즘에 대해 관심을 갖기 시작했다. 이는 데이터 수집과 활용의 투명성을 높이는 결과로 이어져 업계에 긍정적인 영향을 미치고 있다. 또한 소비자들이 자신의 데이터를 아주 중요한 자원이자 무분별한 사용으로부터 보호해야 하는 정보로 여기는 인식이 확산됨에 따라 기업과 정부는 복잡한 소비자 동의 절차와 보안에 더욱 신경 쓰고 있다. 특히 아시아·태평양 지역 각국은 데이터에 대한 국가 간 관점의 차이가 커 데이터를 제공하고 사용하는 데 있어 국가별 활용도의 편차가 점점 커지고 있다. 아시아 보안 뉴스 매체 시큐리티 브리프(Security Brief)에 따르면 좀 더 나은 소비자 경험을 위해 개인정보를 제공할 의향이 있느냐는 질문에 일본은 43%로 가장 적게 나타난 국가였으나 중국은 82%로 가장 높은 수치를 기록했다.이처럼 각국에서 개인정보를 좀 더 편리하고 나은 사용자 경험과 개인정보를 맞교환하는 일에 대해 상이한 가치관을 지니고 있는 가운데, 어떤 방식으로 데이터를 활용하든 ‘데이터 안전과 보안’은 사전에 반드시 전제돼야 하는 필수조건이다. 이를 위해 개인의 프라이버시를 존중하고 개인이 공유할 데이터 종류와 대상을 직접 관리할 수 있는 체계를 마련해야 한다.데이터가 맞춤형 서비스 제공에 활용된다는 사실은 이제는 누구나 다 아는 사실이지만, 누가 어떤 데이터를 어떻게 활용하고 있는지는 아직 베일에 가려 있다. 다행히도 우리는 불투명한 데이터 활용 관행을 해소할 수 있는 해결책을 찾아가고 있다. 바로 고유한 디지털 식별정보를 생성함으로써 개인정보 활용 방식을 소비자들에게 투명하게 공개하고 기업과 정부의 데이터 관리 권한을 유지하는 방식이 그중 하나다. 이와 함께 고도화된 새로운 알고리즘을 연구하고 이를 개인화된 서비스나 콘텐츠 제공에 적용한다면 고객 만족도는 더 높이면서 동시에 데이터 프라이버시까지 보호하는 효과를 얻을 수 있을 것이다. ‘알고리즘’은 앞으로 업계에서 가장 크게 중점을 둬야 할 사안이다.[김진엽 비자코리아 이사][ⓒ 매일경제 & mk.co.kr, 무단전재 및 재배포 금지]
환상의 짝꿍, 빅데이터와 AI의 절묘한 만남이 가져오는 시너지 효과는 과연 무엇일까?
(출처=셔터스톡)
빅데이터와 인공지능(AI)에 대한 기업의 관심사가 더욱 커지는 가운데 오는 9월 9일에는 서울에서 국내 언론사가 주최하는 ‘2021 AI & Big Data Smart Convergence’ 무료 온라인 콘퍼런스가 열릴 예정이다.
4차 산업혁명의 핵심인 인공지능과 그 연료가 되는 빅데이터의 절묘한 조합은 그동안 알고리즘이 해결하지 못한 문제들을 척척 해결하면서 기업들의 인기를 얻고 있다.
무한한 바다와 같은 빅데이터 저장소 안에서 인공지능은 마치 보물을 찾는 탐험자처럼 가치있는 패턴을 찾아내기 위해 나날이 진화하고 있다.
데이터베이스 전문 IT 어드바이저 ‘클리프 스탠턴(Cliff Stantan)’은 지난 19일 전 세계 AI 기술 뉴스를 전달하는 아이토리티(AiThority)에 “인공지능이 데이터 캡처를 혁신하는 방법”이란 제목의 칼럼을 썼다.
이 칼럼에서 스탠턴은 빅데이터의 유일한 문제점이 크기라고 지적했다. 즉, 여력이 있는 기업들은 빅데이터를 통해 정확한 예측을 할 수 있지만, 중견기업들은 앞에 놓인 수많은 데이터에 어떻게 해야 할 지 자주 당황한다는 것이다.
하지만 이 문제를 해결한 것이 바로 인공지능(AI)이며, 빅데이터 캡처의 새로운 가능성을 열면서, 방대한 데이터셋의 수집, 처리, 분석을 자동화할 수 있는 시대가 열리고 있다고 그는 설명했다.
스탠턴에 따르면, AI가 빅데이터 분석에 혁명을 일으키고 있는 4가지 방법은 다음과 같다.
우선, 복잡한 데이터 캡처 속도를 향상시킬 수 있다. 지능형 데이터 캡처(IDC)에 AI를 사용하면, 지루하고 시간이 많이 소요되는 수동 데이터 입력없이 다양한 이질적인 소스로부터 데이터를 가져와 분석에 필요한 형식으로 변환할 수 있다.
수동 데이터 입력이 사라지면서, 더 많은 데이터 소스를 마이닝하는 동시에 직원을 수익 창출 작업에 투입하고, 수동 오류 위험을 줄일 수 있다는 설명이다.
다음으로, 데이터 품질이 향상된다. AI 데이터 추출은 수동 데이터 입력 오류의 위험을 줄일 뿐만 아니라 데이터 유효성 검사를 수행해 데이터의 품질을 더욱 높이고 다른 소스 또는 여러 유사한 데이터 세트와 비교할 수 있는 것이다.
또 데이터 컨텍스트를 추가시킬 수 있다. 제공되는 비즈니스 데이터셋이 많을수록 통찰력이 높아지며, AI 데이터 캡처는 상황별 정보를 보존해 데이터 중심 통찰력의 범위를 넓히고, 더 많은 활용 사례와 관련시킨다.
마지막으로, 데이터 분석을 간소화시킬 수 있다. AI와 머신러닝(ML)이 등장하기 전에는 데이터와 분석이 별개였지만 증강 분석이라고 불리는 AI 분석 도구가 이를 통합해 모든 것을 변화시켰다고 스탠턴은 설명했다.
AI, 빅 데이터의 모든 요소와 호환 가능
인포비전(InfoVision)의 혁신 책임자(CTIO) ‘치트레이 마니(Chithrai Mani)’는 지난해 10월 20일 포브스에 쓴 빅데이터 분석과 관련한 글에서 “빅데이터가 기업들의 성공의 배경이란 점은 더 이상 비밀이 아니지만 갈수록 빅데이터를 효율적으로 사용하는 것이 어려운 과제가 되고 있다”라고 주장했다.
그러나 그 해결책 역시 인공지능이라고 그는 강조했다. 즉, 데이터는 머신러닝 시스템에 호재이며, 더 많은 데이터를 받을수록 머신러닝은 더 잘 배우기 때문에 기업들은 빅데이터 분석에 머신러닝 채택 가능성을 극대화하고 있다는 것이다.
치트레이에 따르면, 빅데이터 분석은 추세와 패턴을 파악해 데이터를 이해할 수 있는데 머신러닝은 의사결정 알고리즘을 통해 이 프로세스를 가속할 수 있다. 입력되는 데이터를 분류, 패턴을 인식하며, 데이터를 유용한 통찰력으로 변환할 수 있는 것이 바로 머신러닝이란 설명이다.
머신러닝 알고리즘의 장점은 또 있다. 데이터 레이블 지정 및 세분화, 데이터 분석 및 시나리오 시뮬레이션을 비롯한 빅데이터 운영의 모든 요소에 구현할 수 있기 때문이다.
치트레이는 다음의 몇 가지 사례를 들어 그 둘의 관계를 설명했다.
시장 조사와 고객은 모든 사업의 초석으로 기업은 잠재 고객의 마음 속에 파고들어 통찰력 있는 데이터를 제공할 수 있는 시장 조사를 수행해야 한다. 이에 머신러닝은 지도 및 비지도 알고리즘을 사용해 소비자 패턴과 행동을 정확하게 해석, 이런 기업의 비즈니스 업무를 돕는다.
머신러닝은 고객들의 행동을 탐구하고, 그들의 탄탄한 프레임워크(기본 개념 구조)를 만들 수 있다. 사용자 모델링으로 알려진 이 머신러닝 시스템은 빅데이터에서 중요 정보를 채굴해 비즈니스 기업이 현명한 결정을 내리도록 지원한다.
빅데이터와 머신러닝은 컨텍스트를 사용자 행동 예측과 결합해 온라인 활동을 기반으로 사용자 환경에 영향을 준다. 이를 통해, 고객이 흥미를 느끼는 올바른 제안을 할 수 있다. 일례로, 넷플릭스는 머신러닝 기반의 추천 시스템을 활용해 시청자에게 올바른 콘텐츠를 제안한다.
또 머신러닝 알고리즘은 빅데이터를 사용해 미래 트렌드를 학습하고, 이를 예측해 기업에 전달한다. 머신러닝 네트워크는 상호 연결된 컴퓨터의 도움으로 매일 매일 학습해 분석 능력을 향상시킬 수 있다.
머신러닝은 시계열 분석 기술을 사용하는데 이는 미래에 관한 결정을 쉽게 내리도록 돕는다. 특히 소매업체는 이 머신러닝 강화 방법을 사용해 매우 정확하게 미래를 예측해낸다.
마지막으로, 머신러닝은 데이터를 해독하는 데 매우 효율적이다. 예를 들면, 의료 및 의약품과 같은 부문은 많은 데이터를 처리해야 하는데 머신러닝의 경우, 초기 단계에서 환자들의 질병을 식별하기 위한 데이터 분석에 효율적인 것으로 알려져 있다.
빅 데이터와 AI를 활용하는 글로벌 브랜드들
B2B 전자 상거래가 일반화된 오늘날 기업이 온라인 구매 과정에서 겪는 고충은 한둘이 아니다. 의류를 예로 들 때, 신뢰성 여부가 불명확한 상품, 브랜드마다 다른 사이즈, 체형과 다른 제품, 빠른 패션 트렌드로 인한 구매 감소 등 수없이 많은 돌발 상황이 발생한다.
그러나 글로벌 브랜드 기업들은 일찍부터 빅 데이터와 인공지능을 활용해 다변화하는 고객 트렌드에 맞춘 경영을 하고 있다.
전 세계 수많은 과학자의 연결 고리인 콜랩트리(Kolabtree) 블로그에 지난 2018년 6월 11일 AI/빅 데이터 저술가 ‘네이던 사이크스(Nathan Sykes)’는 스타벅스, 버버리 등 글로벌 브랜드 기업들이 빅데이터와 AI를 활용해 실적을 높이고, 매출을 증대한 혁신적인 방법들 소개했다.
다음은 네이던이 전하는 빅데이터와 AI를 활용해 매출을 높이고, 맞춤형 경험을 전달하는 몇 가지 실제 사례다.
스타벅스는 고객이 카운터에 도착하기도 전에 모바일 앱과 빅데이터를 사용해 바리스타에게 선호하는 주문을 표시해 준다. 특히, 가장 바쁜 시간대에 주문과 서비스 시간을 단축시켜준다.
스타벅스 리워드 프로그램과 모바일 앱의 회원들은 음료 주문과 더불어 앞으로의 주문도 요청한다. 이와 동시에 이 고객 습관과 구매 선호도에 대한 많은 정보가 수집돼 빅데이터에 저장된다.
스타벅스는 이 정보를 사용해 더욱 적절한 마케팅 캠페인과 프로모션을 구축하고 신규 매장 또는 잠재적 사업 위치를 결정하며, 심지어 향후 메뉴 업데이트도 결정할 수 있다.
영국의 유명 패션 브랜드 버버리도 빅데이터와 AI를 활용해 실적과 매출, 고객 만족도를 높이는 기업으로 유명하다. 버버리의 고객들은 모바일 앱을 통해 충성도와 보상 프로그램을 이용한다.
버버리 직원과 영업 보조원들은 특정 고객에 대한 구매 제안 및 추가 정보를 제공하는 회사 소유 태블릿에 액세스할 수 있다. 이들은 고객의 구매 내역, 선호도 및 소셜 미디어 활동까지 볼 수 있다. 고객은 이 데이터를 사용해 보다 개인화된 경험을 제공받을 수 있다.
패스트푸드 전문점 맥도날드의 최신 업데이트된 모바일 앱을 통해 고객은 거의 전적으로 모바일로 주문하고 결제할 수 있다. 더 즐거운 경험을 위해 그들은 독점 거래도 이용한다. 편의에 대한 대가로 맥도날드는 청중들에 대한 필수적인 정보를 수집한다.
고객이 어떤 음식과 서비스를 주문하는지, 얼마나 자주 또는 심지어 드라이브스루에 방문하는지, 아니면 안으로 들어가는지도 알 수 있다. 이렇게 수집된 빅데이터를 통해 보다 타깃화된 프로모션과 제안을 할 수 있다.
AI 챗봇은 최고의 빅 데이터 수집기
최근 들어 많은 기업들이 빅데이터를 이용해 고객 서비스 및 마케팅 전략을 개선하고, 투자수익률(ROI)을 높이고 있다. 과거에는 이러한 정보를 수집하기 위해 이메일 마케팅과 다양한 소셜 미디어 플랫폼에만 의존했다. 그러나 챗봇의 발명은 데이터 수집의 혁신을 가져왔다.
지난 2019년 8월 13일 마크 테드슨(Mark Tedson)은 ‘유어스토리 미디어(YourStory Media)’에 기업이 빅데이터와 챗봇을 사용해 차별화하는 전략을 소개했다.
마크에 따르면, 빅데이터 수집은 볼륨, 속도 및 다양성 등의 세 가지 요소를 기반으로 한다. 이를 충족시킬 수 있는 것이 바로 챗봇이라고 마크는 주장했다.
24시간, 365일동안 일할 수 있는 챗봇은 다양한 방법으로 빅데이터 수집을 가속하고, 쉽게 해주기 때문이다.
마크는 “시리, 알렉사, 구글 미니 등과 같은 챗봇들이 모바일 앱과 마찬가지로 고객 경험을 높이기 위해 기업들 사이에서 인기를 끌고 있다”고 밝혔다.
마크의 설명에 의하면, AI로 작동하는 챗봇은 필요할 때마다 사용자의 질의에 응답하고, 도움말과 정보를 제공하는 최고의 AI 에이전트다. 한 번에 여러 개의 쿼리(질의)를 처리할 수 있으므로 직원들의 시간과 노력을 절약해준다.
따라서 챗봇은 최고의 빅데이터 수집기라고 그는 주장했다. 챗봇은 자료를 수집한 후, 이를 분석해 더 나은 서비스를 제공하고, 고객 경험을 향상시킨다는 것이다.
챗봇은 감성 분석을 통해 사람의 감정반응을 문자메시지를 통해 파악할 수 있다. 이러한 챗봇 데이터는 이용자의 정서를 파악하는 데 활용되며, 서비스 개선으로 이어지는 정보를 제공한다. 이 모든 것은 빅데이터와 챗봇의 협업을 통해 가능하다고 마크는 설명했다.
고객과의 대화에서 챗봇의 기능은 두 가지다. 하나는 대화 캐쳐 역할이며, 또 하나는 회사가 모든 상호작용을 기록하는 데에도 도움을 주는 것이다. 자연어 처리를 이용하면 고객이 원하는 것에 대한 통찰력을 얻을 수 있는 실제 데이터 저장소를 만들 수 있다고 마크는 주장했다.
또 챗봇을 통해 검색된 데이터는 전용 비즈니스 인텔리전스 툴을 만드는 데 도움이 된다. 대부분의 챗봇은 패턴 인식을 사용해 텍스트를 분류하고, 고객에게 적합한 응답을 제공하기 때문이다.
결론적으로, 마크는 “데이터는 실행가능한 통찰력으로 변환되지 않으면, 아무 소용이 없다”고 강조했다. 이에 대해 챗봇은 고객 데이터 및 예측 분석의 도움으로 고객 경험을 높일 수 있는 맞춤형 응답을 제공해 고객에 대한 통찰력을 높이는 데 도움을 준다고 마크는 답했다.
AI타임스 조행만 객원 기자 [email protected]
[관련 기사]”의료 데이터 개방, 계속 지연되면 의료 AI 기업 영속 어렵다” [관련 기사]한국·싱가포르·영국 손잡고 의료 AI 사용 가이드 개발…KAIST가 주도
알고리즘과 빅 데이터 : 코드와 흐름의 잉여가치
이 연구는 현대 자본주의 잉여가치 생산의 핵심 요소로 등장한 알고리즘과 빅 데이터의 경제적 성격을 살아 있는 노동의 차원에서 탐구한다. 각각 고정자본과 유동자본으로 분류되는 알고리즘과 빅 데이터는 대부분 기업의 지적재산으로 귀속된다. 그러나 부와 가치의 생산이 점점 더 사회-공장에 의존하는 오늘날의 일반 지성과 정동의 시대에 그것들은 자본의 독점적 소유물이라기보다는 오히려 고용 관계를 넘어선 살아 있는 노동으로 이해되어야 한다. 코드의 잉여가치를 창출하는 알고리즘은 이미 대중 지성의 산물이며, 그것의 지배적 개발 방식인 오픈-소스 모델은 알고리즘이 자본의 배타적 생산물로 남기 어려운 중요한 근거가 된다. 흐름의 잉여가치를 낳는 빅 데이터는 네트워크 속 인간과 비인간 행위자들의 상호작용과 관계의 산물, 즉 정동이다. 그리고 이러한 빅 데이터의 정동 가치는 비-언어적이고 비-의식적 수준에서 개인(individuals)을 분할체(dividuals)로 전환하는 수많은 데이터 파생 상품들을 통해 상품화되고 화폐화된다. 알고리즘과 빅 데이터에 대한 자본의 독점적 재산권은 정동 인클로저를 가속하는 핵심 장치이지만, 코드와 흐름의 잉여가치는 더 이상 자본 투입과 이윤 산출 사이의 전통적인 선형적 관계를 따르지 않는다. #알고리즘 #빅 데이터 #정동 #지적재산 #살아 있는 노동 #잉여가치 #affect #algorithm #big data #surplus value #machine #affect-broker
알고리즘 VS 데이터
“고양이는 참치 통조림을 이해하지만, 우리와 같은 방식으로 이해하지 않는다.
사람들은 주변의 물건들에 대해 서로 다른 방식과 다른 수준의 이해력을 가지고 있다”
– 요슈아 벤지오
최근 20년동안 AI를 연구하는 학자들이 깨달은 사실 중 하나는 데이터가 알고리즘보다 중요하다는 것이다. 이제 AI의 지능은 알고리즘 기반에서 데이터 기반으로 바뀌었다. 이를 뒷받침하는 핵심기술이 머신러닝이다. 수많은 공식이 중첩된 논리적 판단보다는 데이터베이스의 경험을 참조로 하는 개연적 판단이 주가 된 것이다. 그렇다고 해서 소프트웨어의 미래가 알고리즘에서 데이터로 완전히 전환된 것은 아니다. 알고리즘과 데이터는 별개의 것들이 아니다. 알고리즘은 데이터를 필요로 하고, 데이터 역시 알고리즘을 필요로 한다. 알고리즘이란 수학적으로 완결된 논리구조를 통칭하는 말이다. 간단하게 말하자면 어떠한 문제를 푸는데 필요한 단계와 순서를 명시한 것이다. 그리고 알고리즘을 컴퓨터가 처리할 수 있게 표현하는 것이 소프트웨어다. 일부 인류학자들은 인류가 이뤄낸 가장 큰 혁신이 언어이고, 그 다음으로 중요한 것이 문자의 발명이라고 말한다. 이와 유사하게 컴퓨터를 만들어낼 수 있었던 근본 가치는 알고리즘에 있으며, 가장 큰 혁신은 소프트웨어의 발명에 있다.
알고리즘의 역사
알고리즘의 기본은 판단과 처리에 있다. 이것은 if ~ then이라는 프로그래밍 문법 구조로 표현된다. 따라서 알고리즘은 프로그래밍과 컴퓨터에 최적화된 논리구조라고 할 수 있다. 알고리즘이라는 단어의 어원은 9세기경 페르시아 수학자였던 무하마드 알콰리즈미의 성을 라틴어로 표기한 알고리트미에서 유래했다. 사실 알고리즘의 발명은 2000년 전으로 거슬러 올라간다. 고대 그리스 유클리드의 <기하학 원론>이 최초의 알고리즘 문헌이다. 따라서 무하마드 알콰리즈미가 알고리즘을 최초로 발명한 사람은 아니다. 그럼에도 불구하고 9세기경 사람이었던 알과리즈미의 이름이 알고리즘의 어원이 된 데에는 다른 이유가 있다. 고대 그리스인들은 수학문제를 풀기 위해 기하학을 고안해냈다. 즉, 그림으로 수학을 표현하고 계산해 낸 것이다. 그에 반해 알콰리즈미는 대수적 표현법, 다시 말해 임의의 숫자를 문자로 치환하는 방식을 사용했다. x+y와 같은 식으로 말이다. 소프트웨어 프로그램에서 연산을 하기 위해 변수를 할당하는 것과 같은 이치다. 그림으로 개념을 표현하는 대신 문자를 직접 사용하여 수들 사이의 상호작용을 패턴으로 나타낼 수 있게 된 것은 기념비적인 발상이었다. 대수적 표현법이 알고리즘을 가능케 한 것이다.
알콰리즈미
이후 알고리즘과 컴퓨터는 불가분의 관계를 형성하며 발전해왔다. 1642년 프랑스의 수학자 파스칼이 최초의 기계식 계산기를 발명하였고, 독일의 수학자였던 라이프니츠는 덧셈, 뺄셈만 가능했던 파스칼의 계산기를 개량하여 곱셈과 나눗셈이 가능한 계산기를 만들었다. 이때 라이프니츠는 이미 기계적 계산에 적합한 언어는 이진코드라는 것을 알고 있었다. 다시 말해 0과 1이라는 디지털 세계의 도래를 라이프니츠는 예견했던 셈이다. 그로부터 150년 후 영국의 과학자였던 찰스 베비지가 차분기관을 발명하여 오늘날 컴퓨터의 원형을 제시하게 된다. 앨런튜링과 폰 노이만은 컴퓨터 역사에서 또한 결코 빼놓을 수 없는 인물들이다. 폰 노이만은 최초로 컴퓨터라는 것을 개념화시킨 과학자로 평가받으며, 그의 제자 앨런 튜링은 오늘날의 컴퓨터공학과 정보공학의 시조로 인정받는다.
과거 AI의 발전 역시 알고리즘에만 의존한 측면이 컸다. AI분야는 크게 두 부류로 나뉘었는데, 하나는 심볼릭AI라고 불리는 기호주의학파로 인간의 지식을 모두 기호로 만들어서 기호들의 관계를 표현하면 컴퓨터가 지능을 가질 수 있다는 사상을 기반으로 한다. AI라는 단어의 창시자로 알려진 마빈 민스키 박사가 대표적인 기호주의 사상가다. 이것은 알고리즘을 기반으로 하는 전통적인 연구방식으로 볼 수 있다. 다른 하나의 부류는 신경망(Neural Network)을 연구하는 연결주의 학파다. 이들은 인간의 뇌가 신경망으로 이루어져 있으므로 컴퓨터에 이와 비슷한 구조를 만들어내면 지능을 창조할 수 있다고 믿는다. 인터넷이 등장하고 무어의 법칙으로 일컬어지는 2년마다 두 배씩 증가하는 컴퓨팅 성능 덕분에 빅데이터가 주목을 받게 되면서 학자들은 알고리즘만큼이나 데이터 역시 중요하다는 사실을 깨달았다. 구글이나 페이스북과 같은 거대 IT기업들이 빅데이터의 발전을 가속화시키게 된다. 구글의 창업자인 래리 페이지는 구글이 검색기업이 아니라는 말을 공공연히 하고 다녔는데, 그가 말한대로라면 구글은 검색기업이 아니라 AI기업이다. 구글의 사명은 설립 때부터 검색을 더 좋게 하기 위해 AI를 사용하는 것이 아니라 AI를 개발하기 위해 검색을 사용하고 있다는 것이다. 그런 면에서 막대한 데이터와 검색능력을 보유한 구글이 AI 최신기술의 첨두에 서있는 것은 그리 놀랄만한 사실은 아니다.
합리주의 VS 경험주의
데이터가 점점 주목받게 된 것과 달리, 알고리즘을 사용한 기존 방식들은 하나둘 한계를 노출하게 된다. 컴퓨터 비전(Computer Vision)의 이미지 프로세싱 역시 과거에는 알고리즘에만 의존하고 있었다. 인간은 사람의 얼굴을 구분할 때 전체 얼굴을 보고 한 번에 누구인지 판단해낼 수 있으나 컴퓨터는 그와 같은 처리가 불가능하다. 컴퓨터가 이미지를 읽는다는 것은 결국은 픽셀을 하나하나씩 읽는 것에 지나지 않는다. 사람 역시 마찬가지로 조그만 구멍을 통해 한 번에 1제곱센티미터의 얼굴 면적만 보게 한다면 다른 사람의 얼굴을 분간해내기는 어렵다. 수많은 if then을 중첩하는 것은 한계가 있을 수밖에 없었다. 기존 알고리즘이였던 귀납적 논리 구조로는 이미지 프로세싱 분야의 더이상의 발전이 어려워진 것이었다. 고전적인 알고리즘와 소프트웨어 프로그래밍의 체계는 플라톤과 데카르트가 구축한 합리주의 모델에 기반한다. 프랑스의 철학자 르네 데카르트는 합리주의 철학, 다시 말해 이성을 중시하는 근대 철학의 아버지라 일컬어진다. 합리적이고 이성적인 철학의 바탕은 시간이나 비용을 최소화하는 효율과 논리에 있다. 데카르트가 제창한 방법 서설(Discours de la method)은 다음과 같은 네 단계로 이루어진다.
첫째, 분명하게 참이라고 확인할 수 없다면, 그 무엇도 받아들이지 말라.
둘째, 길고 어려운 문제는 내가 잘 이해하고 해결할 수 있을 정도로 짧게 끊어 접근하라.
셋째, 가장 단순하게 알기 쉬운 것으로부터 복잡하고 어려운 순서로 차근차근 탐구하라.
넷째, 이상의 세 단계에서 검토한 부분들은 빠짐없이 모은 다음 확인하고 전체적인 관점에서도 문제가 없는지 재검토하라.
일의 효율을 중요시하는 공학자나 개발자들이 일하는 방식과 유사하다. 이 철두철미한 접근법을 거치면 어떤 문제도 해결할 수 있을 것처럼 보인다. 과연 그럴까? 이 접근법의 가장 큰 문제는 문제를 해결할 수 있는 지식을 미리 가지고 있지 않으면 무용지물이라는 것이다. 문제의 해결방법을 모르면 당연히 문제를 해결할 수 없다. 인간이 모든 지식을 머릿속에 가지고 있을 수 없듯이, AI나 컴퓨터에게 사전에 필요한 모든 지식을 우겨넣는 것은 한계가 있을 수밖에 없었다. 돌파구를 마련한 것이 훈련용 데이터를 가지고 AI가 의사결정 지도를 만드는 상향식 접근법, 즉 딥러닝 기술이었다. 스스로 필요한 것을 배워서 문제 해결에 사용할 수 있게 된 것이다. 이제 AI의 패러다임은 플라톤과 데카르트의 합리주의 모델에서 아리스토텔레스와 존 로크의 경험주의 모델로 전환되었다. 추상적인 아이디어와 명제를 중요시한 관념론에서 현실 세계에 발을 디디게 되는 실천 철학으로의 전환인 것이다. 17세기 영국의 철학자였던 존 로크는 인간이 백지 상태로 태어난다고 주장했다. 존 로크는 모든 지식은 경험을 통해 얻어진다고 주장했고 플라톤의 이데아론을 부정하였다. 빛의 파장은 색을 만들어내지만 그것은 보는 주체가 없으면 아무런 의미가 없다. 소리는 공기압의 진폭변화를 통해 만들어지지만, 우리에게 중요한 것은 그 소리가 어떻게 들리는지 하는 것이지 공기가 얼마의 주기로 진동하느냐가 아니다.
존 로크
현재 AI의 방법론이 명백히 로크의 경험주의적 접근법을 취하고 있는 것은 자명해 보인다. 하지만 먼저 언급했듯이 알고리즘이 없는 데이터는 무용지물이다. 마찬가지로 데이터가 없는 알고리즘 역시 그러하다. AI의 발전이나 소프트웨어의 미래에 있어 이상론과 경험론의 절충이 필요하다. 다만 막힌 벽을 뚫고 나가기 위한 창조적 전환과정에 데이터는 중요한 요소가 되었다. 이는 창의력의 원천을 똑똑함이나 선천적인 지능으로 착각했던 과거의 인식을 뒤집은 것만큼이나 주요한 발견이다. 지능은 기존 방식이 존재할 때 의미 있는 능력이지만 창의력은 기존 방식이 존재하지 않을 때 문제를 해결하는 능력이다. 현재로서는 창의력은 AI가 범접할 수 없는 인간의 고유영역이지만, 데이터 처리와 알고리즘의 발달이 미래에 어떤 결과를 만들어 낼지는 모르는 일이다.
데이터 전문가들이 꼭 알아야 할 알고리즘 5개
세계적으로 코로나19 팬데믹 사태가 장기화하면서 포스트 코로나 시대가 가져올 미래를 예측하고 대비하기 위한 움직임이 분주하다. 특히 기업들을 중심으로 업무 프로세스 개선과 효율성 증대를 위한 디지털 변혁(digital transformation)의 새바람이 불고 있다. 정부에서는 한국판 뉴딜 종합계획을 발표하면서 4차 산업혁명의 변화와 혁신의 핵심 동력인 ‘인공지능(AI)’을 사회혁신의 동인으로 삼기 위해 ‘인공지능 국가전략’을 수립하고 있다. 이러한 디지털 뉴딜은 코로나 이후 변화하게 될 미래사회에 대한 디지털 대전환을 이끄는 정책이며, 디지털 전환은 D.N.A. (Data –Network – AI) 등 기술로 산업 혁신을 견인하는 요소로 자리매김하고 있다. 기업들이 1990년대 비용 절감을 위해 전사적자원관리(ERP), 2000년 이후 비즈니스프로세스아웃소싱(BPO)에 많은 관심을 가졌으나, 최근에는 24시간 불평 한마디 없이 업무를 척척 해내는 디지털 직원을 적극 채용하고 있다. 바로 로보틱프로세스자동화(RPA)라고 불리는 업무처리 자동화 소프트웨어이다. RPA를 사용하면 핵심 업무는 아니면서도 간혹 분노까지 유발하는 반복적이고 지루한 업무들을 컴퓨터 소프트웨어를 통해 자동화할 수 있다. 무엇보다 많은 시간을 빼앗기는 작업을 사람이 하는 것과는 비교할 수 없을 정도로 더 빠르고 더 정확하게 오류 없이 처리할 수 있다는 장점이 있다. 이런 RPA가 자동화를 통해 업무를 수행하지만, 지시된 업무 외적인 비정형 데이터 집계나 관리, 업무 효율성을 나아지게 하는 것도 AI 기능을 도입해 더욱 효율적인 자동화 프로세스를 완성할 수 있다. 즉 AI가 업무의 양을 조율하고 결정을 한다면, RPA는 명령받은 업무를 보다 효율적으로 처리할 수 있는 도구가 될 수 있는 것이다. 기존 RPA가 업무의 효율성을 높이기 위해 루틴화한 워크 플로우를 자동화했다면, AI가 적용된 RPA는 향후 데이터 집계에 대한 판단, 적용 값을 벗어나는 오류 상황에 대한 판단과 결정, 나아가 개선된 업무의 적용까지 확대될 예정이다. AI를 도입한 RPA는 대규모 투자와 오랜 시간이 소요되는 전사적자원관리와 달리 기존의 업무 프로세스와 시스템을 그대로 유지한 상태에서 적은 비용으로 짧은 시간에 다양한 형태와 방법으로 적용이 가능하다는 점에서도 매력이 있다. 또한 단순·반복적인 업무를 디지털 직원이 자동으로 처리해 주기 때문에 사람들은 더 부가가치가 높은 창의적이고 전문적 혹은 재량적 업무에 더 많은 시간을 할애할 수 있어 업무성과를 높일 수 있다. 디지털 전환의 큰 흐름에 맞춰 일반 기업 중심으로 적용되던 RPA가 공공부문으로 빠르게 확산하고 있다. 이미 미국의 공공기관에서 도입하여 성공한 사례도 있다. 한국생명공학연구원도 지난해 정부출연연구기관으로서는 최초로 로봇프로세스자동화 시스템을 도입하였으며, RPA에 AI 요소를 도입해 더욱 효율적인 업무 수행과 데이터 분석을 해나갈 수 있게 됐다. 도입에 앞서 우선 직원들이 RPA에 대한 이해도를 높일 필요가 있었다. 이를 위해 RPA 교육과 세미나를 3차례에 걸쳐 실시했고, 부서별로 면담과 논의를 거쳐 적용 대상 업무 수요를 취합했다. 최종적으로 업무량, 업무 복잡도, 업무 규모 등을 고려하여 과제공고, 세금계산서 발행요청, 입찰공고의 알리오 공지 등 4개 업무를 선정하고, 시범적으로 RPA를 적용했다. 그 결과 연간 약 600시간의 업무시간을 절감하는 효과를 얻을 수 있었다. 특히 직원들은 단순·반복적인 업무들이 자동화되어 시간 절감뿐만 아니라 오류 발생 비율이 줄어들어 만족도가 높았다. 향후 시범사업의 효과를 적극 알리고 전사적 업무 분석을 통하여 대상 업무를 점차 확대할 계획이다. 여기에 그치지 않고 RPA 기술이 빠른 속도로 발전하고 있다는 점을 고려해 대상 업무의 난이도를 높여갈 계획이다. 현재는 화면 인식이나 문자 인식 등 소극적인 AI 기술을 이용했다면 향후에는 문서에 첨부된 특정 이미지를 더 고도화된 AI 기반의 문서 인식(OCR 등), 비정형 데이터 분석 등을 이용해 증빙의 가능 여부를 확인하고 가능한 경우에는 관련 데이터를 디지털로 변경하는 것이다. RPA가 초기에는 단순하고 반복적인 업무를 처리하는 수준에 그쳤지만, 챗봇, 자연어 처리, 음성과 문자 인식, 기계학습이 가능한 지능형 RPA가 도입되고 있어 자동화 영역과 대상이 더욱 확대되고 있다. 이제 사람이 하는 잡무를 로봇이 대신하는 수준을 넘어서, 디지털 직원을 염두에 두고 업무 프로세스를 재구축할 필요가 있다. 따라서 RPA의 목표는 일부 업무의 효율화에 맞추기보다는 장기적으로 디지털 변혁에 동참할 인력을 기르고 시스템을 갖춰가는 데 있다. 이제 디지털 변혁을 통해 일하는 방식을 리부팅(Rebooting)하는 것을 준비해야 할 시점이다.
[보고서]빅데이터 알고리즘의 성차별 가능성에 대한 실증적 분석과 개선방안
초록
▼
Ⅰ. 여성가족 빅데이터 연구방향 탐색
가. 연구배경 및 목적
○ 한국여성정책연구원에서는 지난 3년 동안 여성가족 빅데이터 활용 연구를 진행해 왔으며. 현재는 기수행된 연구 성과 점검 및 향후 여성가족 빅데이터 연구방향에 대…
Ⅰ. 여성가족 빅데이터 연구방향 탐색
가. 연구배경 및 목적
○ 한국여성정책연구원에서는 지난 3년 동안 여성가족 빅데이터 활용 연구를 진행해 왔으며. 현재는 기수행된 연구 성과 점검 및 향후 여성가족 빅데이터 연구방향에 대해 논의가 필요한 시점임
○ 이에 한국여성정책연구원이 수행한 빅데이터 분석연구들을 검토하고 타분야 연구기관에서 수행한 빅데이터 연구들을 조사하여 여성가족 빅데이터 연구의 확장 방향을 탐색하고자 함
나. 타분야 빅데이터 분석 사례
○ 여성가족 빅데이터 연구방향을 탐색하기 위해 타분야 정책연구기관들의 빅데이터 분석 연구들을 살펴보고자 국무조정실 산하 26개 연구기관에서 수행한 빅데이터 연구 자료를 수집함
○ 조사결과 2013년 이래 총 84개의 빅데이터 연구가 진행되었으며,국토연구원에서 가장 많은 연구를 진행하였고 다음으로 환경연구원,보건연구원 순임.
○ 타 분야 빅데이터 연구는 빅데이터 알고리즘 연구 11건이 조사대상이 되었으며 구체적으로 안전분야는 ‘침수재해 모니터링 시스템’과 ‘생애주기 통합 건설정보 시스템’, ‘범죄예방시스템, 항만안전 시스템’, 경제분야는 ‘임대차수요 분석 및 예측시스템’과 ‘균형발전 대쉬보드’ 연구,보건 분야는 ‘저출산 연구’ 2개. 복지 분야는 ‘복지정책 지원시스템과 민감, 취약집단의 맞춤형 건강가이드라인 지원시스템’을 집중적으로살펴봄
○ 빅데이터 알고리즘 연구에 사용된 빅데이터 유형은 공공기관에서 제공하는 행정데이터, 온라인에서 생성된 의견데이터 순이며 가장 다양한 빅데이터를 활용한 분야는 안전분야와 보건분야임.
○ 결론적으로 타정책연구기관에서 수행한 빅데이터 알고리즘 연구들은 다음의 시사점을 제공함. 첫째, 지속적인 분석을 위한 시스템을 지향함. 실시간으로 정보를 제공하고 이를 가능하게 하기 위해 주제에 맞게 설정된 분석의 틀을 기반으로 지속적으로 빅데이터를 분석할 수 있는 방법론을 제시함. 둘째. 단일 유형의 데이터를 통한 단발적인 빅데이터 분석이 아닌 다양한 분야의 데이터를 융합하여 특정 주제에 맞는 데이터를 생산･관리하는 시스템을 구축하는 경향을 보임. 마지막으로 수요자 지향적인 시스템에 초점을 맞춰서 개발되는 추세를 보임. 수요자가 직접 생산한 소셜빅데이터를 행정데이터와 결합하여 수요자 중심의 빅데이터 시스템을 구축하고자 하며 수요자의 실질적인 이용을 위해 정보를 시각화하여 맞춤형 검색이 가능한 서비스를 개발하는 경향을 보임
다. 여성가족 빅데이터 연구방향 제언
○ 한국여성정책연구원의 여성가족 빅데이터 연구는 짧은 시간에 비해 다양한 빅데이터를 기반으로 여러 분야의 여성문제를 다루었다고 평가되며. 여성가족부 및 한국여성정책연구원의 정책 방향과 일관된 주제들을 연구하는 등의 기여를 하였음
○ 다만 이 연구들이 시범분석이나 1회성에 그치고 있는 점은 아쉬움. 연구주제에 따라 지속적으로 분석 결과를 생산･관리할 수 있는 시스템적 접근이 필요하며, 향후 현황 분석을 넘어 예측 및 대응체계 구축까지 발전된다면 여성문제 해결에 실질적인 도움을 제공할 수 있으리라 봄
○ 타분야 빅데이터 연구 조사결과를 토대로 여성가족 빅데이터 연구는 크게 기존 연구의 체계화, 새로운 빅데이터 기반 연구주제의 발굴, 빅데이터 분석방법 차원의 문제 개선 등 세 가지로 향후 연구방향을 제안함
○ 먼저 기존 수행된 여성가족 빅데이터 분석 대부분이 시범적으로 수행되었기에 이를 지속화･ 체계화하는 연구로 확장가능성을 제안함. 특히가장 많이 활용된 소셜데이타 분석은 정책입안 및 집행 과정에서 의견수렴을 위한 중요한 도구로 활용될 수 있으며 이를 위해 안정된 데이터 확보와 지속적인 분석 도구 개발이 함께 해결해야 할 과제로 남아있음. 또한 정책 운영의 관리 차원에서 지표를 생성하고 관리하는 방안도 연구 가치가 있음. 가령 여성 온라인 범죄에 대한 빅데이터 분석결과를 토대로 사이트별 지표를 만들고 이를 지속적으로 관리한다면 온라인 범죄를 줄이는데 영향을 줄 것이라 기대함. 그 밖에 안전이나 복지 분야에서는 예측 및 대응체계를 마련하는 연구도 중요한 연구주제임. 특빅데이터 분석 자체보다는 이를 활용하여 사전 예방체계나 사고후 대응체계를 마련하는 것이 필요하며, 타연구기관의 경우 재해방지나 범죄 대책 마련을 위한 시스템 구축을 이미 제안하고 있음
○ 둘째, 새로운 여성가족 빅데이터의 발굴을 통한 연구주제 발굴임. 빅데이터 연구는 데이터 가용성의 제한을 받을 수밖에 없어서 새로운 빅데이터와 여성 문제 간 연결은 새로운 연구주제가 될 수 있음. 예컨대,타연구기관에서 연구된 시설건축물 데이터나 사물인터넷 데이터, 타부처 행정데이터 등을 활용하여 여성 작업장 안전 연구나 직장내 양성평등, 여성 콘텐츠 등의 주제와 연결한다면 새로운 주제가 될 수 있음
○ 세 번째, 분석과정 및 방법론 차원에서의 개선방안 연구를 제안함. 지속적인 빅데이터 활용을 위해서 첫째, 기존의 데이터를 한 곳에 연계하여 빅데이터를 생산･관리하는 시스템을 구축하고 분석의 틀을 마련하는것이 필요함. 두번째로는 인공지능이 확산되면서 편향(Bias) 문제가 부상하고 있는데, 특히 성적 편향 문제는 인종적 편향과 더불어 가장 큰 화두임. 그러므로 알고리즘에서 성편향성이 발생하는 분야를 발견하는 연구와 설명가능한 알고리즘 개발 등 이러한 편향성을 낮추기 위한 방법론 개발의 연구는 중요한 주제임. 마지막으로 빅데이터의 활용도를 높이는 방안을 마련해야 함. 타기관 연구들은 수요자 관점에서 빅 데이터 분석결과를 개방하고 수요자의 정보 접근성을 높이는 방법 등을 모색 중임. 빅데이터 분석 결과에 대해 소셜데이터, 2차자료를 연계하여 해석에 개연성을 높이고 이용자 중심으로 정보제공하는 등 결과 활용도를 높이는 연구가 빅데이터 분석 연구와 더불어 병행되어야 할 것임.
(출처 : 연구요약 5p)
빅데이터 분석 유형 및 알고리즘 맵
728×90
/*
— Title : 빅데이터 분석 유형 및 알고리즘 맵
— Reference : BDMBA
*/
■ 빅데이터 분석 유형
ㅁ 묘사 분석(Descriptive Analytics)
과거나 현재 어떤 일이 발생했는지 분석
과거 비즈니스 활용하여 수행 결과이해, 추세발견, 성과 모니커링
ㅁ 진단 분석(Diagnosis Analytics)
과거나 현재 발생한 사건의 원인 분석
데이터간 관계 발견, 왜 특정 결과가 발생하는지 설명
ㅁ 예측 분석(Predictive analytics)
미래 어떤 일이 발생할 것인지 분석
미래 상황에 대해 예측, 알려지지 안은 결과 가능성 파악
ㅁ 처방 분석(Prescriptive Analytics)
앞으로 무엇을 해야 비즈니스에 도움이 되는지 분석
제한된 자원을 효율적으로 할당하여 최상의 대안 찾기
■ 빅데이터 분석 Layer
Application Layer
고객 이탈 위험요인 증가 → 고객 이탈예측
Tasks Layer
테이터 및 변수 특성 파악 → 분류분석으로 이탈 판별
Models Layer
의사결정나무, 랜덤 포레스트, Neural Network 등
모델 검토 → 최종 모형 검토
Algorithms Layer
최종 모델에 맞는 알고리즘 결정
■ 빅데이터 분석 기법
#알고리즘 #알고리즘 선택 #알고리즘맵 #알고리즘 맵 #알고리즘 유형
dbrang.tistory.com/1369, dbrang.tistory.com/1238
빅데이터 분석 기법_20201121.xlsx 0.01MB
■ Citizen Data Scientist(시민 데이터 과학자)
In 2016, Gartner theorized the Citizen Data Scientist concept and defined it as a business user capable of combining his or her expertise with the principles of Data Science, without a deep knowledge in mathematics or statistics.
2016년 가트너는 Citizen Data Scientist개념을 정의함.
수학 또는 통계에 대한 깊은 지식 없이 자신의 전문 지식에 데이터 과학을 원리를 적용할 수 있는 비즈니스 사용자.
Cizizen Data Scientist는 현업 업무를 이해하고 스스로 빅데이터 분석 사업 기획과 데이터 분석을 할 수 있는 역량을 갖춘 분석가로서 빅데이터 분석과 AI의 민주화를 주도함.
https://dbrang.tistory.com/1528?category=941905
반응형
키워드에 대한 정보 알고리즘 빅 데이터
다음은 Bing에서 알고리즘 빅 데이터 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 알고리즘이 지배하는 세상(1부) 4차산업혁명, 인공지능, 빅데이터, 머신러닝)
- 알고리즘
- 4차산업혁명
- 빅데이터
- 머신러닝
- 인공지능
- AI
- ACSS
- 신용대안평가
- 구글
- 네이버
- 네이버파이낸셜
- 단점
- 딥러닝
- 미래
- 인공지능의 미래
- 유튜브의 알고리즘
- 네이버 알고리즘
- 미국 대선
- 트럼프
- 기독교
- 크리스천
- 교회
- 말씀
- 포스트 코로나
- 알고리즘 강의
- 알고리즘 뜻
- 알고리즘 뜨는법
- 알고리즘 트레이딩
- 알고리즘 공부
- 면접
- 등급화
- 계급화
- 가짜사나이
- ep4
- 가짜사나이 ep4
- 가짜사나이2
- UDT
- MUSAT
- 이근 대위
- 이근
- 로건
알고리즘이 #지배하는 #세상(1부) #4차산업혁명, #인공지능, #빅데이터, #머신러닝)
YouTube에서 알고리즘 빅 데이터 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 알고리즘이 지배하는 세상(1부) 4차산업혁명, 인공지능, 빅데이터, 머신러닝) | 알고리즘 빅 데이터, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.