AI

000. Hello, Deep Dive Into AI!

안녕하세요. 정말 오랜만에 글을 쓰네요! 저는 최근 대학원을 졸업하고 회사에 취업하여 열심히 적응하려 노력하고 있습니다.  회사를 다니면서 AI로 인해 참 많은 변화가 이루어지고 있다고 느끼고 있어요.생성형 AI는 개발자들의 생산성을 극도로 올려주었습니다. 사실상 개발을 잘한다 = AI를 잘 쓴다라는 말이 될 정도니까요. 저는 AI 대학원을 졸업했습니다. 그리고 16년도 컴공에 들어왔을 때 부터 데이터 사이언티스트라는 직종에 매료되어 관련된 공부를 해왔었습니다. 대학원에서 AI를 비교적 딥하게 연구하고 보니, 제가 그동안 알고 있던 학사 시절 AI에 대한 지식은 상당히 미천한 수준이었다는 것을 다시 한 번 깨달았습니다.. 회사에 들어와 서비스 개발을 진행하다보니 상당히 많은 사람들이 AI에 대한 프로젝트..

ADsP 시험준비 3과목 데이터분석(1)

01. R 기초 1. R 언어와 문법 *주석 : # 이후에 작성 1) R의 데이터 구조 ) (출처 R in Action(23p)) 2) 벡터 벡터 데이터구조는 하나의 스칼라 값, 혹은 하나 이상의 스칼라 원소를 갖는 자료구조이다. 벡터는 자바에서 사용하는 일차원 배열과 느낌이 비슷하다. 그 이유는 동일한 데이터 형태를 가진 원소들의 집합이기 때문이다. 벡터 생성하는 법 : c() 벡터의 원소 유형 숫자형 벡터 문자형 벡터 논리 연산자 벡터 사례 x = c(1,2,3,4) y = c(“사과”,”망고”) z = c(TRUE, FALSE) 여기서 알아 두어야하는 것은, TRUE를 숫자로 사용하면 1, FALSE는 0이 된다는 것이다. 그리고 논리값은 항상 모두 대문자로 사용해야한다. 서로 다른 유형의 데이터를..

ADsP 시험준비 2과목 데이터 분석 기획(2)

01. 분석 마스터플랜 수립 분석 마스터플랜은 분석 대상이 되는 과제를 도출하고, 우선순위를 계산하여 세부 이행 계획을 수립하는 로드맵을 작성하는 것을 의미한다. 또한 분석 로드맵상의 과제가 잘 수행되기 위하여 분석 거버넌스의 체계를 수립하는 것을 의미한다. 1. 분석 마스터플랜 수립 프레임 워크 중 장기적인 관점의 마스터플랜을 수립하기 위해서 분석과제를 대상으로 전략적 중요도, 비즈니스의 성과 및 ROI(투자 회수율), 분석과제의 난이도 등의 다양한 기준을 고려해 우선순위를 선정해야한다. 그 외에 분석 데이터를 내부 데이터를 사용할지 혹은 외부 데이터를 사용할지, 분석 기술은 어느 기술 요소까지 적용할 것인지 등 분석의 적용 범위 및 방식에 대하여도 종합적으로 고려해 로드맵을 수립해야한다. (마스터플랜..

ADsP 시험준비 2과목 데이터 분석 기획(1)

01. 분석 기획 방향성 도출 1. 분석 기획의 특징 분석 기획은 실제 분석을 수행하기 전에 분석을 수행할 과제의 정의 및 원하는 결과를 얻을 수 있도록 이를 적절히 관리할 수 있는 관리방안을 계획하는 작업이다. 어떠한 목표(What)을 달성하기위해 어떠한 방법(How)을 수행할 지 일련의 계획을 수립하는 과정이다. 분석을 기획하기 위해서는 해당 문제 영역에 대한 ‘전문성 역량’ 및 통계학적 지식을 활용한 ‘분석 역량’ 그리고 분석의 도구인 ‘프로그래밍 분석 역량’에 대해 균형 잡힌 시각을 가지고 방향성 및 계획을 수립해야 할 것이다.(비즈니스 분석 능력 + 통계학 지식 + 데이터 프로그래밍 능력 = 데이터 사이언스) 1) 분석 주제 유형 분석의 대상과 분석의 방법을 아는지에 따라서, 4가지의 유형으로 ..

ADsP 시험준비 1과목 데이터의 이해(3)

01. 빅 데이터 분석과 전략 인사이트 1. 왜 싸이월드는 페이스북이 되지 못하였는가? 구글이나 페이스북 같은 성공적인 인터넷 기업은 대부분 데이터분석과 함께 시작되며 그 결과가 의사결정에 결정적인 정보를 제공한다. 반면 싸이월드는 직관에 의거하여 의사결정을 수행하였다. 즉 데이터 분석을 활용하여 전략적 통찰을 얻고, 효과적인 의사결정을 수행하지 않았기 때문이다. 2. 빅 데이터 분석, “Big”이 핵심이 아니다. 데이터가 많다고 해서 항상 더 많은 가치를 창출하는 것은 아니다. 다만 데이터는 음성, 텍스트, 영상 등으로 다양하게 발전하고 있다. 이렇게 새롭고 다양한 유형의 데이터를 효율적으로 활용하면 더 많은 핵심 가치를 얻을 수 있을 것으로 기대된다. 즉 빅 데이터의 핵심은 양이 아니라 유형의 다양성..

머신러닝이란?

머신러닝이란? 알파고를 기점으로 인공지능에 대하여 많은 관심을 받고 있습니다. 머신러닝은 이러한 인공지능의 범주 안에 있는 하나의 기술이라고 보시면 됩니다. 과거의 인공지능은 규칙 기반으로 조건문을 활용한 하드코딩을 통해 개발이 되었습니다. 이는 특정 분야에 대해서는 인공지능이 상당히 좋은 결과를 보여주지만, 새로운 예외적인 상황이 나오면 가차없이 틀리는 문제를 일으킵니다. 오늘날의 인공지능은 데이터를 통하여 직접 학습하여 일반화된 지식을 통해 문제를 접근합니다. 이렇게 되면 새로운 상황에 접하게 되어도 그 동안 쌓아온 지식을 통해 일반화된 접근을 통해 올바른 선택을 할 수 있게되죠. 이것이 우리가 지금부터 논할 머신러닝이라는 것 입니다. 이로써 우리는 과거의 인공지능으로는 풀 수 없던 여러가지 문제를 ..