비즈니스에 도움이 되는 머신 러닝을 활용하는 방법

자료실
자료실
기타
작성자
finweb
작성일
2019-04-09 10:55
조회
841

How To Put Machine Learning To Work For Your Business

비즈니스에 도움이 되는 머신 러닝을 활용하는 방법

*해당 글은 forbes에 게시된 Matt Hulett의 글을 번역했습니다.

머신 러닝은 몇 년 동안 제품 기능의 혁신을 주도하여 소비자 경험을 향상시키는 중요한 요소가 되었습니다. 하지만 머신 러닝(특히 인공지능)에 대해서 우리는 빙산의 일각밖에 아직 보지 못했습니다.

비즈니스 리더로서, 당신은 Fletch의 Chevy Chase가 머신 러닝에 대해 지식인처럼 보이는 방법을 망치려고 애쓰는 것처럼 느낄지도 모릅니다. 그럼에도 불구하고, 머신 러닝이 무엇이고 어떻게 하면 여러분의 사업을 위해 그것을 최대한 활용할 수 있는지 이해하는 것이 필수적입니다.

기술적으로 들리지만, 머신 러닝은 가장 간단한 의미에서 컴퓨터 알고리즘을 사용하여 데이터로부터 배우고 더 나은 예측을 하는 인공지능의 한 분야입니다. 큰 데이터셋을 활용함으로써, 기계는 패턴 분석을 통해 적용되고 자동으로 학습되며, 그 지식을 이용하여 알고리즘을 개선합니다. 머신 러닝의 이면에 있는 기술은 수 십년 동안 존재해왔지만, 그것을 시험해 볼 수 있는 컴퓨팅 능력을 갖게 된 것은 최근입니다. 이제 인공지능 어플리케이션이 보편화되면서 머신 러닝은 중소 기업도 활용할 수 있는 저렴한 기술로 각광받고 있습니다.

머신 러닝은 지난 10년동안 자율 주행차와 효과적인 웹 검색을 포함한 많은 중요한 혁신의 배후에 있었습니다. 몇 년 전, Rosetta Stone에서 우리는 언어 인식의 이면에 있는 인공지능의 자연 언어 처리를 이용하여 언어 학습 경험을 변화시킬 수 있는 기회를 보았습니다. 우리의 특허받은 음성인식 기술을 통해 사용자는 정확한 발음을 연습하고 실시간으로 피드백을 받을 수 있었습니다.

다음은 머신러닝을 통해 혁신적인 제품 기능에 능력을 공급하기 시작할 수 있는 방법입니다.

데이터를 가지고 있다 - 사용하라

기업이 부족하지 않은 것이 있다면 그것은 데이터(사용자 데이터, 검색 트렌드, 제품 분석)입니다. 당신은 이렇게 방대한 양의 데이터를 머신 러닝에 사용할 수 있습니다. 머신 러닝은 많은 양의 데이터를 사용하여 공식이나 방정식 없이 복잡한 문제를 분석하는 특정한 방법입니다. 머신러닝 어플리케이션에 당신의 귀중한 데이터를 사용하는 것은 데이터를 사용할 수 있게 만들고, 분석하고, 그룹으로 나누어 컴퓨터 모델을 훈련하고 복제하는 과정입니다. 일부 기업은 데이터 사이언티스트를 고용하여 이 작업의 보다 정교한 측면을 돕기도 하지만, 온라인에는 머신러닝 어플리케이션을 위해 데이터를 준비하는 첫 단계를 수행하는데 도움이 되는 수 많은 튜토리얼이 있습니다.

데이터를 사용하는 머신러닝 알고리즘의 예로는 Netflix의 영화 추천 엔진 또는 Amazon이 주문 기록을 기반으로 사용자가 관심 있을 수 있는 것을 식별하는 방법이 있습니다. Netflix와 Amazon이 더 많은 사용자 데이터를 수집함에 따라 맞춤화된 추천이 점점 더 대상화되고 통찰력이 높아집니다. 구글 검색은 위치나 사용자 의도와 같은 뉘앙스에 적응하는 머신러닝 알고리즘과 같은 방식으로 작동합니다.

그 어느 때보다 쉽게 접근할 수 있는 기계학습을 활용하기 위한 기술 도구

머신러닝 모델은 오랫동안 존재해 왔지만, 수집된 데이터를 이해할 수 있는 컴퓨팅 성능을 최근에야 갖추게 되었습니다. 이제 머신 러닝의 이면에 있는 기술을 접근 가능할 수 있고 감당할 수 있게 되었으므로 AI 어플리케이션을 더 많은 기업이 이용할 수 있게 되었습니다. TensorFlow 및 Keras와 같은 오픈 소스 툴을 통해 기업은 기존 플랫폼과 소프트웨어를 사용하여 머신러닝을 통합할 수 있습니다.

게다가, AI 제품 기능만 있는 것이 아닙니다. 또한 머신 러닝은 데이터 보안 개선, 광고 캠페인 목표 개선 및 고품질 고객 서비스를 통해 내부적인 효율성 향상을 제공할 수 있습니다. 제가 시애틀의 한 스타트업 스튜디오에서 일할 때, 저희는 OpenCV를 사용하고 머신러닝을 감동하여 라이브 e-sports 게임을 예측했습니다. 개발 프로세스에 머신 러닝을 사용하면 효율성이 높아지기 때문에 몇 달만에 개념 증명에서 코드 배송으로 가속했습니다.

머신 러닝의 다음 한계에 투자를 시작하라

보다 정교한 AI와 더 깊은 학습은 머신 러닝의 다음 분야입니다. 이러한 기술 중 많은 부분이 혁신의 막다른 골목에 와 있지만, 조직을 한 단계 더 발전시키기 위한 점진적인 단계를 밟을 수 있습니다. 머신 러닝의 장점 중 하나는 데이터 뿐만 아니라 데이터의 구조도 학습한다는 것입니다. 모델의 성공과 실패를 컴퓨터가 더 많이 적용하고 배울수록 이러한 모델의 정확성은 높아집니다.

머신 러닝은 이전에 구글이나 아마존 같은 거대 기술의 영역이었지만, 그것을 적용함으로써 이익을 얻을 수 있는 많은 산업들이 있습니다. 자동차 산업 및 금융 서비스 부문에서는 분석 효율성, 예측 모델 개선 및 생산 최적화 측면에서 큰 이점을 얻을 수 있습니다.

예를 들어, 우리 회사가 음식 인식을 개선하기 위해 최근에 기계학습을 적용한 것을 예로 들 수 있습니다. 구어체와 음운이라고 불리는 언어의 구성 요소 수준을 디지털화함으로써, 우리는 언어 학습자들이 말하는 것을 듣고 그들이 말하는 것을 채점하는 정교한 머신 러닝 모델을 적용했습니다. 이를 통해 학습자는 실시간 피드백을 받고 대상 언어로 더 진실한 소리를 들을 수 있습니다.

머신 러닝은 또한 원격 진단 개선에서 수술 절차 보조에 이르기까지 의학 분야의 혁신을 주도해 왔습니다. 2016년에 IBM의 Watson은 게놈의 염기서열과 질병 예측을 위한 모델을 개발하면서 건강 진단에 대해 탐구하기 시작했습니다. 최근 Accenture report에 따르면 원격 진단 및 가상 간호 기술을 개발하는데 학습된 내용이 사용되었으며, 이는 연간 200억 달러까지 의료 산업을 절감할 수 있는 잠재력이 있다고 합니다.

지금 머신 러닝에 투자하는 것은 당신의 회사가 교육, 서비스, 소매 및 기술을 비롯한 수많은 산업 전반에서 보다 우수하고 포괄적인 모델을 추진할 수 있는 기술에 대한 탄력적이고 탄탄한 기반을 구축하는데 도움을 줄 것입니다.

번역 - 핀인사이트 인턴연구원 함인규

원문 보러가기

https://www.forbes.com/sites/forbestechcouncil/2019/03/15/how-to-put-machine-learning-to-work-for-your-business/#1d6af4de7b37
전체 0

전체 446
번호 썸네일 제목 작성자 작성일 추천 조회
공지사항
비밀글 파이썬으로 배우는 블록체인 구조와 이론 (위키북스)
finweb | 2019.07.05 | 추천 0 | 조회 8
finweb 2019.07.05 0 8
444 투자시장의 열쇠는 대체 데이터
투자시장의 열쇠는 대체 데이터
투자시장의 열쇠는 대체 데이터
finweb | 2019.09.19 | 추천 0 | 조회 43
finweb 2019.09.19 0 43
443
자동화 분야를 바꾸는 RPA와 인지 자동화
finweb | 2019.09.18 | 추천 0 | 조회 8
finweb 2019.09.18 0 8
442 인공지능이 투자를 향상시키는 11가지 방법
인공지능이 투자를 향상시키는 11가지 방법
인공지능이 투자를 향상시키는 11가지 방법
finweb | 2019.09.18 | 추천 0 | 조회 3
finweb 2019.09.18 0 3
441 블록체인 표준은 매우 세분화되어 있으며, 4가지 표준보다 더 이상 시장을 점유하기 힘들 것이다.
블록체인 표준은 매우 세분화되어 있으며, 4가지 표준보다 더 이상 시장을 점유하기 힘들 것이다.
블록체인 표준은 매우 세분화되어 있으며, 4가지 표준보다 더 이상 시장을 점유하기 힘들 것이다.
finweb | 2019.09.16 | 추천 0 | 조회 31
finweb 2019.09.16 0 31
440
이더리움은 하이퍼레저 협력단의 첫 번째 공공 블록체인이 될 준비가 다 됐습니다.
finweb | 2019.08.30 | 추천 0 | 조회 32
finweb 2019.08.30 0 32
439
글로벌 핀테크 투자가 곤두박질치다
finweb | 2019.08.29 | 추천 0 | 조회 25
finweb 2019.08.29 0 25
438
데이터 사이언티스트: 이 5개 도시에서 가장 높은 연봉을 받으세요.
finweb | 2019.08.23 | 추천 0 | 조회 25
finweb 2019.08.23 0 25
437
전 세계 핀테크 투자가 급락하다.
finweb | 2019.08.21 | 추천 0 | 조회 27
finweb 2019.08.21 0 27
436
자동화: 데이터 시나리오의 미래
finweb | 2019.08.21 | 추천 0 | 조회 30
finweb 2019.08.21 0 30
435
블록체인 초보자를 위한 5가지 핵심 개념
finweb | 2019.08.20 | 추천 0 | 조회 31
finweb 2019.08.20 0 31
434
중소기업에도 빅데이터가 필요하다
finweb | 2019.08.19 | 추천 0 | 조회 24
finweb 2019.08.19 0 24
433
데이터 과학자로서의 시장성을 높이는 6가지 방법
finweb | 2019.08.14 | 추천 0 | 조회 31
finweb 2019.08.14 0 31
432
핀테크 부문의 증가
finweb | 2019.08.14 | 추천 0 | 조회 31
finweb 2019.08.14 0 31
431
핀테크는 다음 개척지이다.
finweb | 2019.08.14 | 추천 0 | 조회 32
finweb 2019.08.14 0 32
430
데이터 사이언스 직업에서 알고 있어야 할 3가지 트렌드
finweb | 2019.08.13 | 추천 0 | 조회 19
finweb 2019.08.13 0 19
429
21가지 인공지능 사례 및 사용 사례
finweb | 2019.08.12 | 추천 0 | 조회 30
finweb 2019.08.12 0 30
428
2019년 상위 AI 동향
finweb | 2019.08.09 | 추천 0 | 조회 30
finweb 2019.08.09 0 30
427
블록체인이 금융의 판도를 변화시킵니다.
finweb | 2019.08.08 | 추천 0 | 조회 36
finweb 2019.08.08 0 36
426
빅 데이터를 완벽하게 관리하는 비즈니스 3대 과제
finweb | 2019.08.05 | 추천 0 | 조회 53
finweb 2019.08.05 0 53
425
연구: 비트코인이 아닌 블록체인 투자액이 2019년에 60% 감소할 것이다.
finweb | 2019.08.01 | 추천 0 | 조회 56
finweb 2019.08.01 0 56