zuryeong의 개발 블로그

1. 인공지능의 정의

   1) 신경망(Neural Network)의 이해

      -1 인공지능 (Arificial Intelligence)  :  인간의 학습, 추론, 지각 등의 능력을 구현하려는 컴퓨터 과학 분야

      -2 신경망

         (a) 생물학적 신경망(신경회로)  :  일정 크기의 자극(신호)를 입력받아 활성화됨으로 특정 기능을 수행하는

                                                   시냅스로 연결된 신경집단

         (b) 인공 신경망  :  생물학적 신경망에서 영감을 얻어 만들어진 수학적 모델링 알고리즘으로 생물학적

                                 신경망의 작동방식과 구조가 유사(선형대수학, 통계학 등)

   2) 인공신경망(Artificial Neual Network)

   3) 신경망의 작동

      -1 신경망 작동 일반화

2. 인공지능 활용 시 주의사항

   1) 분야별 예시

      -1 활용

         (a) 판매(마케팅)분야  :  추천 시스템, 리뷰 감정 분석, 거래량 예측, 원자재 가격 예측, 유통 거래량 예측 등

         (b) 금융분야  :  주식거래, 주식 가격 예측, 재무 데이터 분석 및 예측 등

         (c) 기타 분야  :  비디오 인식(자율주행, 운전자 모니터링 등), 음성인식 등

데이터, 특히 수치형 데이터만 있다면 때와 장소를 가리지 않고 활용 가능

      -2 방법별 예시

         (a) 분류 (classification)

         (b) 회귀 (regression)

         (c) 군집 (clustering)

         (d) 차원 축소 (dimension reduction)

      -3 주의사항

         (a) 명확한 목적

         (b) 적시성 (데이터 준비, 학습시간 등)

         (c) 비용 (개발, 유지보수 등)

         (d) 비즈니스 관점의 가치

3. 인공지능의 구현

   1) 파이썬 탄생

      -1 파이썬(python)

4. 인공지능 모델링

   1) 모델링 과정

      -1인공지능 모델링 과정

         (a) task에 대한 이해 (비즈니스 관점)

         (b) 문제 정의(요건 정의, 검증 방법 등)

         (c) 데이터 수집

         (d) 데이터 전처리

         (e) 모델링

         (f)실무 검정

         (g) 배포

5. 인공지능 모델링 도구

   1) scikit-learn 소개

      -1 what is scikit-learn?

         (a) 파이썬으로 작서오딘 예측 데이터를 분석을 위한 간단하고 효율적인 도구

         (b) 누구나 접근 가능하고 다양한 상황에서 재사용 가능

         (c) NumPy, SciPy 및 matpltlib를 기반으로 구축

         (d) 오픈 소스, 상업적으로 사용 가능 - BSD 라이센스

1. 빅데이터의 개념

   1) 빅데이터의 정의

      -1 위키백과  :  기존 데이터베이스 관리도구의 능력을 넘어서는 대량(수십 테라바이트)의 정형 또는 심지어

                             데이터베이스 형태가 아닌 비정형의 데이터 집합조차 포함한 데이터로부터 가치를 추출하고

                             결과를 분석하는 기술

      -2 오라클  :  우리가 매일 사용하는 컴퓨터, 모바일 기기, 기계 센서에서 흐르는 방대한 제타바이트급 데이터로

                         구성된 정보의 바다

      -3 SAP  :  우리가 매일 사용하는 컴퓨터, 모바일 기기, 기계 센서에서 흐르는 방대한 제타바이트급 데이터로 구성된

                      정보의 바다

      -4 구글  :  규모와 복잡성으로 인해 많은 비즈니스 인텔리전스 도구에서 관리하거나 분석하기 힘든 조직에서 사용할

                      수 있는 방대한 데이터

      -5 마이크로소프트  :  다양하고 방대하며 빠르게 변화하는 데이터 세트

직관적으로 떠오르는 느낌 "매우 많은 데이터"
대량의 정형화 및 비정형화 데이터를 분석하여 유의미한 가치를 추출하고 결과를 분석하는 기술

       * 대량  :  목적을 달성할 만큼의 크기 (일반적 수치로는 수십 테라바이트에서 수 페타바이트)

       * 정형화  :  직관적으로 보면 알만한 규칙과 패턴, 그리고 의미를 갖는 데이터

       * 비정형화  :  정해진 규칙과 패턴 등이 없는 데이터

   2) 빅데이터 특징

      -1 초기

         (a) Volume (규모)  :  가장 기본적인 단순 저장되는 물리적인 데이터 크기 속성

         (b) Variety (다양성)  :  정형과 비정형 등의 다양한 종류의 데이터를 포함하는 속성

         (c) Velocity (속도)  :  데이터가 얼마나 빠르게 생성, 저장, 시각화 등이 되는지에 대한 속성

      -2 중기 (가치창줄 강조)

         (a) Veracity (정확성)  :  데이터가 사용할 만한 것인지에 대한 속성

         (b) Value (가치)  :  비즈니스나 연구 등에서 유용한 가치를 가지는지에 대한 속성

      -3 현재 (데이터 자체 이해도)

         (a) Validity (정확성)  :  Veracity와 비슷한 개념이나 물리적 오류보다 논리적 오류에 대한 속성

         (b) Volatility (휘발성)  :  장기적인 관점에서의 데이터로서의 유지력

      -4 미래

         (a) Variability (가변성)  :  동일한 문장이 SNS 확산에 따라 다른 문맥으로 정의되는 속성

         (b) Visualization (시각화)  :  중요 정보를 쉽게 이해할 수 있는 시각적 속성    

2. 빅데이터와 인공지능

   1) 단계별 기법

   2) 활용 관계

      -1 빅데이터  :  분석과 가치 창출의 대상

      -2 인공지능  :  데이터의 패턴을 확인하고 예측하여 미래를 대비하는 기술

      -3 빅데이터와 인공지능  :  인공지능의 예측력을 높이기 위한 학습 정보

         (a) 데이터 생성, 보관, 유통 등의 데이터 관리와 접근성 제고 영역 담당

         (b) 빅데이터를 이용하여 향상된 인공지능을 만들고 다양한 분야의 서비스로 탄생

   3) 서비스 구현 사례

      -1 카카오페이 자산관리

         (a) 사용자의 결제 이력, 관심사, 소비 성향 등을 분석하여 맞춤형 카드 추천 서비스

         (b) 다양한 자산의 증감 현환 시각화

         (c) 서비스 구현 기획

            - 서비스 정의  :  사용자의 결제 이력, 관심사, 소비 성향 정보를 이용한 카드 추천

            - 데이터셋  :  결제 데이터, 후기글 및 질문답변글, 지불 업체정보, 지불카드 종류

      -2 당근마켓 품목관리

         (a) 주류, 담배, 동물, 가품 등 거래 금지 품목 설명 게시글 비노출 필터링

         (b) 문제 게시글을 자동 인식 및 처리

         (c) 서비스 구현 기획

            - 서비스 정의  :  거래 금지에 해당하는 품목에 해당하는 설명 게시글은 노출되지 않도록 서비스

            - 데이터셋  :  등록일시, 등록사용자, 품목 대분류, 품목 중분류, 품목 세분류, 품목의 설명 데이터, 노출여부

            - 데이터셋 수집  :  내부 데이터 및 외부 품목 설명 데이터 (조달청-물품목록제도, 중소벤처기업부-상품정보시스템,

                                         각 제조사)

     -3 서비스 발전 방안

         (a) 인공지능을 완성하고 보다 예측력이 높은 모델을 위한 빅데이터

         (b) 빅데이터 기반 기술의 발전

            - 자원활용의 한계를 벗어나기 위한 병렬처리 기술

            - 데이터 전송 기술

            - 데이터 분산 처리 기술

         (c) 인공지능 윤리 발전

1. 핀테크 현황

   1) 핀테크 개념

      -1 금융(Financial)과 기술(Technology)의 합성어 

              : 금융 업무 프로세스 또는 서비스 등에 정보기술(IT, Information Technology),

                정보보안(IS, Information Security)을 적용

                  ->  새롭고 혁신적인 산업 또는 금융 서비스

                  -> 더 개선된 서비스

      -2 전통 금융  :  안정성을 중시하는 인지(人紙)산업

      -3 현대 금융  :  안정성을 비롯한 비용과 인력의 효율과 효과를 중시하는 자동화 산업

   2) 핀테크 유형

      -1 간편결제  :  삼성페이, 애플페이, 구글페이 등

      -2 간편송금(이체)  :  토스, 페이코, 카카오페이 등

      -3 P2P 금융  :  금융사의 중계없이 투자자 및 대출자가 금융거래

      -4 투자/자산관리  :  로보어드바이저, 브로콜리, 뱅크샐러드 등

   3) 핀테크의 탄생 배경과 중요 포인트

      -1 IT 인프라 저비용화 (저장장치) 및 공개된 접근성 (클라우드)

      -2 플랫폼을 앞세운 빅테크 기업과의 협업

             -> 금융 시장의 안정성과 소비자 보호 등을 위한 규제 우회

      -3 다양하고 대용량의 데이터 (빅데이터)

             -> 오픈뱅킹과 마이데이터

   4) 중요 기술

      -1 블록체인  :  원장(ledger) 분산 기술, 탈중심 보안 기술

      -2 인공지능  :  인간의 학습, 추론, 지각 등의 능력을 구현하려는 컴퓨터 과학 분야 및 기술

      -3 빅데이터  :  데이터를 정보화하고 수집, 축적, 분석하는 등의 일련의 과정과 기술

      -4 사물인터넷  :  센서와 통신모듈 등을 이용하여 실시간 데이터를 인터넷 공유 또는 사물간 공유 

2. 핀테크와 인공지능

   1) 적용 서비스

      -1 블록체인  :  금융과의 결합시도 (디지털 자산) 

         (a) 금융 거래의 경비절감, 신속성, 투명성 및 보안성을 획기적으로 향상

            - 기존 금융기관  :  사람 또는 자동화 기기 (모바일 서비스 포함)에 의한 예금, 대출, 자산운용 및 결제 업무

            - 핀테크 결합 금융기관  :  탈중앙화금융(가상자산 Defi), 탈중앙화 자율조직(새로운 코인 금융 서비스)

         (b) 메세지 또는 전자문서의 서명  :  카카오페이 인증, LGCNS 모나체인(LG유플러스, LG전자, KB손해보험)

      -2 인공지능  :  OCR, OMR 등의 이미지 인식과 문서분류, 신용평가, 대출심사, 금융상품 추천 서비스 등

      -3 빅데이터  :  금융상품 추천 서비스, 신규 상품분석, 구매 예측, 영업 기회 발굴(고객, 기업 발굴)

      -4 사물인터넷  :  헬스케어, 주행기록 기반 자동차 보험료, 화재/누수/일산화탄소 정보에 기반한 주택보험

   2) 서비스 문제점

      -1 제도적 규제와 금융산업/IT산업

         (a) 공정거래법, 은행법, 금융지주회사법, 자본 시장과 금융투자업에 관한 법률

         (b) 대부업 등의 등록 및 금융이용자 보호에 관한 법률, 전자금융거래법, 유사슈신행위의 규제에 관한 법률

         (c) 외국환거래법, 정보통신망의 이용촉진과 정보보호에 관한 법률, 여신전문금융업법, 개인정보보호법

         (d) 신용정보의 이용 및 보호에 관한 법률, 보험업법, 금융소비자보호법

      -2 학습 데이터  :  인공 지능 학습을 위해서는 거의 대부분 학습에 필요한 정보와 정답 값(label)이 필요

      -3 기술인력

         (a) 이공계 지원자 감소 (절대적 인구 감소)

         (b) 경쟁력 없는 연봉과 경영진의 지원 미비

         (c) 로우코드와 노코드 플랫폼