Advancing Artificial Intelligence
& Machine Learning
인공지능, 대규모의 데이터 중심의 의사결정
인공지능은 오늘날 기업운영에 큰 영향을 미치고 있습니다. 이제는 컴퓨터 실험실에서나 활용하던 수준이 아니라 실제 비즈니스의 문제들을 해결해 주기 위해 산업 전반에 퍼져 있는 리소스가 되었습니다. 새로운 가치 창출 원천을 찾아 내고 기업이 이전보다 더 큰 규모로 빠르게 성장하며, 더 높은 수준의 성과를 달성 할 수 있도록 도와줌으로써 경쟁 우위를 확보하도록 하는 중요한 요소로 자리잡고 있습니다.
머신러닝이란 컴퓨터가 명시적으로 프로그래밍되지 않아도 배울수 있는 능력을 주는 분야입니다
ex. 자율주행자동차, 자동 스팸메일 분류
머신러닝은 데이터 훈련방안에 따라 아래와같이 분류할 수 있습니다
Supervised Learning
Task Driven
•정답이 존재하고 있어 그 정답을 맞추는 예측모델을 과거 데이터로 부터 학습하여 도출하는 행위
•Target 정보를 기반으로 모델을 만드는 대부분의 Predictive modeling
금융기관 신용도 예측:
연체하는 고객들과 연체를 하지 않는 고객들에 대한 데이터를 제공하여 연체 속성을 볼 수 있는 머신러닝 모델을 개발
Reinforcement Learning
Algorithm learns to react
To an environment
•전략의 시행착오를 데이터로 스스로 학습하며 최적 전략을 찾아가는 방법
•결과에 대한 성과측정을 기반으로 지속적으로 진화하여 최적전략 도출
•구글의 Self-driving car 및 한도 최적화 등
콜센터 그룹을 위한 ‘Next best offer’ 모델 개발:
영업 사원의 제안을 고객이 수락하고 거절함에 따라 예측 할 수 있는 모델 개발
Unsupervised Learning
Data Driven
•예측하려는 대상 없이 데이터만으로 유사한 그룹을 찾거나 패턴을 찾는 분석
•유사 고객 성향 그룹핑 등 군집분석(Clustering), 연관분석 등을 이용해 고객 Segment 방안
고객의 행동 특징에 따른 구분:
군집분석을 통한 다양한 Segments를 만들기 위해 전망과 고객을 조사
그렇다면, 신용평가모형 개발시 활용하는 Supervised Learning 주요 알고리즘은?
Random Forest
집단 지성 활용
•Random하게 다양한 모형을 개발하고, 개발된 모형들을 결합하여 Target 예측
•다수결 or 집단지성원리를 활용한 것으로 다양한 모형에 의한 결과로 예측력 높음
Deep NN
신경망원리를 활용 예측력 극대
•인간은 복잡한 신경망으로 세밀한 동작이 가능한 것과 같이 복잡한 신경망 함수식 활용하여 정확한 Target 예측
•세밀한 예측을 통해 복잡하고 다양한 패턴이 존재하는 Target도 예측 가능
Gradient Boosting Machine
약점을 극복하는 방향으로 발전
•초기 모형 결과를 확인하여, 상대적으로 설명력이 낮은 대상들을 더 많이 개발데이터에 추가하여 모형 변별력 개선
•개발된 모형 단점을 극복하는 방향으로 진화하므로 변별력 측면에서 매우 우수
신용평가 모형개발과 인공지능은 어떻게 연관되어 있는가?
-
기존 개발 툴 : SAS, Model Builder, Model Development Studio 등
-
직접 프로그래밍
개발단계에서 머신러닝 알고리즘과 Retraining 자동화 프로세스를 활용하여 인공지능을 적용할 수 있습니다
PANIROIS는 Machine Learning 방법론을 이용한
빅데이터 분석 서비스를 제공합니다.
인공지능 및 머신러닝에 관해 더 궁금하신 점이 있으시면, 아래 문의주십시오
프로젝트 문의
03143 서울시 종로구 율곡로2길 7 (수송동)
서머셋팰리스서울 4층
Tel. 02-739-8325