인공지능이 잘 해결하는 6가지 문제
인공지능이 잘 해결하는 6가지 문제
85% 이상의 데이터 과학 프로젝트가 테스트를 넘어 프로덕션 단계로 넘어가지 못합니다. 모두가 머신 러닝/인공지능 프로젝트를 시작하고 있다면 어디에서 문제가 발생하고 있을까요?
With this post it should help you to focus on the types of problems that AI is good at solving. In order to actually benefit from using AI to increase automation, you will need to have the right data, have enough data, have a methodology that can be defined with data points, and be creative in understanding how to apply or craft solutions for parts of your team's workflow
AI를 통한 문제 해결의 예
1) 분류(결정)
- 이진 결정: 매수 또는 매도, 예 또는 아니오, 시작 또는 중지
- 분류: 승인, 거부 또는 추가 검토를 위해 플래그 지정; 라벨링 데이터
- 감정: 부정, 중립, 긍정 및 극성 점수까지 표시합니다.
2) 추출(자동화된 데이터 입력)
- 소스 문서, 웹사이트, PDF 또는 양식 구문 분석
- 해당 정보를 추출하여 데이터베이스에 깔끔하게 자동으로 입력하세요.
- View or access data in your company's internal and client-facing dashboards
3) 요약
더 큰 텍스트에서 가장 관련성이 높은 문장을 추출하는 것이 목표입니다. 추출 모델은 요약에 포함할 전체 문장을 선택하고, 추상 모델은 컴퓨터가 생성한 단어 및 다른 문장의 일부와 결합되는 문장의 일부를 선택합니다.
4) 추천
일련의 문서(또는 기사, 콘텐츠, 특허, 고객 프로필 등)가 주어지면 검색 중인 데이터베이스 내에서 유사한 콘텐츠를 식별합니다.
5) 추정
스프레드시트에 10만 개가 넘는 행과 많은 변수가 있어 Excel을 열면 컴퓨터가 다운될 정도로 데이터가 많은 경우가 아니라면 더 나은 추정 모델을 구축하기 위해 인공지능이 필요하지 않을 수 있습니다. 머신러닝은 모든 변수의 중요도가 확실하지 않은 경우 수백 개의 차원에 대해 최적화할 수 있습니다.
평생의 인구 데이터를 사용하여 개인의 건강에 영향을 미치는 모든 요인을 모델링하는 것과 우편번호, 침실 수, 크기를 기준으로 주택 가격을 모델링하는 것을 생각해 보세요.
6) 이상 징후 탐지
사이버 보안을 생각해보세요. IT 부서는 모든 회사 직원의 정상적인 활동을 파악하고 있으며, 회사에 실제 위험이 발생했을 때 경고를 받아야 합니다. 예: 해커가 네트워크에 침입하여 회사의 IP를 도용하고 있습니다.
실제 공격의 형태를 미리 예측하는 것은 불가능할 수 있지만, 이상 징후 탐지 모델을 배포하여 로그인 또는 해외에 위치한 서버로 향하는 아웃바운드 트래픽이 10,000% 급증하는 것과 같은 행동의 편차를 찾아낼 수 있습니다.
한국어 
English 
Español 
Français 
Deutsch 
Italiano 
Português 
日本語 
Українська