데이터

비즈니스에서 AI 솔루션 구현하기

Jacob H. Marquez

Data Scientist

데이터의 중요성

 

• 데이터 없으면 학습할 패턴 없음
• 잘못된 데이터는 잘못된 패턴 생성
• AI 품질은 데이터에 달려 있음

 

데이터의 네 가지 영역

$$

데이터의 네 가지 영역

$$

데이터의 네 가지 영역

$$

데이터의 네 가지 영역

$$

수집

데이터 유형

• 고객 인구 통계
• 판매 정보
• 제품 재고
• 마케팅 캠페인 성과

공급망

• 조달
• 운송
• 재고 수준

이미지 분류를 위한 AI

• 기계 결함
• 수천 개의 레이블 이미지

수집

 

1차 데이터

• 데이터 캡처 또는 기존 소스 활용
• 타 부서와의 협력
• 수집에 시간 소요

 

3차 데이터

• 데이터 소스 전문업체
• 타 기업과의 파트너십

$$

$$

• 복잡할수록 더 많은 데이터 필요
• 머신러닝 과학자가 요구사항 결정

품질

품질

품질

품질

품질

품질 - 데이터 편향

정의: 부정확하거나 불공정한 결과를 초래할 수 있는 데이터 내의 체계적 오류 또는 편견

• 인식 및 평가를 위한 도구와 방법
• 편향된 결과 및 의사결정 방지
• 책임 있는 AI 구축

보안

 

이점:

• 신뢰 유지
• 규정 준수
• 비즈니스 이익 보호

 

조치:

• 개인 식별자 제거
• 보존 정책
• 암호화
• 접근 제어

연습해 봅시다!

비즈니스에서 AI 솔루션 구현하기