머신 러닝 원칙

비즈니스를 위한 Machine Learning

Karolis Urbonas

Head of Machine Learning & Science, Amazon

머신 러닝 유형

머신 러닝: 통계·컴퓨터 과학 기법을 데이터에 적용하여 다음을 수행:

1. 인과 통찰 도출

   "고객이 서비스 구독을 취소하는 원인은 무엇인가?"

2. 미래 이벤트 예측

   "다음 달 구독을 취소할 가능성이 높은 고객은 누구인가?"

3. 패턴 이해

   "유사한 행동을 보이는 고객 집단이 있는가?"

지도 vs 비지도 학습

머신 러닝: 통계·컴퓨터 과학 기법을 데이터에 적용:

1. 인과 통찰 도출

   지도 학습

2. 미래 이벤트 예측

   지도 학습

3. 패턴 이해

   비지도 학습

지도 학습 데이터 구조

타깃 변수

입력 특성

입력 특성 예시

입력 특성 사용하기

타깃 변수 예측

비지도 학습 데이터 구조

비지도 입력 특성

비지도 학습 결과

ML 예시 - 마케팅

지도 학습:

• 다음 달 구매 가능성이 높은 고객 예측
• 고객별 기대 생애가치 예측

비지도 학습:

• 과거 구매 기반으로 고객 세분화

ML 예시 - 금융

지도 학습:

• 잠재적 사기를 시사하는 핵심 거래 속성 식별
• 주택담보대출 상환 연체 고객 예측

비지도 학습:

• 거래 속성 기반으로 세분화하여 수익성 높은 군집 파악

ML 예시 - 제조

지도 학습:

• 불량 가능성이 높은 제품을 예측해 수동 검사 대상 선정
• 고장 가능성이 높은 설비 예측 및 정비 필요성 판단

비지도 학습:

• 센서 읽기값을 군집화하고 이상치로 잠재적 고장 감지

ML 예시 - 운송

지도 학습:

• 택배 예상 배송 시점 예측
• 최단 운전 경로 식별
• 수요 예측으로 재고·차량·인력 사전 확보

연습해 봅시다!

비즈니스를 위한 Machine Learning