[코세나, kosena] 빅데이터 구축 및 제안 가이드kosena빅데이터 구축 및 술루션 가이드 주요 내용
- 고객 내부 빅데이터 프로젝트 진행시 단계별 진행 가이드
- 빅데이터 프로젝트 구축 타입
- 각 산업분야별로 빅데이터 엔진을 활용한 솔루션 구축 가이드
(딥 러닝 기법 기반의 분석 포함)
코세나(kosena), 이승훈 실장 admin@kosena.kr, kosena21@naver.com
010-9338-6400
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.kosena빅데이터 기반의 End-to-End APM 사례, 그리고 비정형 데이터 분석 사례 자료입니다.
코세나(kosena), 이승훈 실장 admin@kosena.kr, kosena21@naver.com
010-9338-6400
[2016 데이터 그랜드 컨퍼런스] 2 5(빅데이터). 유비원 비정형데이터 중심의 big data 활용방안K data빅데이터 시대에서 중요한 것은 의미 분석입니다. 통계분석에서 얻을 수 없는 가치를 빅데이터 분석을 통해 얻을 수 있습니다. 빅데이터는 정형데이터와 비정형데이터를 모두 포함하며, 기업 내부 문서, 이메일, ERP, CRM 같은 시스템에도 있고, 소셜 미디어, 웹블로그 같은 일반 인터넷에도 존재 합니다.
인공지능 알고리즘은 빅데이터를 활용하고 숨은 의미를 찾는데 중요한 역할을 합니다. 현재의 인공지능 기술은 아직 인간의 상식, 창의성, 도덕성을 담을 수 없는 한계를 안고 있습니다. 그러나 특정 분야에서, 예를 들어 고객 민원 자동 분류, 금융 상품 상담과 같은 영역에서 인간보다 뛰어난 처리 능력을 보일 수 있습니다. 궁극적으로 일처리에 효율과 효과를 높이는 방향으로 빅데이터와 인공지능이 활용되고 있습니다.
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)Myungjin Lee오늘날 인터넷의 보편화와 소셜 미디어 및 스마트 기기의 발전으로 인해 정보의 양이 급격히 증가함에 따라 비즈니스 영역에 있어서 새로운 기회와 도전의 시기를 맞고 있다. 빅 데이터라 불리는 이러한 수 많은 정보들은 기업이 효율적인 의사결정을 지원할 수 있도록 도와줄 수 있으며, 또한 다른 기업과의 비즈니스 경쟁에서 경쟁우위를 차지하는데 아주 중요한 역할을 한다. 이러한 의사결정을 지원하기 위해서는 빅 데이터를 효과적으로 분석할 수 있는 방법론이 필요할 뿐 아니라 이를 지원할 수 있는 다양한 인프라를 필요로 한다. 따라서 본 논문에서는 빅 데이터를 분석하기 위한 고급분석 기법과 이를 지원하기 위한 기술 요소들을 도출하고, 향후의 발전 방향에 대해 논하고자 한다. 이러한 분석 기법과 기술을 통한 정확하고 신뢰성 높으며 신속한 의사결정은 기업이 고객의 요구를 신속히 수용하고 반영함으로써 기업의 수익 창출 및 시장을 선점하는 중요한 요인으로 작용할 수 있다.
Recently, as the Internet, social-media, and smart devices have been spread and common, the amount of information increases incredibly. Nowadays, we are confronting new opportunities and challenges in every business area. Obviously, such huge amount of information which called Big Data is playing a significant role at many parts, like improvement of effective decision making. Therefore, many companies could maintain their competitiveness in the market place. In order to support firm’s decision making, we need not only the methodology for the effective analysis of Big Data, but also various infra-structure which could support the firm’s decision making. As a result, this paper discusses advanced analysis methodologies and it’s supporting technical factors. The firm’s decision which is based on such analysis and techniques is usually accurate, reliable, fast, receiving and refreshing customer’s feedback immediately, so the decision making plays an important role in the revenue creation and preempt of market share.
KCSE 2015 Tutorial 빅데이터 분석 기술의 소프트웨어 공학 분야 활용 (...Chanjin Park빅데이터 기술의 소프트웨어 공학 적용
1. 빅데이터 기술의 활용 사례 - 빅데이터 기술은 이미 많은 적용 사례를 가지고 있고, IoT 기술과 더불어 일상의 기술이 되어 가고 있다 (Pervasive & Invisible Analytics).
2. Spark 플랫폼 - 이전에 Hadoop으로 대표되는 빅데이터의 분산 처리 기술은 계속 발전하고 있고, Spark는 메모리 기반 데이터 처리로 기존 대비 성능을 10~100배 개선하였다. 특히, Spark는 Scala라는 함수형 언어로 구현되었고, 이전에 Java 기반의 빅데이터 처리 코드를 보다 명료하고 Compact하게 구현할 수 있다. 데이터 분석에는 Imperative 언어보다 함수형 언어가 보다 적합하다.
3. 소프트웨어 공학에서의 데이터 분석 사례 - 최근 Software Analytics, Repository Mining 등 데이터 분석 사례들이 있고, 최근 GitHub 이나 StackOverflow 분석과 같은 빅데이터 분석 연구들이 진행되고 있다.
4. Spark를 활용한 Word Count 예
5. Big Data Software Engineering - 큰 데이터 처리 외에도, 실시간 데이터 처리 (Velocity), 다양한 데이터 처리 (Variety) 부분에도 소프트웨어 공학 적용이 필요하다. 또한, Big Data Software를 Engineering하는 부분에도 관심이 필요하다. Big Data 분석 코드 역시 SE의 대상으로 바라보고, Test Driven Dev, Agile Methodology와 같은 개발 방법의 적용을 살펴볼 필요가 있다.
마지막으로, 현재 빅데이터 기술에 대한 진입 장벽은 많이 낮아졌고, 사용 가능한 오픈소스들이 많다. 소프트웨어 공학자라면 빅데이터 분석을 직접 시도해 볼 필요가 있고, 특히, Spark-Scala는 향 후 더욱 발전 확대될 기술이다.
Process for Big Data AnalysisMyunggoon Choi본 자료는 빅데이터를 분석하는 전반적인 과정에 대해 정리한 자료로써 사회과학을 포함한 다양한 영역(컴퓨터 공학, 통계학, 수학 등)이 분석 과정에 참여할 수 있는지를 정리한 자료이다. 분석 과정 세부 영역에 있어선 주로 사회과학의 관점에서 기술하였다. 현재 자료는 2010년부터 사회과학의 관점에서 데이터 분석을 계속 해오면서 경험한 부분과 문헌 및 발표 자료 등을 통해 정리한 자료이다. 앞으로 여러 영역을 공부하면서 빅데이터 분석 프로세스를 더욱 발전시켜 나갈 예정이다.
빅데이터의 이해SU BO KIM대형 병원의 교양 세미나에서 발표한 자료입니다.
이미 기술 지식은 충분하셨고 사례를 많이 궁금해 하셨습니다. 그래서 제 경험을 통해 얻었던 인사이트를 많이 나누었습니다. 하지만 의료현장은 플랫폼이나 기술보다는 의료기기로 접근하지 않으면 사용되기 힘들다는 생각이 들었습니다.
[한국IBM] Watson Explorer 활용사례집 Sejeong Kim 김세정비정형 데이터 분석 솔루션 Watson Explorer가 현재 코그너티브 검색엔진 Watson Discovery에 통합되어 서비스되고 있습니다.
- 솔루션 도입 상담: sejngkim@kr.ibm.com/ 02-3781-5838
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)SANG WON PARK2020년 데이터산업진흥원에서 발표한 자료를 일부 편집하여 공유함.
2020년 당시에 Data Platform에서 AI lifecycle를 효율적으로 지원하는 platform을 적극적으로 검토 및 설계하는 작업을 진행하였고, 이 때 검토 및 활용했던 기술들을 기업 관점에서 필요한 내용을 기준으로 정리하였다.
기업들은 전통적인 방식으로의 혁신에 한계를 체감하고 있으며, 최근 AI기반으로 성공적인 혁신(비즈니스 강화, 새로운 비즈니스로 전환 등)에 성공한 기업들을 빠르게 벤치마크 하고 있다.
이렇게 AI 기반으로 기업을 혁신하는 것은 고도화된 AI 모델의 도입으로 해결되지 않으며, 수많은 기술들의 최적화된 조합 및 활용이 필요하다.
이 자료에서는 그 중 AI모델에 핵심적인 데이터를 적시에, 고품질의 형태로, 빠르고 안정적으로 제공할 수 기술 트렌드를 소개한다.
전체 내용은
- AI기반 혁신이란?
- 혁신을 위해서는 어떤 점이 어려운가?
- 고품질 데이터 확보 기술
- 빠르게 AI 모델을 학습하는 기술
- 적시에 다양한 AI 모델을 비즈니스에 적용하는 기술
2020년 기준으로 작성된 자료라, 일부 기술 트렌드가 반영되지 않을 수 있으나 아직까지 많은 기업들이 고민하고 해결하고자 하는 영역이라 참고할 수 있을 것 같다.
이 내용을 기준으로 발표한 영상 링크 : https://www.youtube.com/watch?v=OVm4-uk59ZA
빅데이터 분석 시스템 도입과 AI 적용BESPIN GLOBAL엔터프라이즈의 인공지능(AI)과 머신러닝(ML) 적용은 왜 어려울까요?
베스핀글로벌의 웨비나 자료를 통해서 성공적인 AI와 ML 적용 방법을 확인하세요.
[목차]
1. 디지털 트랜스포메이션의 큰 흐름
- Gartner 선정 미래를 이끌어 갈 기업
- 글로벌 금융 기업의 디지털 트랜스포메이션, 데이터를 바라보는 시각
- 빅데이터 & AI 활용 사례
2. 빅데이터 분석 시스템 도입하기
- 빅데이터 분석 시스템 미도입 이유
- 빅데이터 분석 시스템 도입 사례
3. 데이터 분석을 위한 Data Lake & Data Governance
- 데이터 분석의 한계와 Data Lake
- 클라우드 Migration
- Data Governance의 중요성
4. AI 적용하기
- Amazon AI 서비스
- 적용 사례
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)Myungjin Lee오늘날 인터넷의 보편화와 소셜 미디어 및 스마트 기기의 발전으로 인해 정보의 양이 급격히 증가함에 따라 비즈니스 영역에 있어서 새로운 기회와 도전의 시기를 맞고 있다. 빅 데이터라 불리는 이러한 수 많은 정보들은 기업이 효율적인 의사결정을 지원할 수 있도록 도와줄 수 있으며, 또한 다른 기업과의 비즈니스 경쟁에서 경쟁우위를 차지하는데 아주 중요한 역할을 한다. 이러한 의사결정을 지원하기 위해서는 빅 데이터를 효과적으로 분석할 수 있는 방법론이 필요할 뿐 아니라 이를 지원할 수 있는 다양한 인프라를 필요로 한다. 따라서 본 논문에서는 빅 데이터를 분석하기 위한 고급분석 기법과 이를 지원하기 위한 기술 요소들을 도출하고, 향후의 발전 방향에 대해 논하고자 한다. 이러한 분석 기법과 기술을 통한 정확하고 신뢰성 높으며 신속한 의사결정은 기업이 고객의 요구를 신속히 수용하고 반영함으로써 기업의 수익 창출 및 시장을 선점하는 중요한 요인으로 작용할 수 있다.
Recently, as the Internet, social-media, and smart devices have been spread and common, the amount of information increases incredibly. Nowadays, we are confronting new opportunities and challenges in every business area. Obviously, such huge amount of information which called Big Data is playing a significant role at many parts, like improvement of effective decision making. Therefore, many companies could maintain their competitiveness in the market place. In order to support firm’s decision making, we need not only the methodology for the effective analysis of Big Data, but also various infra-structure which could support the firm’s decision making. As a result, this paper discusses advanced analysis methodologies and it’s supporting technical factors. The firm’s decision which is based on such analysis and techniques is usually accurate, reliable, fast, receiving and refreshing customer’s feedback immediately, so the decision making plays an important role in the revenue creation and preempt of market share.
KCSE 2015 Tutorial 빅데이터 분석 기술의 소프트웨어 공학 분야 활용 (...Chanjin Park빅데이터 기술의 소프트웨어 공학 적용
1. 빅데이터 기술의 활용 사례 - 빅데이터 기술은 이미 많은 적용 사례를 가지고 있고, IoT 기술과 더불어 일상의 기술이 되어 가고 있다 (Pervasive & Invisible Analytics).
2. Spark 플랫폼 - 이전에 Hadoop으로 대표되는 빅데이터의 분산 처리 기술은 계속 발전하고 있고, Spark는 메모리 기반 데이터 처리로 기존 대비 성능을 10~100배 개선하였다. 특히, Spark는 Scala라는 함수형 언어로 구현되었고, 이전에 Java 기반의 빅데이터 처리 코드를 보다 명료하고 Compact하게 구현할 수 있다. 데이터 분석에는 Imperative 언어보다 함수형 언어가 보다 적합하다.
3. 소프트웨어 공학에서의 데이터 분석 사례 - 최근 Software Analytics, Repository Mining 등 데이터 분석 사례들이 있고, 최근 GitHub 이나 StackOverflow 분석과 같은 빅데이터 분석 연구들이 진행되고 있다.
4. Spark를 활용한 Word Count 예
5. Big Data Software Engineering - 큰 데이터 처리 외에도, 실시간 데이터 처리 (Velocity), 다양한 데이터 처리 (Variety) 부분에도 소프트웨어 공학 적용이 필요하다. 또한, Big Data Software를 Engineering하는 부분에도 관심이 필요하다. Big Data 분석 코드 역시 SE의 대상으로 바라보고, Test Driven Dev, Agile Methodology와 같은 개발 방법의 적용을 살펴볼 필요가 있다.
마지막으로, 현재 빅데이터 기술에 대한 진입 장벽은 많이 낮아졌고, 사용 가능한 오픈소스들이 많다. 소프트웨어 공학자라면 빅데이터 분석을 직접 시도해 볼 필요가 있고, 특히, Spark-Scala는 향 후 더욱 발전 확대될 기술이다.
Process for Big Data AnalysisMyunggoon Choi본 자료는 빅데이터를 분석하는 전반적인 과정에 대해 정리한 자료로써 사회과학을 포함한 다양한 영역(컴퓨터 공학, 통계학, 수학 등)이 분석 과정에 참여할 수 있는지를 정리한 자료이다. 분석 과정 세부 영역에 있어선 주로 사회과학의 관점에서 기술하였다. 현재 자료는 2010년부터 사회과학의 관점에서 데이터 분석을 계속 해오면서 경험한 부분과 문헌 및 발표 자료 등을 통해 정리한 자료이다. 앞으로 여러 영역을 공부하면서 빅데이터 분석 프로세스를 더욱 발전시켜 나갈 예정이다.
빅데이터의 이해SU BO KIM대형 병원의 교양 세미나에서 발표한 자료입니다.
이미 기술 지식은 충분하셨고 사례를 많이 궁금해 하셨습니다. 그래서 제 경험을 통해 얻었던 인사이트를 많이 나누었습니다. 하지만 의료현장은 플랫폼이나 기술보다는 의료기기로 접근하지 않으면 사용되기 힘들다는 생각이 들었습니다.
[한국IBM] Watson Explorer 활용사례집 Sejeong Kim 김세정비정형 데이터 분석 솔루션 Watson Explorer가 현재 코그너티브 검색엔진 Watson Discovery에 통합되어 서비스되고 있습니다.
- 솔루션 도입 상담: sejngkim@kr.ibm.com/ 02-3781-5838
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)SANG WON PARK2020년 데이터산업진흥원에서 발표한 자료를 일부 편집하여 공유함.
2020년 당시에 Data Platform에서 AI lifecycle를 효율적으로 지원하는 platform을 적극적으로 검토 및 설계하는 작업을 진행하였고, 이 때 검토 및 활용했던 기술들을 기업 관점에서 필요한 내용을 기준으로 정리하였다.
기업들은 전통적인 방식으로의 혁신에 한계를 체감하고 있으며, 최근 AI기반으로 성공적인 혁신(비즈니스 강화, 새로운 비즈니스로 전환 등)에 성공한 기업들을 빠르게 벤치마크 하고 있다.
이렇게 AI 기반으로 기업을 혁신하는 것은 고도화된 AI 모델의 도입으로 해결되지 않으며, 수많은 기술들의 최적화된 조합 및 활용이 필요하다.
이 자료에서는 그 중 AI모델에 핵심적인 데이터를 적시에, 고품질의 형태로, 빠르고 안정적으로 제공할 수 기술 트렌드를 소개한다.
전체 내용은
- AI기반 혁신이란?
- 혁신을 위해서는 어떤 점이 어려운가?
- 고품질 데이터 확보 기술
- 빠르게 AI 모델을 학습하는 기술
- 적시에 다양한 AI 모델을 비즈니스에 적용하는 기술
2020년 기준으로 작성된 자료라, 일부 기술 트렌드가 반영되지 않을 수 있으나 아직까지 많은 기업들이 고민하고 해결하고자 하는 영역이라 참고할 수 있을 것 같다.
이 내용을 기준으로 발표한 영상 링크 : https://www.youtube.com/watch?v=OVm4-uk59ZA
빅데이터 분석 시스템 도입과 AI 적용BESPIN GLOBAL엔터프라이즈의 인공지능(AI)과 머신러닝(ML) 적용은 왜 어려울까요?
베스핀글로벌의 웨비나 자료를 통해서 성공적인 AI와 ML 적용 방법을 확인하세요.
[목차]
1. 디지털 트랜스포메이션의 큰 흐름
- Gartner 선정 미래를 이끌어 갈 기업
- 글로벌 금융 기업의 디지털 트랜스포메이션, 데이터를 바라보는 시각
- 빅데이터 & AI 활용 사례
2. 빅데이터 분석 시스템 도입하기
- 빅데이터 분석 시스템 미도입 이유
- 빅데이터 분석 시스템 도입 사례
3. 데이터 분석을 위한 Data Lake & Data Governance
- 데이터 분석의 한계와 Data Lake
- 클라우드 Migration
- Data Governance의 중요성
4. AI 적용하기
- Amazon AI 서비스
- 적용 사례
AI 비지니스 무엇을 어떻게 준비하고 해야 하는가? - 정우진 (AWS 사업개발 담당)Amazon Web Services Korea최근 글로벌 혁신의 트렌드인 AI의 다양한 사례를 살펴보고 단계적으로 어떻게 접근하고 준비해야 할지를 알려드립니다. 이미지/비디오 인식 등 AI 어플리케이션의 유형과 트렌드를 전달드립니다. 특히 AWS AI 서비스를 성공적으로 도입하고 활용하기 위한 전략을 살펴보고 사례를 통한 Use Case를 통해 단계별 접근 전략을 소개드립니다. 이번 세미나를 통해 최신 AI트렌드와 정의, 그리고 사례 기반의 도입 유형, 접근 전략과 방법론 등을 알 수 있습니다.
더 많은 AWS 온라인 세미나 알아보기: https://aws.amazon.com/ko/events/webinars/series
E-commerce BigData Scale AI Journeyhoondong kim- E-commerce BigData Scale AI Journey
- BigData Scale Deep Learning Production System Use Case
- Deep Learning, Cloud PaaS, Microservices, DevOps, etc.
- E-Commerce AI Production System Strategy
핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...Amazon Web Services Korea리테일을 포함한 많은 기업들이 디지털 전환의 핵심 기술로 AI와 머신러닝 활용을 고려하고 있습니다. 본 세션에서는 리테일 비즈니스 최적화를 위한 수요 예측과 재고관리에 시계열 분석을 도입하기 위한 분석도구로 Amazon Forecast와 Amazon SageMaker를 활용하는 방안에 대해 알아보고, 국내 대형유통업체가 AWS 서비스를 활용하여 어떻게 재고를 최적화했는지 성공사례를 공유해 드립니다.
빅데이터 활용사례 by GoldenWired INC.Byounghee Kim데이터 분석 전문기업 주식회사 골든와이어드 DATA Lab에서
빅데이터에 대한 활용사례에 대해 궁금해 하는 고객들과 일반인들을 위하여 간략하게 요약한 사례집입니다.
이해하기 쉽게 구성하였습니다. 빅데이터 활용에 대한 이해에 조금이나마 도움이 되기를 바랍니다.
[MindsLab] company introduction(2020)_ko_with videosTaejoon YooIntroducing MindsLab company overview, products & services and success stories and use case based on maum.ai AIaaS platform.
Transitioning from the Era of Big Data to LLMs_Deriving InsightsTae Young LeeTransitioning from the Era of Big Data to LLMs: Deriving Insights
Table of Contents
Big Data and LLMs: Evolution Over Time
Definition and role of Big Data
The emergence and advancements of LLMs (Large Language Models)
Differences and connections between Big Data and LLMs
Challenges of Big Data and the Introduction of LLMs
The initial hype around Big Data and infrastructure expansion
Limitations caused by insufficient data utilization
New possibilities unlocked by the development of LLMs
Current State and Limitations of LLMs
Service innovations brought by LLMs
Gaps between expectations and reality
Data privacy and ethical challenges
Complexity in technology management
A Successful Transition from Big Data to LLMs
Creating business value through data
Shifting from domain-focused to process-oriented thinking
Developing new business models through service innovation
Future Directions for Insight Derivation
Integrating AI and data utilization
Effective approaches to derive actionable insights
Establishing real-time decision-making systems powered by LLMs
Key Messages
Limitations of Big Data: Despite the expansion of data infrastructure, many organizations struggled to translate it into actionable services or insights.
Opportunities with LLMs: LLMs have shown remarkable success in natural language processing and leveraging large-scale data, moving beyond infrastructure to create tangible business value.
Challenges Ahead: Leveraging LLMs requires addressing technical complexity, ethical considerations, and operational costs.
Path to Success: Rather than a technology-centric approach, adopting a problem-solving mindset and developing innovative processes are crucial for success.
Conclusion
The transition from Big Data to LLMs represents a paradigm shift in how data is utilized. Overcoming the challenges of LLM adoption and building a business-driven strategy will pave the way for greater insights and value creation.
This presentation explores these topics with practical examples, offering strategies for using data and AI to shape the future of business.
[한국IBM] AI활용을 위한 머신러닝 모델 구현 및 운영 세션Sejeong Kim 김세정['Download' 버튼 클릭하여 고화질 다운로드 가능]
9/3(화), 한국IBM Client Center에서 진행된 "AI활용을 위한 머신러닝 모델 구현 및 운영 세션" 발표자료입니다.
Contact
sejngkim@kr.ibm.com
02-3781-5637
인공지능을 활용한 비즈니스 전략 사례Billy ChoiAI 트렌드 통찰로 산업파괴적인 AI BM을 모색해보고, AI 중심의 NEW THINKING으로 인류의 삶을 변화시킬 위대한 리더십을 고찰해본다.
AI 적용 트렌드 통한 산업파괴적인 AI BM 모색
AI 사례 분석으로 새로운 패러다임 창출 전략 탐색
AI 도전
NEW THINKING
[코세나, kosena] FDS(Fraud Detection System) Securitieskosena스플렁크로 구축한 빅데이터 기반의 FDS 사례 자료입니다...
방대한 내부 데이터를 분석하여 실시간으로 통제하는 빅데이터 기반의 FDS(Fraud Detection System)으로 기존의 배치성이거나 특정 분야만 지원하는 FDS가 아니라 모든 금융 및 기업 내외부의 부정행위를 분석하고 모니터링합니다...
이제 진정한 FDS를 구축하실 수 있습니다...
코세나(kosena), 이승훈 실장 admin@kosena.kr, kosena21@naver.com
010-9338-6400
3. 개요
-제조장비로부터 데이터를 수집하여
전체구간에 대한 학습을 통해 품질을
예측함. 스마트 팩토리의 핵심
학습
데이터
-제조 설비 데이터, IOT데이터
- MES 데이터, 로그 데이터
솔루션
협력사
-
제조 품질예측 시스템
1.제조 분야(1/3)
개요
-제조장비의 설비다운을 예측하여 사전에
큰 사고를 예방하고자 함
학습
데이터
-제조 설비 데이터, IOT데이터
- MES 데이터, 로그 데이터
솔루션
협력사
-
제조설비 예지정비 시스템
4. 개요
-여러 회사를 경영하는 그룹사의 경우
경영진이 실시간으로 각 회사의
경영/제조/연결분석 등을 통해
예측하도록 하고자 함
학습
데이터
-ERP데이터
-그룹웨어 데이터
- 로그 데이터
솔루션
협력사
-ERP업체
경영판단 예측 지원시스템
개요
-산재가 잦은 사업장/플랜트/건설에서
위치기반 센서와 장비센서의 데이터를
학습하여 안전사고를 예방하고자 함
학습
데이터
-제조 설비 데이터, IOT데이터
- MES 데이터, 로그 데이터
솔루션
협력사
-
안전관리 예측시스템
1.제조 분야(3/3)
5. 개요
- 설계도면의 내용(부호/도형 등)을
학습하여 도면인식과 검색에 사용
학습
데이터
-도면 데이터
- 메타데이터
- 로그데이터
솔루션
협력사
-CAD업체
도면인식 지원시스템
개요
-레슨 런드 문서, 그룹웨어, 매뉴얼, 각종
문서 등을 자동으로 분류하여
내부직원들에게 배포함으로서 내부
단순업무에 대한 부하를 감소시킴
학습
데이터
-비정형 문서
솔루션
협력사
-
문서 자동분류 시스템
1.제조 분야(3/3)
6. 개요
-고객센터에서 챗봇이 상담과 민원을
진행하게 함
학습
데이터
-비정형 문서, 음성
솔루션
협력사
-
콜 센터 챗봇
개요
-마케팅 관련 데이터와 내외부 데이터를
모두 통합하여 개인의 회원이탈이나
상품해지등을 예측하고자 함
학습
데이터
-거래데이터
회원DB
-로그데이터(웹,WAS)
솔루션
협력사
-
고객이탈방지(예측)
2.금융 분야(1/6)
7. 개요 -실시간 부정거래 예측
학습
데이터
-거래데이터
회원DB
-로그데이터(웹,WAS)
솔루션
협력사
-
FDS
개요 -자금세탁 예측
학습
데이터
-거래데이터
회원DB
-로그데이터(웹,WAS)
솔루션
협력사
-
ALM
2.금융 분야(2/6)
8. 개요
-대출을 수행한 중소기업/개인들의 외부
평가를 관리하여 조기 위험을 파악하고
조기 상환을 통해 대출 리스크를 최소화
하려함
학습
데이터
-거래데이터
회원DB
-로그데이터(웹,WAS)
솔루션
협력사
-
부도 예측 시스템
개요
-복잡한 금융상품의 내용과 상관관계를
분석하여 상품수나 카테고리를 조정하고
영업에 임팩트를 주기 위함
학습
데이터
-거래데이터
회원유, 상품DB
-로그데이터(웹,WAS)
솔루션
협력사
-컨설팅업체
고객패턴 예측 시스템
2.금융 분야(3/6)
9. 개요 -환율 예측
학습
데이터
-비정형 문서
거래데이터
-금융데이터
솔루션
협력사
-
환 리스크 관리
개요 - 금융기간의 수익성을 예측
학습
데이터
- 거래데이터
- 인/아웃 회계 데이터
솔루션
협력사
-
2.금융 분야(4/6)
수익성 예측
10. 개요 -증권거래의 작전세력을 예측
학습
데이터
-거래데이터
솔루션
협력사
-
증권거래 예측
개요
- 내부 직원들의 동향을 예측, 내부 통제
예측
학습
데이터
-내부 문서 데이터
로그 데이터
내부 금융시스템 데이터
솔루션
협력사
-
2.금융 분야(5/6)
감사/내부통제 예측
11. 개요
-자동차 사고시 사고 사진을 판독하여
정비금액을 예측하고자 함
학습
데이터
-차량 사진
- 사고 사진
솔루션
협력사
-
자동차 사고 판독
개요
- 패턴에 없는 알려지지 않는 보험사기를
예측하고자 함
학습
데이터
- 보험가입자 데이터
- 승인데이터
- 콜센터 데이터
솔루션
협력사
-
2.금융 분야(6/6)
보험사기 예측
12. 개요
-통신기지국의 모든 장비의 장애를
예측하고자 함. End-to-End 모니터링을
포함함
학습
데이터
-통신장비 데이터
네트웍 데이터
서버 데이터
로그 데이터
솔루션
협력사
-
예지정비 시스템
3.통신 분야(1/1)
개요
-통신사 및 케이블업체의
스마트TV/셋탑박스/샤이니지 데이터를
예측하여 광고매출을 올리고자 함
학습
데이터
-단말 데이터
회원유
로그데이터
솔루션
협력사
시청률/광고 예측
13. 개요 -엑스레이, CT ,MRI 사진 판독
학습
데이터
-엑스레이, CT ,MRI 사진
솔루션
협력사
-
의료 이미지 인식 시스템
개요
-신약 개발을 위한 레시피 분석 및
예측시스템
학습
데이터
- 화학 성분 DB
- 기존 레시피
- 질병DB
솔루션
협력사
-
신약 레시피 개발시스템
4.의료 분야(1/2)
14. 개요
-입원 환자 및 질병환자에 대한 치료율과
사망률을 예측하고자 함
학습
데이터
-처방전 데이터
진료데이터
논문
솔루션
협력사
-
질병 및 사망률 예측 시스템
개요
-병원용 CDW를 구축하여, 즉
텍스트+뉴메릭 데이터 통합분석을 통해
통합 의료 데이터 분석을 구축하고자 함
학습
데이터
-처방전 데이터
진료데이터
논문
솔루션
협력사
-
처방전/진료/의료 예측
4.의료 분야(2/2)
15. 개요
-기업 내 모든 데이터를 통합분석하여
개개인의 패턴을 분석하여 상품을
추천하고자 함
학습
데이터
-회원DB
-거래데이터
로그데이터
솔루션
협력사
-
상품추천시스템
개요
-상품이나 게임의 구매고객 패턴을
분석하여 고객이 이탈하는 조짐과 징후를
파악하여 사전에 조치를 취하고자 함
학습
데이터
-회원DB
-거래데이터
로그데이터
솔루션
협력사
고객 이탈 예측 시스템
5.유통/인터넷 분야(1/3)
16. 개요
-비대면 채널의 거래를 실시간 분석하여
개개인간의 거래 또는 부정업체의 사기를
예측하고자 함
학습
데이터
-회원DB
-거래데이터
로그데이터
솔루션
협력사
-
FDS/아이템 사기 예측
개요
- 패텬/인테리어/가전 등의 상품
이미지를 거의 정확하게 검색하고 개인에
맞는 제품을 추천
학습
데이터
-이미지데이터
고객DB
구매데이터
웹WAS스마트폰 로그데이터
솔루션
협력사
-
5.유통/인터넷 분야(2/3)
상품 검색 및 추천 시스템
17. 개요
-편의점등의 말단 배송지와 물류센터간의
물류와 재고를 예측하여 재고비용과
물류비용을 획기적으로 절감하고자 함
학습
데이터
-회원DB
-물품 판매 및 거래데이터
로그데이터
POS데이터
위치데이터
솔루션
협력사
-
재고 및 물류 예측
5.유통/인터넷 분야(3/3)
18. 개요
-공영주차장 등의 주차면에 대한
안내서비스를 고도화하고자 함
학습
데이터
동영상데이터
자동차데이터
위치데이터
솔루션
협력사
-
주차면 인식 시스템
6.공공 분야(1/3)
개요
-공공기관의 민원이 제기하는 민원
서류를 업무별로 자동분류하여
내부직원들에게 배포함
학습
데이터
-비정형 문서
솔루션
협력사
-
민원문서 자동분류 시스템
19. 개요
-폐기물(가구, 가전)을 자동으로 인식하여
행정처리 및 견적 자동 배포
학습
데이터
-폐기물 사진
가구, 가전 사진
솔루션
협력사
-
폐기물 인식 시스템
6.공공 분야(2/3)
개요
-수화물(엑스레이)을 자동으로 인식하여
우범화물 판독
학습
데이터
-엑스레이 사진
우범화물 사진
솔루션
협력사
-
수화물 인식 시스템
20. 6.공공 분야(3/3)
개요
-고속도로 및 지자체 도로의 교통을
위치기반 기술과 인공지능/빅데이터
기술을 조인하여 트래픽을 예측하여
에너지 절감 등 사회적 비용의 절감을
꾀하고자 함
학습
데이터
-동영상데이터
자동차데이터
위치데이터
솔루션
협력사
-
교통 예측
21. 개요
-기관및 기업의 게시판/콜센터의
비정형문서를 자동으로 분류하여
내부담당직원들에게 배포
학습
데이터
-음성데이터
텍스트데이터
솔루션
협력사
-SRPost
고객상담문서 자동분류(VOC)
개요 -
학습
데이터
-
솔루션
협력사 -
8.기타 분야(1/1)
22. 개요
-전체 IT서비스 구간의 품질 분석과
사소한 에러를 사전에 인지하여 큰
에러를 방지하고자 함
학습
데이터
-네트웍데이터
서버로그데이터
애플리케이션 데이터
IOT.설비 데이터
솔루션
협력사
-타임게이트
IT/설비 장애 예측 시스템
개요
-기존 보안 관제와 더불어 구축하여 모든
장비데이터들의 상관관계 분석과
트레이싱을 통해 알려지지 않은
침입패턴을 예측하고자 함
학습
데이터
-네트웍데이터
서버로그데이터
애플리케이션 데이터
보안장비데이터
솔루션
협력사
-사이버원/데이터와이드
보안 예측/검증 시스템
8.산업 공통(1/2)
23. 개요
음성 및 텍스트의 자연어 처리 및 텍스트
분석을 AI를 통해 처리하고자 함
학습
데이터
-비정형 문서
음성데이터
솔루션
협력사
-
개요
. 각종 이미지/얼굴 인식, 동영상속의
타겟인식과 트레이싱 시스템
학습
데이터
-이미지 데이터
동영상 데이터
솔루션
협력사
-
8.산업 공통(2/2)
음성/텍스트 인식 이미지/얼굴/영상 인식 시스템