기계학습과 비즈니스 전략

기계학습을 활용한 비즈니스는 학습을 위한 가능한 많은 양의 정제된 학습데이터가 필요하고 얻고자 하는 결과물이 단순 명쾌할 필요가 있습니다.

원하는 결과물을 만족하는 가장 좋은 모델을 얻기 위해서는 모델의 설계부터 학습결과에 대한 평가와 조정 및 재학습이 반복해서 일어나게 되기 때문에

여기엔 데이터사이언티스트의 경험치가 매우 중요합니다. 아이엠그루는 기계학습 알고리즘들의 적절한 활용과 데이터의 특징을 명확하게 이해하여

정제하고 학습과 평가 그리고 서비스까지 다양한 경험을 고객에게 제공합니다.

mc_01_02.jpg

mc_02_02.jpg

bulletedlist_01.jpg 기술적 분석

bulletedlist_02.jpg 로지스틱 회귀 (Logistic Regression)

분류 작업에 사용되는 선형 회귀와 몇 가지 유사점이 있는 모델로, 연속적이지 않고 이진수로만 이어진 출력 변수를 사용하는 모델

비즈니스 사례 : 대출금 상환 가능성에 따른 고객 분류, 피부 병의 특성에 따른 양성 or 악성 예측

bulletedlist_02.jpg 의사결정 트리 (Decision Tree)

최종적으로 결정되어 출력이 이루어질 때 까지 의사 결정 노드에서 데이터 특정 값을 분기로 지정하여 분리하는 고도의 해석 가능한 분류 또는 회귀 모델

비즈니스 사례 : 제품을 구매할 가능성이 높은 제품의 속성 추출, 신입 사원 채용을 위한 의사 결정

bulletedlist_01.jpg 예측 분석

bulletedlist_02.jpg K-means 클러스터링

유사한 특성을 가진 데이터들을 각각 포함하는 그룹에 데이터를 포함시켜 분류 포인트와 공통점을 예측 하는 모델

비즈니스 사례 : 연령대(or 고객 등급 등 ) 별로 고객을 그룹으로 분류하여 그룹 별로 마케팅 방식을 관리

bulletedlist_02.jpg 추천 시스템 (Recommender System)

동작을 예측하는 클러스터를 사용하여 권장 사항이나 중요한 데이터를 개별적으로 식별하기 위해 사용되는 모델

비즈니스 사례 : 유사한 특성을 가진 다른 고객의 선호도를 기반으로 상품을 추천

bulletedlist_01.jpg 처방적 분석

bulletedlist_02.jpg 대표적인 비즈니스 사례

- 옵션거래 포트폴리오를 위한 거래 최적화 전략

- 자가 운전 차량의 주행 운동 최적화

- 다양한 수요로 인한 전기 시설 간의 공급 균형 조정

- 물류 창고 로봇을 이용한 재고 및 물품 선택 자동화

- 공급이 제한적인 제품의 온라인 경매를 실시간으로 가격 최적화

 

 

 

© 2017 IMGURU, Inc. All rights reserved.

 
서울특별시 금천구 가산디지털 1로 128 STX-V 타워 502호
우편번호 : 08507  |  전화번호 : 070-4099-2022  |  이메일 : imguru@imgr.co.kr