[프롭테크] 0507 빅데이터와 인공지능
P2P 핀테크 Review
- 천송이코트 -> 중국인구매 가능하도록 지시 -> 핀테크 개혁 -> Toss의 발전
- Equity 투자 -> 공공의 목적
- 핀테크 -> 금융리테일(온라인/모바일화) / 온라인 금융(플랫폼화)
빅데이터와 인공지능
- 2019년 서울대 컴퓨터공학과 커트라인, 주요 의대수준으로 상승. IT출신 개발자 20~30만 달러 연봉
- 정부 예산 1700억원대
"한커버그·설파고 꿈꿔요"…컴공과 인기 의대 넘본다 - 매일경제
2019 정시입시 `컴공과의 반전` 서울대 컴퓨터공학과 커트라인 서울 주요의대 수준으로 상승 대학입시 SW 전형 확대에 정보올림피아드·코딩대회 북적
www.mk.co.kr
정부, 올해 데이터 경제 활성화에 1787억원 투입
정부는 올해 데이터 경제 활성화 지원 사업에 전년대비 4배 이상 증액된 1787억원을 투입한다.과학기술정보통신부, 한국정보화진흥원, 한국데이터산업진흥원은 2월 14일 ‘2019 데이터 사업 통합설명회’를 개최하고 올해 추진되는 데이터 분야 주요 사업에 대한 내용과 절차...
m.bikorea.net
1분동안 만들어지는 데이터의 양
- 데이터의 과금량이 10년전 Mega 단위에서 Giga 단위로 성장하고 있다.
4차산업혁명과 프롭테크
- Digital 요소기술
- Market Size
[오바마 선거캠프사례]
- 24가지 조합 learn more / sign up 데이터 분석
온라인 마케팅 : Performance Marketing
- 퍼포먼스 마케팅 : 최적화된 마케팅 방법으로 변화
- AD Tech : 광고기술, 트래킹, 개선
- TV광고를 멈춘 P&G
- 오비이락인지, 인과관계를 가지는 건지 파악할 수 있는 수준.
공간서비스의 활용성 이슈
- Price 임대료*Quality 면적,
- Demand Curve에서 차등화 되는 위치에 프리미엄이 존재가능
- 자산운용 : 전층임대, 전층공실 -> 건물임대사업 : 층별 임대, 층별 공실 -> 공간서비스사업 : 층에서도 호실별 임대, 호실별 공실
- Price * Quality * Time = Cost : 이때 발생하는 Cost는 어떻게 해결할 것인가? AI 인공지능.
[Uber사례]
Supply 공급곡선, No Surge
- 잠실운동장에서 야구경기가 밤에 끝나서 택시를 타고 집에 가고 싶어한다. 2만명중 5천명이 집에가고 싶은데 서울시의 택시대수가 2만명이라고 한다면, Uber의 경우 TV로 야구를 보던 사람이 차를 끌고 나와 집에 태워다 주도록 유인책을 끌어내려면 몇 배정도 비용 균형이 필요한가.
> 데이터를 통한 전략 수립
데이터의 형태
- 정형데이터 (20%)
- 반정형데이터
- 비정형데이터 (80%)
> 비정형, 반정형 데이터들 때문에 빅데이터의 필요성이 발생했다.
빅데이터
- 빅데이터 수집 : 영상데이터 추출/수집, 센서정보수집/ 실시간 빅데이터 수집
- 빅데이터 저장 : 클라우드 서버 , 분산처리 병렬처리, 대용량 데이터 일괄처리
- 빅데이터 분석/처리 : 영상처리, 언어 및 음성처리, 예측분석, 자연어처리, 실시간 빅데이터 분석/처리
- 빅데이터 시각화 : 정보분석 시각화, 데이터 분석탐색, 서비스시각화 등
빅데이터 3V
- Volume 양
- Velocity 속도
- Variety 다양한 정보
이질적인 분석
AI기술 - 알파고 사례
이세돌 대국은 인간계에서 가장 훌륭한 한 수
- 알파고 이전에 예전에 인공지능을 이야기하는 사람들은 다 사기꾼이라고 생각했다.
빅데이터 vs 인공지능
인공지능의 분류
- 약한 인공지능
- 강한 인공지능 ( 전격 Z작전, 아이언맨 자비스 )
- 초인공지능 : 인간보다 1000배 이상 뛰어난 지능을 가진
인공지능과 프롭테크
- 영상처리 시스템
- 객체인식기술, 상황감지기술, 모션인식 기술
인공지능 관련 기업
- 구글, 페이스북, 아마존, IBM, GE 등
인공지능 시대에 할일
- 데이터 분석 기술 툴은 이미 기업에서 만들어 놓고 있음.
- 데이터 사이언티스트의 중요성
- 향후 빅데이터 관련 데이터를 활용하는 것이 중요할 것으로 보여짐.
클라우드
- 람다함수
빅데이터의 진화
- 하루에 2억 5천만개의 DB가 생성, 데이터양은 더 많아지는 상황
- 데이터를 어떻게 처리할 것인가?의 문제
인공지능과 윤리
Avoiding Bias in Predictive Analytics
- 기존에 백인 위주의 미적 기준의 데이터셋의 한계로 유색인종의 차별 가능성의 요인도 증가할 수 있음.
- 프로그램이 되어있지 않은 상황으로 인해 피해를 보는 경우가 생김