애널리틱스 | 뉴스, 하우투, 기획, 리뷰 및 동영상
필자가 데이터 과학자로서 경력을 시작하게 된 계기가 된 유럽 입자 물리학 연구소(European Organization of Nuclear Re
생체인식 데이터가 민감한 정보로 간주된다는 점과 이를 보호하는 규제들을 감안한다면, 이 데이터가 ‘인증’에 어떻게 사용되는지 다시금 생각해봐야 한다.
정보 자원을 활용할 수 있는 방법에 관해 알고 있는 기술 전문가(특히, 데이터 과학자)들에 대한 수요가 하늘을 찌르고 있다. 이에 일부 기업들은 직원들이 데이터 과학자가 되도록 새로운
미국 최고의 육류가공 회사는 공장에서 코로나 바이러스의 잠재적 확산을 모델링하기 위해 머신러닝으로 전환했으며 작업자 건강을 모니터링하기 위해 컴
디지털 트랜스포메이션의 성패를 가르는 주요 요소는 데이터에 대한 강력한 문화와 아키텍처다. 디지털 트랜스포메이션이라는 용어는 기술 주도적 조직
데이터가 21세기의 원유(原油)라고 할지라도 이를 시추하는 방법을 모른다면 말짱 도루묵이다. ‘데이터 생명주기(Data Lifecycle)’에는 여러 단계가 있다. 이 때문에 시추부터 생산까지
데이터에 대한 관심은 그리 새롭지 않다. 기업이 보유한 데이터에는 제대로 활용하기만 하면 꾸준히 경쟁 우위를 유지할 수 있는 잠재력이 있다는 것은 스타트업과 기존 기업 사이에 오랫
지난 서른다섯 번째 글에서 빅데이터 현상이 왜 일어나는지 같이 생각해본 바 있다. 빅데이터 현상은 사실 컴퓨터의 컴퓨팅 능력의 한계가 데이터 처
RPA 봇이 오케스트레이션을 비롯해 자동화에 필요한 프론트라인 운영 요건을 제공한다면, ‘분석 프로세스 자동화(Analytics Process Automation, APA)’ 봇은 스마트 소프트웨어를 더 스마트하
‘오토ML(AutoML)’은 개발자를 데이터 과학자로 바꿀 준비가 돼 있다. 반대 경우도 마찬가지다. 오토ML이 데이터 과학을 어떻게 더 나은 방향으로 변화시키는 걸까?