생성형 AI | 뉴스, 하우투, 기획, 리뷰 및 동영상
팬데믹 이후 많은 기업이 비용 절감, 작업 속도 향상 및 핵심 비즈니스 운영의 정확성 개선을 위해 RPA와 같은 기술에 주목했다. 일부 비즈니스
데이터는 이제 중요한 상품이자 자산이다. 2022년 CIO 현황 보고서에 따르면 IT 리더 중 35%가 올 해 자체 조직에서 데이터 분석이 대부분의 IT 투자를 견인할 것이라고 밝혔으며, 58%는 내년에
인공지능(AI) 도구는 이제 사람들이 행복한지, 슬픈지, 화났는지를 파악하려고 한다.
머신러닝이란 완벽하지 않은 경우가 많은 존재다. 대출 승인 분류 등 사람들의 삶에 영향을 미치는 목적에서 모델 예측을 사용할 때, 최소한 일부 예측을 사람이 검토하는 것이 좋다. 신뢰
AI 프로젝트를 성공시키려면 비즈니스 가치, 학습용 데이터, 문화적 준비가 필수다. 이 3가지가 모두 없다면 기존 솔루션이 더 적합할 수도 있다
‘자연어 처리(Natural Language Processing; NLP)’ 모델을 프로덕션 환경에 투입하는 건 차를 구매하는 것과 비슷하다. 원하는 결과에 대한 매개변수를 설정하고, 몇 가지 접근 방식을 테스트
‘AI옵스(AIOps)’는 기업들이 IT 운영을 지능적으로 관리할 수 있도록 지원한다고 말하지만 그 여정이 항상 순탄하지는 않다.
데이터 과학 모델을 프로덕션 환경으로 옮기는 것은 애플리케이션 배포와 상당히 유사하다. 하지만 간과해서는 안 되는 중요한 차이점이 있다.
고객 서비스부터 직원 인터페이스까지 다양한 영역에서 인공지능(AI)과 결합된 챗봇 사용이 크게 증가하고 있다.
‘머신러닝(ML)’을 하는 가장 좋은 방법은 때때로 머신러닝을 전혀 하지 않는 것이다. 실제로 아마존의 응용 과학자 유진 얀에 따르면 머신러닝의 첫 번째 규칙은 머신러닝 없이 시작
