데이터 과학 모델을 프로덕션 환경으로 옮기는 것은 애플리케이션 배포와 상당히 유사하다. 하지만 간과해서는 안 되는 중요한 차이점이 있다.  애자일 프로그래밍은 개발팀이 소프트웨어를 프로덕션 환경으로 릴리즈하고, 피드백을 수집하며, 기본 요건... ...
‘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 시작하는 것이다.  이게 무슨 소리인가?  수개월에 걸... ...
2021.09.15
‘ETL(Extract, Transform, Load)’은 빅 데이터와의 경쟁에서 패배했다. 솔루션은 전통적인 프로세스 통합 단계를 재정렬하는 것만큼이나 간단하다.  일반 컴퓨터 사용자에게 인터넷이 보급됐던 1989년으로 되돌아가보자. 당시... ...
2021.09.09
인텔리제이 아이디어(IntelliJ IDEA)와 코틀린(Kotlin) 개발사 젯브레인(JetBrains)이 데이터 과학 전용 IDE ‘데이터스펠(DataSpell)’을 조기 액세스 프로그램(EAP)으로 공개했다.    지난 9월 ... ...
AI
2021.08.26
인공지능(AI) 챗봇 심심이가 기초과학연구원(IBS) 데이터 사이언스 그룹과 업무협약(MOU)을 체결했다고 밝혔다. 이번 데이터 사이언스 그룹과의 협약은 심심이의 AI 챗봇 윤리 검증 노력의 일환으로 이뤄졌다. 데이터 사이언스 그룹과의 협업을 통... ...
데이터 그리고 비즈니스 프로세스와의 상관관계에 관심 있다면 ‘비즈니스 애널리스트(Business Analyst; BA)’라는 직업이 적합할 수 있다. 비즈니스 분석은 매일 숫자를 파고들며 인사이트를 얻어야 하는 일이다. 따라서 성공하려면 데이터를 잘 ... ...
‘데이터 과학’은 ‘RPA(Robotic Process Automation)’를 지능적으로 만들 수 있다. 그리고 RPA는 데이터 과학 모델을 프로덕션 환경에 쉽게 배포하도록 만들 수 있다.  RPA 벤더들은 ‘완전 자동화 기업’이라는 지향... ...
2021.08.03
우수한 데이터 과학 산출물을 얻기 위해서는 고품질의 데이터가 필요하다. 데이터를 정제하고 준비하는 작업은 흥미롭진 않더라도 매우 중요한 이유다.  하버드 비즈니스 리뷰의 표현대로라면 데이터 과학자는 금세기 가장 섹시한 직업 중 하나다. 하지... ...
‘인재 부족’은 AI 성공의 가장 큰 걸림돌이다. 생각하지도 못했던 인재를 발굴하고 업스킬링하는 방법을 모색하고 있다면 세일즈포스닷컴(Salesforce.com)의 다각적인 접근법에 주목할 필요가 있다.   인공지능, 머신러닝, 데이터 과학... ...
LHC 빅데이터의 미래 – FCC와 새로운 입자 물리학 실험들 LHC 실험은 2018년까지 13TeV, 190fb-1의 목표 성능에 대한 계획된 실험을 마치고 현재 가동을 잠시 중단한 상태다. 2027년 9월로 예정되어 있는 고광도 LHC(High-L... ...
커뮤니케이션 격차(communications gap)로 인해 프로덕션 단계에 도달하지 못하는 AI 프로젝트가 부지기수다.  AI 프로젝트를 아이디어에서 현실로 옮기는 것은 악순환이다. 이를 해결하는 방법은 한 가지뿐이다. 애초에 순환을 시작... ...
104년 역사를 자랑하는 미국의 군용 차량 및 특수 차량(예: 소방차, 제설차 등) 전문 업체 ‘오시코시(Oshkosh Corp.)’가 데이터를 활용해 비즈니스를 최적화하고 있다.  무려 1세기가 넘는 시간 동안 특수 차량을 설계하고 제작해... ...
이번 글은 지난 쉰세 번째 글에 이어 2017년 1월부터 지금까지 필자가 소개했던 빅데이터 활용의 핵심들을 다시 정리해보는 마지막 글이다. 지난 쉰세 번째 글에서는 필자가 독자들로부터 가장 많은 문의를 받았던 내용인 빅데이터 비즈니스 조직의 조직 및 ... ...
오늘날 ‘데이터 과학(Data Science)’만큼 IT 및 비즈니스 리더의 관심을 끄는 분야가 있을까. 하지만 그렇다고 해서 데이터 과학에 실패가 없는 건 아니다.   실제로 (과학적 기법, 프로세스, 알고리즘, 기술 시스템을 활용해 구조... ...
아주 흔한 스프레드시트 프로그램이 데이터 과학의 관문이라면 파이썬은 그다음 단계를 목표로 한다.    데이터 과학의 세계에는 파이토치, 텐서플로우, 파이썬, R 언어 등 오픈소스 도구가 넘쳐난다. 하지만 데이터 과학에서 가장 널리 ... ...
  1. 모델만 잘 만들면 끝?··· 데이터 과학을 위한 ‘CI/CD’가 필요하다 

  2. 2일 전
  3. 데이터 과학 모델을 프로덕션 환경으로 옮기는 것은 애플리케이션 배포와 상당히 유사하다. 하지만 간과해서는 안 되는 중요한 차이점이 있다.  애자일 프로그래밍은 개발팀이 소프트웨어를 프로덕션 환경으로 릴리즈하고, 피드백을 수집하며, 기본 요건...

  4. 칼럼ㅣ머신러닝의 첫 번째 규칙은 ML 없이 시작하는 것이다

  5. 2021.09.28
  6. ‘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 시작하는 것이다.  이게 무슨 소리인가?  수개월에 걸...

  7. 칼럼ㅣ'ETL'은 빅데이터와의 경쟁에서 패배했다

  8. 2021.09.15
  9. ‘ETL(Extract, Transform, Load)’은 빅 데이터와의 경쟁에서 패배했다. 솔루션은 전통적인 프로세스 통합 단계를 재정렬하는 것만큼이나 간단하다.  일반 컴퓨터 사용자에게 인터넷이 보급됐던 1989년으로 되돌아가보자. 당시...

  10. 젯브레인, 데이터 과학용 IDE 프리뷰 공개

  11. 2021.09.09
  12. 인텔리제이 아이디어(IntelliJ IDEA)와 코틀린(Kotlin) 개발사 젯브레인(JetBrains)이 데이터 과학 전용 IDE ‘데이터스펠(DataSpell)’을 조기 액세스 프로그램(EAP)으로 공개했다.    지난 9월 ...

  13. 심심이-기초과학연구원 데이터 사이언스 그룹, 업무 협약 체결

  14. AI
    2021.08.26
  15. 인공지능(AI) 챗봇 심심이가 기초과학연구원(IBS) 데이터 사이언스 그룹과 업무협약(MOU)을 체결했다고 밝혔다. 이번 데이터 사이언스 그룹과의 협약은 심심이의 AI 챗봇 윤리 검증 노력의 일환으로 이뤄졌다. 데이터 사이언스 그룹과의 협업을 통...

  16. 'BA' 커리어 잘 쌓고 싶다면... 유능한 비즈니스 애널리스트의 특징 5가지

  17. 2021.08.20
  18. 데이터 그리고 비즈니스 프로세스와의 상관관계에 관심 있다면 ‘비즈니스 애널리스트(Business Analyst; BA)’라는 직업이 적합할 수 있다. 비즈니스 분석은 매일 숫자를 파고들며 인사이트를 얻어야 하는 일이다. 따라서 성공하려면 데이터를 잘 ...

  19. 칼럼ㅣRPA와 데이터 과학이 만날 때

  20. 2021.08.19
  21. ‘데이터 과학’은 ‘RPA(Robotic Process Automation)’를 지능적으로 만들 수 있다. 그리고 RPA는 데이터 과학 모델을 프로덕션 환경에 쉽게 배포하도록 만들 수 있다.  RPA 벤더들은 ‘완전 자동화 기업’이라는 지향...

  22. 칼럼ㅣ결코 하찮지 않다!··· '데이터 랭글링' 작업이 가치 있는 이유

  23. 2021.08.03
  24. 우수한 데이터 과학 산출물을 얻기 위해서는 고품질의 데이터가 필요하다. 데이터를 정제하고 준비하는 작업은 흥미롭진 않더라도 매우 중요한 이유다.  하버드 비즈니스 리뷰의 표현대로라면 데이터 과학자는 금세기 가장 섹시한 직업 중 하나다. 하지...

  25. "우회로에 주목한다"··· 세일즈포스의 'AI 인재' 확보 전략

  26. 2021.08.03
  27. ‘인재 부족’은 AI 성공의 가장 큰 걸림돌이다. 생각하지도 못했던 인재를 발굴하고 업스킬링하는 방법을 모색하고 있다면 세일즈포스닷컴(Salesforce.com)의 다각적인 접근법에 주목할 필요가 있다.   인공지능, 머신러닝, 데이터 과학...

  28. 김진철의 How-to-Big Dataㅣ에필로그 – 맺는 글

  29. 2021.07.29
  30. LHC 빅데이터의 미래 – FCC와 새로운 입자 물리학 실험들 LHC 실험은 2018년까지 13TeV, 190fb-1의 목표 성능에 대한 계획된 실험을 마치고 현재 가동을 잠시 중단한 상태다. 2027년 9월로 예정되어 있는 고광도 LHC(High-L...

  31. 칼럼ㅣAI 프로젝트 악순환 고리 끊어라··· 'ML옵스' 마인드셋이 필요한 이유

  32. 2021.07.26
  33. 커뮤니케이션 격차(communications gap)로 인해 프로덕션 단계에 도달하지 못하는 AI 프로젝트가 부지기수다.  AI 프로젝트를 아이디어에서 현실로 옮기는 것은 악순환이다. 이를 해결하는 방법은 한 가지뿐이다. 애초에 순환을 시작...

  34. 인터뷰ㅣ"데이터 제대로 활용하려면 스토리텔러가 되라" 美 차량 제조사 CIO

  35. 2021.06.30
  36. 104년 역사를 자랑하는 미국의 군용 차량 및 특수 차량(예: 소방차, 제설차 등) 전문 업체 ‘오시코시(Oshkosh Corp.)’가 데이터를 활용해 비즈니스를 최적화하고 있다.  무려 1세기가 넘는 시간 동안 특수 차량을 설계하고 제작해...

  37. 김진철의 How-to-Big DataㅣHow-to-Big Data 핵심 정리(Key Takeaways) (3)

  38. 2021.06.29
  39. 이번 글은 지난 쉰세 번째 글에 이어 2017년 1월부터 지금까지 필자가 소개했던 빅데이터 활용의 핵심들을 다시 정리해보는 마지막 글이다. 지난 쉰세 번째 글에서는 필자가 독자들로부터 가장 많은 문의를 받았던 내용인 빅데이터 비즈니스 조직의 조직 및 ...

  40. 데이터 과학 프로젝트가 '실패'하는 8가지 이유

  41. 2021.06.24
  42. 오늘날 ‘데이터 과학(Data Science)’만큼 IT 및 비즈니스 리더의 관심을 끄는 분야가 있을까. 하지만 그렇다고 해서 데이터 과학에 실패가 없는 건 아니다.   실제로 (과학적 기법, 프로세스, 알고리즘, 기술 시스템을 활용해 구조...

  43. 칼럼ㅣ파이썬의 궁극적 목표는 엑셀을 대체하는 것이다

  44. 2021.06.15
  45. 아주 흔한 스프레드시트 프로그램이 데이터 과학의 관문이라면 파이썬은 그다음 단계를 목표로 한다.    데이터 과학의 세계에는 파이토치, 텐서플로우, 파이썬, R 언어 등 오픈소스 도구가 넘쳐난다. 하지만 데이터 과학에서 가장 널리 ...

X