진짜 혁신은 기술 도입 다음 단계에 찾아온다. 한동안 부침을 겪던 AI와 머신러닝이 최근 수 년 사이 여러 기술적 혁신과 컴퓨팅 성능 상향 평준화, 풍부한 학습 데이터를 바탕으로 화려하게 부활했다. 그래서인지 머신러닝에 바라는 기대는 어느 때보다 크며, 반면 마케팅 광고와 실제 사용례 사이에 많은 간격이 있는 것도 사실이다. 야심차게 머신러닝을 도입한 기업이 과연 도입 후에 마주하는 여러 가지 도전 과제도 해결할 수 있을까? 기업 환경에서 머신러닝 구현에 필요한 다양한 조건과 함께, 실패하지 않고 성공적으로 새로운 기술을 받아들이는 전략을 알아본다.
주요 내용
Back to Basic
“데이터에서 파생된 소프트웨어” 머신러닝의 뿌리
“그때 그때 다른” 머신러닝 기법·기술 이해하고 따라잡기 Tech Trend
설명할 수 없는 AI는 존재해서는 안 된다
머신러닝과 인공지능의 신뢰 얻기
머신러닝, 이론과 실제의 간극 어떻게 메울까 Tech Guide
AI 대중화 최대 걸림돌…’재현성 문제’ 해법 3가지
머신러닝 실패 사례의 6가지 공통점