머신러닝, 딥 러닝은 2019년 현재 가장 뜨거운 관심을 모으는 분야인 동시에, 개별 기술 간 경계를 넘어 전 산업 분야에 커다란 파급 효과를 미칠 변화로 여겨진다. 그러나 실제 기업 내 AI 개발 및 활용 프로젝트가 수익 등 구체적인 성과로 연결되는 경우는 흔치 않다. 지금 가장 필요한 것은 복잡하게 연결된 각 기술의 개념 정의를 내리고 기업에서 바로 쓸 수 있는 머신러닝 알고리즘 사례를 선별하는 작업일 것이다. 여기에 더해 세 기술의 접점을 통해 기술 프레임워크와 기업의 성과를 연결하는 법, 기업 내 AI 프로젝트의 실패 원인까지 파악하면, 성과와 연결되는 구체적인 AI 활용 전략을 세울 수 있을 것이다.
주요 내용
- 왜 AI인가 : 비즈니스 맥락에서의 AI
- AI 정의 : BI에서 AI로의 자연스러운 진전
- AI, 머신러닝, 딥 러닝은 어떻게 다른가
- 머신러닝 모델 성능 측정 방법
- 머신러닝 모델 구축이 어려울 수 있는 이유
- AI 프로젝트가 실패하는 이유