누군가가 다빈치랩스는 어떤 솔루션인지 물어본다면, 저는 기존에는 자동화 머신러닝 솔루션(Auto Machine Learning Solution)이라고 말하곤 했습니다. 머신러닝이 데이터 학습을 통해 규칙을 찾아내고, 앞으로의 예측을 위한 모델을 만드는 것이라고 한다면, 자동화 머신러닝은 그 과정을 초보자도 쉽게 할 수 있게 도와주는 솔루션이라고 할 수 있겠죠.
머신러닝은 인공지능에 속하는 개념이며, 머신러닝을 자동화한 시스템을 AutoML이라고 합니다
앞선 컨텐츠에서도 여러번 말씀드린 것처럼, 전통적인 머신러닝 기술은 데이터 전처리에서부터 모델 개발 과정과 운영 단계까지 고도화된 기술력과 경험을 요구합니다. 그래서 일반적인 기업이 머신러닝을 활용하기 위해서는 외주 용역을 의뢰하거나 전문가를 채용하여 육성하는 리소스를 지불해야 했죠.
그러나 머신러닝 모델은 미래를 정확하게 예측해야 하는 목적 상, 지속적으로 신규 데이터를 추가 학습하면서 업데이트 및 관리를 해줘야 하는 특성이 있습니다. 그리고 각 비즈니스 부서에서 필요한 모델이 여러개가 될 경우 기존의 방식대로 외주 용역이나 전문가에게만 맡기기에는 인건비와 시간 소요에 부담이 될 수밖에 없었죠.
그래서 등장한 것이 자동화 머신러닝 솔루션입니다. 데이터 싸이언티스트 뿐만 아니라 직접 비즈니스를 담당하는 분들도 쉽게 모델을 개발/운영하면서 실시간으로 미래의 결과를 예측해볼 수 있게 된 것입니다.
이제는 비즈니스 부서에서 자체적으로 머신러닝 솔루션을 운영하게 되었습니다
자동화 머신러닝 솔루션이라고 불릴 수 있기 위해서는 아래 네 가지 조건을 충족해야 합니다.
1. 처음 쓰는 사람도 이해하기 쉽도록 간결한 인터페이스를 갖추어야 한다.
2. 별도의 코딩이 필요 없어야 한다.
3. 고도화된 기능도 자동적으로 처리가 가능해야 한다.
4. 모델 개발 완료까지 프로세스가 단순해야 한다.
최근 들어 자동화 머신러닝 솔루션을 개발했다는 기업에 대한 기사들을 종종 찾아볼 수 있습니다만, 정작 들여다보면 위의 4가지 조건을 모두 충족한 솔루션을 찾기에는 쉽지 않습니다. 일부분의 코딩 지식이 필요하거나, '자동화' 기능이 일부분에만 적용되어 별도의 고도화 작업을 위해서는 전문 지식이 필수적이었던 거죠.
그러나 다빈치랩스는 위의 4가지 조건을 모두 충족하는 Real 자동화 솔루션입니다. 정말 코딩 없이 간단하게 모델 개발이 가능한지 아래 영상으로 확인하실 수 있습니다.
그렇다면 다빈치랩스에서 자동화한 모듈의 종류에는 무엇이 있을까요? 먼저 Predictive Modeling Module에 대해 살펴보도록 하겠습니다.
1. Predictive Modeling Module (예측 모델 개발 모듈)
다빈치랩스의 P.M. 모듈은 네 가지로 구성되어 있습니다.
Auto Modeling : 예측하고 싶은 타겟을 정하면 데이터의 패턴을 알고리즘으로 학습하여 예측 모델을 생성해줍니다. (ex, A라는 고객이 대출을 상환할 수 있는지 예측)
Rule Generator : 기존 데이터를 분석하여 타겟값이 특별하게 높거나 낮은 군집들을 묶어줍니다. (ex, 대출 상환율이 높은 고객 집단은 어떤 특성을 가지고 있는지 분석)
Time Series Analysis : 예측하고 싶은 타겟이 시간에 따라 변화할 경우, 시간의 흐름에 따른 모델을 생성해줍니다. (ex, 특정한 날짜에 제품의 수요가 얼마나 될 지 예측)
Auto Clustering : 타겟을 정하지 않더라도 기존 데이터를 분석하여 특별한 차이를 보이는 군집별로 묶어줍니다. (ex, 사기나 범죄를 일으킬 가능성이 높은 고객을 찾아냄)
이와 같이 네 개로 구성된 모듈은 각각 타겟이 있는 지도학습과 타겟이 없는 비지도학습에 대응되는 모듈이라고 할 수 있습니다. 지도학습, 비지도학습, 클러스터링이 어떤 개념인지에 대해서는 아래 글을 참조하시면 되겠습니다.
이렇게 지도학습, 비지도학습, 시계열 분석, 클러스터링까지 모두 탑재하고 있는 자동화 머신러닝 솔루션은 전 세계에서 다빈치랩스가 유일합니다. 일반적으로 잘 알려진 머신러닝은 지도학습만 탑재되어 있거나, 클러스터링 없이 모델링만 탑재되어 있으니까요. 자동화 영역 뿐만 아니라 범용적인 실용 인공지능 기술을 지향하는 아일리스의 가치가 잘 녹아져있는 솔루션이라고 할 수 있겠습니다.
예측 모델 개발 모듈 뿐만 아니라, 다빈치랩스는 효과적인 비즈니스 의사 결정을 위한 최적화 모듈도 탑재하고 있습니다. 우리는 그것을 Decision Optimization Module 이라고 합니다.
2. Decision Optimization Module (의사결정 최적화 모듈)
다빈치랩스의 D.O. 모듈은 세 가지로 구성되어 있습니다.
Simulator Optimization : 예측 모델에 신규 데이터를 적용할 때, 목표하는 타겟값을 만족하기 위한 변수값을 최적화해줍니다. (ex, A라는 고객의 대출 상환율을 높이기 위해서는 금액 한도를 현재보다 30% 낮춰야 한다)
Rule Optimization : 만들어진 Rule에 의해 분류된 군집의 크기, 변수를 조정하였을 때 군집의 타겟값이 어떻게 변하는지 확인할 수 있으며 군집의 타겟 평균값을 만족하기 위해서 어떤 변수가 필요한지 최적화해줍니다. (ex, 대출 상환율이 높은 고객 집단에 새로운 변수가 추가된 경우 상환율에 어떤 영향이 있는지, 어떤 변수를 추가해야 평균적으로 타겟값이 상승하는지)
Cluster Optimization : 자동으로 생성된 군집을 세분화하거나 일부분의 샘플에 피드백을 입력하여 비즈니스에 어울리는 군집으로 최적화해줍니다. (ex, 사기나 범죄를 일으킬 가능성이 높은 고객 특성을 힌트로 적용하여 더욱 확실한 군집 생성)
이와 같이 최적화 모듈을 별도로 탑재한 이유는 명확합니다. 머신러닝을 통해 개발한 예측모델은, 말 그대로 미래를 예측해 줄 뿐, 그 자체로 비즈니스 전략은 아니기 때문이죠.
예를 들어, 보험 심사 모델에서 특정 고객의 보험이 실효되거나 해지될 가능성을 예측했다고 해봅시다. 우리는 그 예측모델로부터 어떤 비즈니스 전략을 실행할 수 있을까요? 가장 간단한 전략으로는 실효/해지 가능성이 높은 고객에게는 보험 가입을 권유하지 않을 수도 있겠죠. 그러나 추가적으로 다른 상품을 권유하거나, 보험 세부 조건을 수정하여 실효/해지 가능성을 낮추는 전략을 실행할 수도 있을 것입니다. 즉 고객에게 어떤 행동을 일으켰을 때에 고객의 특성이 변할 것인지를 예측하고 최적의 행동을 찾아주게 된다면, 비로소 머신러닝 모델을 활용하여 비즈니스 전략을 실행하게 된 것입니다.
따라서 다빈치랩스는 단순한 자동화 머신러닝 솔루션이 아니라 의사결정을 최적화할 수 있는 솔루션이라고 할 수 있으며, 이를 Next AutoML : Adaptive Intelligence 라고 명칭하고 있습니다. 각종 상황에 적응할 수 있으며 적응을 통해 전략을 창출하는 솔루션인 거죠. 인공지능이 인간의 지능을 모사하는 개념이라면, 그 중 학습능력과 예측능력을 모사한 기술을 머신러닝이라고 하며, 시장과 비즈니스 현황에 적응하여 최적의 답안을 찾아주는 적응능력을 모사한 기술을 가리켜 적응지능이라고 할 수 있겠습니다.
결론적으로 다빈치랩스는 Predict 와 Optmize가 통합된 적응지능 솔루션이라고 할 수 있습니다
이쯤 되면 각 모듈을 직접 어떻게 실행할 수 있는지 실제 데모 영상이 궁금하신 분들도 계실겁니다. 조만간 데모영상과 함께 찾아뵙도록 하겠습니다!
누군가가 다빈치랩스는 어떤 솔루션인지 물어본다면, 저는 기존에는 자동화 머신러닝 솔루션(Auto Machine Learning Solution)이라고 말하곤 했습니다. 머신러닝이 데이터 학습을 통해 규칙을 찾아내고, 앞으로의 예측을 위한 모델을 만드는 것이라고 한다면, 자동화 머신러닝은 그 과정을 초보자도 쉽게 할 수 있게 도와주는 솔루션이라고 할 수 있겠죠.
머신러닝은 인공지능에 속하는 개념이며, 머신러닝을 자동화한 시스템을 AutoML이라고 합니다
앞선 컨텐츠에서도 여러번 말씀드린 것처럼, 전통적인 머신러닝 기술은 데이터 전처리에서부터 모델 개발 과정과 운영 단계까지 고도화된 기술력과 경험을 요구합니다. 그래서 일반적인 기업이 머신러닝을 활용하기 위해서는 외주 용역을 의뢰하거나 전문가를 채용하여 육성하는 리소스를 지불해야 했죠.
그러나 머신러닝 모델은 미래를 정확하게 예측해야 하는 목적 상, 지속적으로 신규 데이터를 추가 학습하면서 업데이트 및 관리를 해줘야 하는 특성이 있습니다. 그리고 각 비즈니스 부서에서 필요한 모델이 여러개가 될 경우 기존의 방식대로 외주 용역이나 전문가에게만 맡기기에는 인건비와 시간 소요에 부담이 될 수밖에 없었죠.
그래서 등장한 것이 자동화 머신러닝 솔루션입니다. 데이터 싸이언티스트 뿐만 아니라 직접 비즈니스를 담당하는 분들도 쉽게 모델을 개발/운영하면서 실시간으로 미래의 결과를 예측해볼 수 있게 된 것입니다.
이제는 비즈니스 부서에서 자체적으로 머신러닝 솔루션을 운영하게 되었습니다
자동화 머신러닝 솔루션이라고 불릴 수 있기 위해서는 아래 네 가지 조건을 충족해야 합니다.
최근 들어 자동화 머신러닝 솔루션을 개발했다는 기업에 대한 기사들을 종종 찾아볼 수 있습니다만, 정작 들여다보면 위의 4가지 조건을 모두 충족한 솔루션을 찾기에는 쉽지 않습니다. 일부분의 코딩 지식이 필요하거나, '자동화' 기능이 일부분에만 적용되어 별도의 고도화 작업을 위해서는 전문 지식이 필수적이었던 거죠.
그러나 다빈치랩스는 위의 4가지 조건을 모두 충족하는 Real 자동화 솔루션입니다. 정말 코딩 없이 간단하게 모델 개발이 가능한지 아래 영상으로 확인하실 수 있습니다.
1. Predictive Modeling Module (예측 모델 개발 모듈)
다빈치랩스의 P.M. 모듈은 네 가지로 구성되어 있습니다.
이와 같이 네 개로 구성된 모듈은 각각 타겟이 있는 지도학습과 타겟이 없는 비지도학습에 대응되는 모듈이라고 할 수 있습니다. 지도학습, 비지도학습, 클러스터링이 어떤 개념인지에 대해서는 아래 글을 참조하시면 되겠습니다.
머신러닝의 기본 개념과 이해
이렇게 지도학습, 비지도학습, 시계열 분석, 클러스터링까지 모두 탑재하고 있는 자동화 머신러닝 솔루션은 전 세계에서 다빈치랩스가 유일합니다. 일반적으로 잘 알려진 머신러닝은 지도학습만 탑재되어 있거나, 클러스터링 없이 모델링만 탑재되어 있으니까요. 자동화 영역 뿐만 아니라 범용적인 실용 인공지능 기술을 지향하는 아일리스의 가치가 잘 녹아져있는 솔루션이라고 할 수 있겠습니다.
예측 모델 개발 모듈 뿐만 아니라, 다빈치랩스는 효과적인 비즈니스 의사 결정을 위한 최적화 모듈도 탑재하고 있습니다. 우리는 그것을 Decision Optimization Module 이라고 합니다.
2. Decision Optimization Module (의사결정 최적화 모듈)
다빈치랩스의 D.O. 모듈은 세 가지로 구성되어 있습니다.
이와 같이 최적화 모듈을 별도로 탑재한 이유는 명확합니다. 머신러닝을 통해 개발한 예측모델은, 말 그대로 미래를 예측해 줄 뿐, 그 자체로 비즈니스 전략은 아니기 때문이죠.
예를 들어, 보험 심사 모델에서 특정 고객의 보험이 실효되거나 해지될 가능성을 예측했다고 해봅시다. 우리는 그 예측모델로부터 어떤 비즈니스 전략을 실행할 수 있을까요? 가장 간단한 전략으로는 실효/해지 가능성이 높은 고객에게는 보험 가입을 권유하지 않을 수도 있겠죠. 그러나 추가적으로 다른 상품을 권유하거나, 보험 세부 조건을 수정하여 실효/해지 가능성을 낮추는 전략을 실행할 수도 있을 것입니다. 즉 고객에게 어떤 행동을 일으켰을 때에 고객의 특성이 변할 것인지를 예측하고 최적의 행동을 찾아주게 된다면, 비로소 머신러닝 모델을 활용하여 비즈니스 전략을 실행하게 된 것입니다.
따라서 다빈치랩스는 단순한 자동화 머신러닝 솔루션이 아니라 의사결정을 최적화할 수 있는 솔루션이라고 할 수 있으며, 이를 Next AutoML : Adaptive Intelligence 라고 명칭하고 있습니다. 각종 상황에 적응할 수 있으며 적응을 통해 전략을 창출하는 솔루션인 거죠. 인공지능이 인간의 지능을 모사하는 개념이라면, 그 중 학습능력과 예측능력을 모사한 기술을 머신러닝이라고 하며, 시장과 비즈니스 현황에 적응하여 최적의 답안을 찾아주는 적응능력을 모사한 기술을 가리켜 적응지능이라고 할 수 있겠습니다.
결론적으로 다빈치랩스는 Predict 와 Optmize가 통합된 적응지능 솔루션이라고 할 수 있습니다
이쯤 되면 각 모듈을 직접 어떻게 실행할 수 있는지 실제 데모 영상이 궁금하신 분들도 계실겁니다. 조만간 데모영상과 함께 찾아뵙도록 하겠습니다!