본문 바로가기
Chapter 2-3. 기초 시계열 분석 Chapter 2-3. 기초 시계열 분석 이번 장에서는 시계열 분석에서 자주 나오는 용어 및 알아야 할 개념들을 간단하게 정리해보고자 한다. 확률과정(Stochastic Process) 확률과정은 확률변수들의 수열이다. 즉, {Y(t), t = 0, ±1, ±2, ...} 형태로 나타낼 수 있으며, 시계열 데이터를 이해하려면 Y(t) 들의 결합 확률 분포를 분석해야 한다. 왜냐하면, 일반적인 시계열 데이터는 독립이 아니기 때문에, 결합 확률 분포를 각 확률 변수의 분포들로 분해할 수 없기 때문이다. 하지만, 평균과 분산을 분석하면 결합 확률 분포의 많은 부분을 이해할 수 있다. 평균, 분산, 공분산, 상관계수 앞서 Chapter 1. 기초 선형대수 및 통계학에서 간단하게 소개한 개념들을 수식으로 알아보자.. 2022. 10. 26.
Chapter 2. Numpy 2편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 1편에서는 array의 생성 방법과 타입 확인, 텐서 차원 등을 실습해 보았다면, 2편에서는 array를 직접 적용하여 실습해 보고자 한다. 2-4. numpy 인덱싱, 슬라이싱, 전치행렬 2-4-1. 인덱싱 인덱싱은 Python 리스트와 동일한 개념으로 사용되고, ‘,’(쉼표)를 통해 각 차원의 인덱스에 접근이 가능하다. 그리고 Ndarray에서 원하는 좌표 또는 특정 데이터만을 선택하는데 유용하게 사용된다. 이때 인덱싱을 할 때 0번부터 인덱스가 시작하는 것을 주의하고, 원하는 축을 지정하려면 axis를 통해 선택할 수 있다. 인덱싱 종류로는 '특정 데이터만 추출', '슬라이싱', '팬시 인덱싱', '불리언 인덱싱' 등이 있다. 인덱싱 및 슬라이싱 '특정 데이터만 추출'은 말 그대로 원하는 위치의 인.. 2022. 7. 27.
Chapter 2. Numpy 1편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 Time Series 머신러닝을 위한 Python 필수 라이브러리, Numpy 1편 머신러닝 알고리즘을 공부하기 앞서, 시계열 데이터를 다루기 위해서 Python 언어의 라이브러리 사용법에 익숙해져야 할 필요가 있다. 이번 챕터에서는 라이브러리를 중점적으로 살펴보며, 여러 실습 예제를 다뤄볼 것이다. Numpy와 Pandas는 큰 규모의 데이터를 탄력적으로 작업할 수 있도록 많은 고성능 도구들을 제공한다. Numpy와 Pandas가 무엇인지 살펴보고, 그 핵심 기능들에 대해 알아보자. 실습을 위한 환경으로는 크게 Jupyter notebook을 직접 구축하여 로컬에서 사용하는 방법과 Google Colab을 사용하는 방법이 있다. 빠른 실습 환경 구축을 위해 Colab을 활용하기를 권장한다. * Nump.. 2022. 7. 27.
엑셈 뉴스룸 | 엑셈은 소통 대장 소통 일. 2022 한전KDN 컨퍼런스 참가 올해로 6회째죠. 지난 6월 30일! 한전KDN 주최로 ‘2022 빛가람 에너지 밸리 ICT & 보안 컨퍼런스’가 나주에서 진행되었습니다. 그리고 나주에는 엑셈의 남부사무소가 있습니다. 엑셈은 그간 한전, 에너지공단, 태양광 에너지 전문 기업 등에서 인정받은 에너지 빅데이터 전문성을 보유하고 있는 만큼, 에너지 신사업의 거점인 나주에서 공공 에너지 시장 공략에 열중하고 있습니다. 한전KDN 컨퍼런스는 클라우드, D.N.A(Data, Network, AI), 플랫폼서비스, 스마트 보안 등 최신 기술을 선보이는 자리로 엑셈은 올해 역시 한전의 초대를 받았습니다. 소 to the 통 to the 대장~~ 늘 기술로 소통하는 엑셈이 이번에는 나주로 갑니다. 참고로, .. 2022. 7. 27.
Chapter 1. 기초 선형대수 및 통계학 : Time Series 머신러닝을 위한 Python 필수 라이브러리 Time Series 머신러닝을 위한 기초 선형대수 및 통계학 머신러닝과 딥러닝 공부를 시작하고 싶은 분들을 위해, 여러 분야 중 시계열 데이터를 활용한 데이터 처리 및 머신러닝, 딥러닝 알고리즘을 소개하고자 한다. 이는 엑셈의 AI 기반 IT 운영 지능화 솔루션인 XAIOps의 알고리즘 모델들에 대해 이해할 수 있는 첫 걸음이기도 하다. 학습이 모두 끝난 후에는 머신러닝과 딥러닝이 무엇이며, XAIOps의 알고리즘들이 어떤 방식으로 모델링 되는지에 대한 기초적 이해에 도움이 될 것이다. 이에 앞서 데이터 처리 및 AI 알고리즘을 이해하기 위해 사전 지식으로 요구되는 기초 선형대수 및 통계학에 대해 알아보자. 우리는 왜 행렬을 공부해야 할까? 많은 양의 데이터(행렬) 구조를 변환할 때, 알고리즘(모델)의.. 2022. 6. 27.
엑셈 인사이트 | 공공시장에서도 XAIOps가 기대되는 이유 금융권에서부터 처음 도입되기 시작한 AIOps는 불과 1년 사이 공공 기관에까지 그 영역을 뻗어나가고 있다. 정보통신기획평가원(IITP)은 지난해 11월 4일 ‘2022 ICT 산업 전망 콘퍼런스’에서 디지털 전환의 미래를 준비하기 위해 조망해야 할 'ICT 산업 10대 이슈'를 발표했다. 그중 AI와 관련해 정보통신기획평가원은 올 2022년은 인공지능의 전문화와 보편화가 동시에 일어나는 해가 될 것으로 전망했다. 이제 우리나라는 경제·사회 전반에 지능화 시대 진입이 확대되면서 기술적 실험을 넘어 인공지능 적용이 확산할 수 있는 시점에 이르렀다는 것이다. 4차 산업혁명 시대에 절대 빼놓을 수 없는 요소인 AI는, 금융부터 제조, 유통, 의료까지 전 산업으로 확산되며 적용 분야가 셀 수 없이 많아졌다. 이.. 2022. 1. 26.
월간기술동향 | 2022년 SW산업 10대 이슈 (feat. XAIOps) 내년 소프트웨어(SW) 산업에서 어떤 이슈들이 주목받을까요? 소프트웨어정책연구소에서 발표한 2022년 SW산업 10대 이슈를 살펴봅니다. 1️⃣ 책임있는 인공지능 챗봇 이루다 사건이나 아마존 채용 추천 알고리즘의 인종·성차별 사건과 같이 AI 기반 계산 결과에 대한 사회적 책임 및 윤리 문제가 주요 현안으로 급부상했습니다. 이에 따라 국내외로 AI 관련 윤리 기준과 신뢰성에 관한 연구가 활발히 진행되고 있는데요. '22년 이후 AI 신뢰 확보 체계가 마련될 것으로 예상되기에 자체적인 대비가 필요하다고 설명했습니다. 2️⃣ 비즈니스의 가상화, 메타버스 페이스북이 '메타'로 사명을 바꿀 정도로 메타버스가 최근 엄청난 화두인데요. 특히 메타버스를 활용한 가상환경에서의 마케팅 모델이 주목받는 추세입니다. 젊은 .. 2021. 12. 22.
엑셈 인사이트 | XAIOps가 금융권에서 주목받는 이유와 전망 시장 조사기관 Gartner는 AI를 도입하지 못한 IT 조직의 30%가 2022년까지 더 이상 운영이 불가능할 것으로 내다봤다. 그만큼 AI는 이제 기업의 IT 운영에 필수 영역이 되었다. 이에 따라 IT 운영에 AI를 접목시키려는 움직임이 가속화되고 있다. 전 세계적으로 AIOps를 가장 먼저 도입하는 업계는 금융권이다. 국내도 마찬가지다. 이에 대응하기 위해 엑셈의 ‘XAIOps(싸이옵스)’는 누구보다 민첩하게 금융권 고객들을 확보하며 시장을 선점해나가고 있다. 금융권에서 AIOps가 주목받는 이유 금융권에서 AIOps가 주목받는 이유는 크게 세 가지다. 첫 번째는 코로나19로 인한 비대면 디지털 뱅킹 서비스의 확대 및 첨단 기술로 무장한 핀테크와 네오뱅크의 등장으로 인해 금융권이 AI 등 첨단 기.. 2021. 8. 25.
엑셈 인사이트 | '관찰 가능성(Observability)'을 확보하는 싸이옵스의 IT 운영 전략 디지털 전환(Digital Transformation) 가속화는 산업 전반에 불고 있는 바람이다. 특히 국내 IT 혁신을 주도하고 있는 금융권에서는 디지털 전환을 올해 가장 중요한 경영 키워드로 설정하고, 은행 업무의 핵심 경쟁력을 디지털화하는 데 박차를 가하고 있다. 기업들이 디지털 전환을 실현하고 그에 따른 비즈니스 모델 변화를 지원하기 위해서 IT 환경은 더욱 복잡해지고 있다. 따라서 IT 운영 전략과 방향성을 전면 재구성하면서 AIOps를 더욱 주목하고 있다. “AIOps는 2021년 트렌드가 될 것이다, 모니터링이 점점 더 어려워지는 복잡한 환경에 직면한 IT 리더는 아직 계획 단계에 있거나 이미 배포를 시작했는지에 관계없이 AIOps를 주시해야 할 것이다” (AIOps in the enterp.. 2021. 3. 24.