돈이 보이는 빅데이터

프롤로그

Part 1 처음부터 다시 알아야 할 빅데이터
1. 빅데이터를 활용할지 모르는 기업들
2. 3Vs라는 모호한 정의
3. 차원의 저주에 갇힌 빅데이터
4. 차원의 저주를 해결할 기술의 발전

Part 2 분석을 통해 가치가 발생하는 빅데이터
1. 고도의 기술이 필요한 빅데이터
2. 차원 축소 기법을 통한 데이터 시각화
3. 빅데이터 정제 기술 머신러닝 알고리즘
4. 빅데이터 분석의 세 단계
5. 빅데이터 분석의 네 가지 목적

Part 3 재주 넘는 빅데이터, 돈 버는 인공지능과 머신러닝
1. 인공지능, 머신러닝, 딥러닝의 역사
2. 동상이몽의 국가별 경쟁 동향
3. 전 세계가 바둑 인공지능을 개발하는 이유
4. 글로벌 선두 기업의 다양한 비전

Part 4 빅데이터로 돈 버는 기업
1. 비즈니스에는 없는 빅데이터
2. 비즈니스 잡는 알파고
3. 아마존의 빅데이터 수집
4. 비즈니스 경쟁 구도를 뒤흔드는 아마존고
5. 구글과 아마존이 발견한 빅데이터의 미래

Part 5 빅데이터로 돈 벌기
1. 매출 올리는 빅데이터 마케팅
2. 사전 문제 예측으로 생산비용 올리기
3. 핵잠수함의 전투력을 올린 미 해군
4. 비행기 엔진으로 새로운 비즈니스를 만든 GE

Part 6 돈이 보이는 빅데이터 가이드라인
1. 시행착오로 완성되는 빅데이터
2. 머신러닝 학습의 필요성
3. 인공지능을 가르칠 훌륭한 선생님
4. 한국어 인공지능 개발의 시급함
5. 한국어 인공지능 도입 시 주의사항
6. 빅데이터를 포함한 사업 전략 수립
7. 빅데이터 분석 체크리스트
8. 빅데이터 플랫폼 구축 로드맵

과거 중소기업들은 아무리 독창적인 아이디어가 있어도 아이디어를 실현하는 데 필요한 머신러닝, 인공지능 알고리즘을 자체적으로 개발하지 못해 창의적이고 새로운 비즈니스를 포기해야 했다. 하지만 빅데이터를 어떻게 활용할지 갈피를 잡고, 비즈니스에 필요한 머신러닝, 인공지능 등 빅데이터 관련 고급 분석 알고리즘이 오픈소스에 포함되어 있는지 관심을 갖고 살펴본다면 얼마든지 새로운 비즈니스를 만들어낼 수 있다.
_<Part 1 처음부터 다시 알아야 할 빅데이터> 중에서

한 사람이 수많은 알고리즘을 다 개발할 수 있을 정도로 모든 머신러닝 알고리즘에 전문 지식을 갖는 것은 불가능하다. 또 이런 머신러닝 알고리즘들은 오픈소스 소프트웨어로 공개될 가능성도 높다. 따라서 직접 개발할 수 있을 정도로 알고리즘에 대한 전문 지식을 쌓기보다 머신러닝 알고리즘의 장단점을 확실히 알아야 한다.
_<Part 2 분석을 통해 가치가 발생하는 빅데이터> 중에서

세계 각국이 딥러닝을 활용해서 바둑 인공지능 알고리즘을 만들고는 있지만 실력은 천차만별이다. 구글 딥마인드가 알파고의 소스 알고리즘을 공개하지 않는 이유는 인간을 잘 흉내 내는 알파고 같은 인공지능을 만들어내는 것이 쉽지 않기 때문이다. 빠르고 정확한 인공지능 알고리즘을 만들기 위해 알파고가 서로 다른 알파고를 상대로 많은 기보를 만들어내듯, 비즈니스에 사용할 알고리즘도 학습에 필요한 비즈니스 빅데이터를 만들 줄 알아야 한다.
_<Part 3 재주 넘는 빅데이터, 돈 버는 인공지능과 머신러닝> 중에서