필드와 트렌드 사이 존재해 온 간극을 완전히 새로운 관점에서 바라보고 비즈니스 문제를 풀어 간 최신트렌드 기술 연구

자산관리에 적용하기 위한 강화학습 모델 구현을 위한 논문과 소스코드 리뷰, 모델 기획과 시스템 구현을 통해 이루어 낸 노력의 결과물

AI를 활용한 조합 최적화 분석 연구 동향 및 사례에 관해 조합 최적화 방법을 적용해 보기 위한 뜻깊은 시도

“발전하는 기술의 트렌드를 분석하는 어려운 일에 텍스트 분석 기술을 활용한 일련의 과정들

빠르게 변화하는 AI/Data 기술 트렌드에 관한 다방면의 조사와 그 결과

5가지 방법으로 알아보는 최신 디지털 트렌드 연구

최고 Digital 기술전문가들이 회사의 BM 변화 방향과 Align된 Tech. Trend Research 과제를 자기주도적으로 선정하고 함께 활동할 학습팀원을 구성하여 3개월에 걸쳐 연구/조사한 산출물을 엮어 금번 Digital Expert Research로 발간한 최신 트렌드 연구

AI Breakthrough, Bigger or Smarter(배기주, 이인석)

1. Introduction

2. Key Trend, 초거대AI

3. Tech Challenge, Multimodal AI

3.1. Representation

3.2. Fusion

3.3. Codebook

3.4. Multimodal Service

4. Data Challenge, 정형데이터

4.1. 정형데이터에 컴퓨터 비전의 전이학습 기법 적용

4.2. 좁은 범위 Base Model 만들기

5. Wrap-up

강화학습 기반의 로보어드바이저 플랫폼 구현(김병일, 김지원, 이강훈)

1. 요약

2. 서론

2.1. 연구 배경과 목적

2.2. 로보어드바이저 개념

2.3. 로보어드바이저 서비스 절차별 핵심 개념 이해

3. 선행 연구 고찰

3.1. 자산 배분을 위한 이론

3.2. 자산 배분을 위한 강화학습 모델 개요

3.3. 금융 분야에서 강화학습의 활용

4. 강화학습 모델 구현

4.1. 강화학습 모델 구현 개요

4.2. 강화학습 모델 구현 단계

4.3. 강화학습 모델 구현 및 학습 단계

4.4. 강화학습 모델별 성과 측정 단계

5. 로보어드바이저 시스템 구축

5.1. 로보어드바이저 시스템 업무 흐름 및 시스템 기능 구성도

5.2. 시스템 기능별 핵심 기능 및 화면 예시

5.3. 자주하는 질문(FAQ) 및 답변

6. 결론

6.1. 결론 요약

6.2. 제약/한계

7. 참고문헌

AI를 활용한 조합 최적화 분석 연구 동향 및 사례(정사범, 심현수, 황지민, 조수연)

1. 서론

2. 본론

2.1. 조합 최적화 개요

2.2. 기계학습을 이용한 최적화 문제 해결 및 분야

2.3. 강화학습을 이용한 조합 최적화 문제 해결 방법

2.4. 적용사례

2.5. 관련 연구 활동 및 동향

3. 결론

4. 참고문헌

주요 컨퍼런스를 통해서 본 2022년 클라우드 트렌드 분석(양준기, 최지희, 김나영)

1. 요약

2. 서론

2.1. 연구 배경과 목적

2.2. 보고서의 구성

3. 이론적 배경

3.1. 연구 이론

3.2. 관련 연구

4. 연구 절차 및 방법

4.1. 연구 절차

4.2. 상세 연구 절차

5. 분석 결과(토픽 모델링을 통한 토픽 추출 및 분석)

5.1. 토픽 모델링을 통한 트렌드 분석

5.2. 전문 컨설팅 업체의 트렌드 분석

6. 결론

6.1. 결론

6.2. 제약/한계

7. 참고문헌

기업의 혁신을 지원하는AI/Data 기술 트렌드(박상원)

1. Preface

2. 데이터를 바라보는 환경의 변화

2.1. 정부 관점의 변화

2.2. 기업 관점의 변화

2.3. 기술 관점의 변화

3. AI/Data 기반 혁신에서 기업이 직면하는 문제들

4. 기업의 혁신을 지원하는 AI/Data 기술들

4.1. 데이터를 적시에 고품질로 제공하려면?

4.2. AI 모델의 학습 성능을 향상하고, 모델 재사용을 위한 효율적 관리를 하려면?

4.3. 학습된 AI Model을 비즈니스에 빠르게 반영하려면?

5. 기업의 수요에 따라 진화하는 데이터 플랫폼 아키텍처

5.1. 데이터 플랫폼 아키텍처는 어떻게 진화하고 있는가?

6. Cloud Data Warehouse 기술 트렌드

6.1. 왜 기업들은 Cloud Data Warehouse에 주목할까?

6.2. Cloud Data Warehouse의 특징

6.3. Cloud Data Warehouse 제품 유형

6.4. 주요 Cloud Data Warehouse 제품 비교

7. Data Lakehouse 기술 트렌드

7.1. Data Lakehouse의 등장 배경

7.2. Data Lakehouse 의 특징

7.3. Data Lakehouse의 핵심인 Open Table Format이란?

7.4. Open Table Format 유형

8. 이후 주목할 만한 데이터 플랫폼 아키텍처 흐름

8.1. 지속 진화하는 데이터 플랫폼 아키텍처

8.2. Cloud Data Warehouse와 Data Lakehouse 도입 시 기업의 고민

8.3. 데이터 플랫폼의 지속가능한 운영을 위한 Ops 기술의 확장