
[ 밑줄/연결 ] SW로봇인 RPA는 2000년 초반에 등장하게 되었습니다. RPA SW와 관련이 깊은 SW 기술은 GUI 텍스트 툴, 스크린 스크랩핑, 워크플로우 기술로, 각각의 유용한 기능들이 RPA에서 이어져 오고 있습니다. RPA는 기본적으로 사용자 인터페이스를 기반으로 운영되는 시스템입니다.그렇기에 내부적인 로직으로 업무 흐름을 이어가는 전통적인 IT 시스템에 비해 신속하고 정확하게 업무를 처리하지 못하는 비효율적인 부분이 존재합니다. 기존의 전사화나 자동화 부분에서 업무의 무결성은 당연히 달성해야 할 목표로 추진되지만 RPA 프로젝트에서는 업무 수행에 있어 어느 정도 수준의 오류를 포함하고 있다는 전제로 프로젝트를 시작합니다. 이런 점이 기존 IT시스템과 RPA의 가장 근본적인 차이점입니다. ..

[ 밑줄/연결 ] 서버리스 아키텍처라는 단어는 실행을 위해 서버에 직접 접근하지 않는 새로운 종류의 SW 아키텍처를 말한다. (서버리스 아키텍처의 다섯 가지 원칙) 1. 컴퓨팅 서비스를 사용해 요구에 맞게 코드를 실행한다(서버 없이) ㅇ AWS Lambda는 AWS 기반에서 자바스크립트, 파이썬, C#, 자바로 작성한 코드를 실행하는 컴퓨팅 서비스 ㅇ 소스 코드(자바는 JAR 또는 C#이면 dll)는 압축되어 메모리, 디스크 공간과 CPU가 할당된 격리된 컨테이너에 배포됨 ㅇ Lambda 실행 환경에서는 함수를 병렬로 실행될 수 있음 2. 단일 목적의 상태 없는 함수를 작성한다. ㅇ 상태 비저장은 끊임없이 변하는 수시 이벤트 또는 요청을 처리할 수 있도록 플랫폼의 규모를 신속하게 조장할 수 있기 때문에 ..

[ 밑줄/연결 ] 프로필에 정체성을 표현하라. "저는 전업주부 아빠입니다." , "저는 운동하는 할머니입니다." "저는 드라마를 좋아하는 대학생입니다." 프로필은 나를 한 문장으로 정리한 로그라인이다. 메뉴 욕심 금물, 메뉴는 5개 이하로 내가 말하고픈 메시지를 한 문장으로 쓴다. 막연하게 '좋다','해보라','하지 마라'가 아닌 자기 주장에 근거를 대는 작업이다. 글 하나에 메시지 하나다. 다른 메시지를 말하고 싶으면 글 한편을 더 쓰면 된다. 한 번에 하나씩. 평소 한 문장 정리를 연습해보는 것도 좋다. : 다 죽고 나만 살아남아야 456억 원의 상금을 받을 수 있는 잔혹한 게임 : 알츠하이머 노인의 눈으로 바라본 삶의 소중함 : 인류가 거주 불가능한 지구를 떠난 후 홀로 지구를 지키는 청소 로봇의 ..

[ 밑줄/연결 ] 수학이나 통계를 잘 모르면 모델의 정확도를 높이는 데 중요한 역할을 하는 수치인 하이퍼 파라미터 튜닝의 개념을 이해하지 못한다. 그럼 새로운 데이터를 접했을 때 원하는 정확도를 얻지 못한다. 다른 딥러닝 모델과 결합하여 새로운 모델을 만드는 작업도 할 수 없을 것이다. 비지도 학습은 데이터의 패턴을 알고 싶거나 데이터를 압축, 축소할 때 사용한다. AI 빅 데이터 전문가의 업무는 크게 비즈니스 문제 확인 --> 사용 가능한 데이터 파악 --> 데이터 전처리(데이터 선택, 정제 및 변환) --> 데이터 분석 및 모델링 --> 결과 해석으로 진행된다. AI 빅 데이터 분석을 위해서 가장 많이 사용하는 수학 개념은 수리통계학과 선형대수학이다. 이상값 탐색은 사기 적발 외에도 산업 재해 감지,..

[ 밑줄/연결 ] '기호체계(Symbol System)가설'...인간의 마음은 보편적 기호체계이며, 인간의 모든 사고는 근본적으로 기호조작으로 이루어져 있다. 이 접근은 인간 마음이 정보 처리 체계라는 전제를 깔고 있는데, 이를 계산주의(computationalism)이라고 부른다. 어떤 정보의 의미는 맥락이 결정한다. 하지만 컴퓨터에게 맥락을 알려주는 것은 인간이며, 컴퓨터 스스로는 맥락을 파악할 수 없다. 기회체계 가설, 계산주의, 폰 노이만 구조는 서로 짝을 이루고 있다. 병렬분산처리, 연결주의, 인공신경망이 서로 짝을 이룬다. 기계가 생각한다는 것이 가능한가? 나는 '그렇다'고 논증할 것이다. 우리는 인간의 중요한 여러 정신적 활동, 가령 말을 이해하는 것, 외부 세계를 지각하는 것 등이 비의식적..

[ 밑줄/연결 ] (PRA는 SW의 집합체) ㅇ 로봇 파일(스크립트) : 실행 파일. SW 로봇으로서 정의된 동작을 실행 ㅇ 실행 환경(봇) : 로봇 파일 전용 런타임으로 로봇 파일을 실행하기 위한 프로그램 ㅇ개발 환경(트레이너) : 로봇 파일을 작성하기 위한 각 제품 고유의 개발 환경. 로봇 파일 전용 개발 환경 ㅇ 관리 툴(매너저) : 로봇 파일의 개시와 정지 지시, 스케줄, 가동 순서 설정, 진척 상황 확인 등을 수행 (RPA는 프로그래밍 언어가 아니다) PRA는 각 제품이 독자의 개발 환경을 갖고 있다. 개발 환경에서 로봇 파일을 개발하지만 프로그래밍 언어는 아니다. 코드를 적는 게 아니라 설정과 선택 방식으로 진행한다. [ 자평 ] 그저 뭐.. 한 번 휘리릭 훑어 본다면....

[ 밑줄/연결 ] 알고리즘은 문제를 푸는 기계적인 방법이다. 알고리즘에 미리 심어 넣은 전문성이 아니라 실행하며 외부 환경에서 배워 익힌 전문성이다. 이런 알고리즘을 에코리즘(ecorithm)이라고 부르겠다. 에코리즘이 따르는 학습을 얼추거의맞기(probably approximately correct, PAC)학습이라고 한다. 생명체들이 헤쳐나가는 디채로운 방법이 모두 환경으로부터 학습한 결과이고, 이 학습 과정이 기계적인 계산으로 이해될 수 있다는 입장이다. 이런 학습 능력을 갖춘 알고리즘을 에코리즘이라고 부르겠다. 이 책은 두 개 입장을 중심으로 펼쳐진다. 첫째는, 생명체들이 어려움을 헤쳐나가는 다채로운 방법이 모두 환경으로부터 학습한 결과라는 것이다. 둘째는, 이 학습 과정이 컴퓨터과학의 방법들로 ..

[ 밑줄/연결 ] 특정 인물이나 부서의 잘못이 아니라 조직 자체가 성공할 수 없는 구조였기 때문이다. 개발 부서는 기능을 잔뜩 만들어 게시하면 보상을 받는다. 이 해로운 사고방식이 조직에 만연해 있다. 결과가 아닌 산출에 최적화된 회사의 전형적인 예다. 산출은 우리가 제작해 쉽게 정량화할 수 있는 것들이다. 프로덕트나 기능의 개수, 출시 횟수, 개발부서의 속도 등이 그 예다. 프로덕트를 중심에 두지 않는 기업의 중심에는 무엇이 있을까? 영업, 비전, 기술이 중심인 기업들이 많은데 이런 식으로 조직을 구성하면 개발 함정에 빠지고 만다. 프로젝트 매니저형.. 그들은 "왜" 보다는 "언제"에 집중하곤 하기 때문이다. 프로젝트 매니저가 프로덕트 매니저의 직무를 맡으면 일정표를 가지고 다니는 웨이터가 되기 쉽다...

[ 밑줄/연결 ] (데이터 과학 진행 과정) (1. 데이터 획득) ㅇ 어떤 데이터가 필요하며 그것을 어디서 얻을 것인지를 사명서에 명시했다. ㅇ 사용할 데이터가 존재하는지, 품질은 어느 정도인지, 접근할 수 있는지 확인한다. (2. 데이터 준비) ㅇ 데이터 정제(data cleansing): 데이터 출처로부터의 거짓 데이터를 제거 ㅇ 데이터 통합(data intergration): 여러 데이터 출처로부터 얻은 정보를 조합함으로써 데이터 출처를 보충 ㅇ 데이터 변환(data transformation): 데이터를 모델에 적합한 형태로 만듦 (3. 데이터 탐색) ㅇ 데이터를 깊이 이해하는 데 주의를 기울인다. ㅇ 변수들의 상호작용, 데이터의 분포, 이상점의 존재에 대해 이해하려고 노력한다. ㅇ 기술적 통계학..
- Total
- Today
- Yesterday
- 당신은 AI를 개발하게 된다
- 디지털 트랜스포메이션 엔진
- 복잡계의 새로운 접근
- 고도를 기다리며
- 부정성 편향
- 안나 카레니나
- 경영혁신
- 데브옵스 도입 전략
- 경계의 종말
- 전략에 전략을 더하라
- 사회물리학
- 함께 있으면 즐거운 사람
- 혁신
- 개발자가 아니더라도
- 최진석
- 인공지능
- 제로 성장 시대가 온다
- 참을 수 없는 존재의 가벼움
- 직감하는 양자역학
- 스케일의 법칙
- 상대성이론
- 양자역학
- 불교
- 플랫폼의 시대
- 이노베이션
- 돈
- 함께 있으면 피곤한 사람
- 머신러닝 디자인 패턴
- Ai
- 파괴적 혁신
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |