개인공부

RPA란? RPA : Robotic Process Automation의 약어.디지털 레이버 (Digital Labor = 가상 지적 노동자) 라 불리는 소프트웨어 로봇을 활용 해서 정형화된 사무처리 업무를 자동화하는 것입니다. 제조업의 공정라인 에서 사용되는 로봇, 예를 들면 용접 로봇과 같이 우리가 흔히 생각 하는 로봇의 형태를 갖춘 공장형 로봇이 아닌, 백 오피스의 업무를 자동화하여 인간이 처리하는 것보다 몇배 내지는 몇십배 빠른 속도와 정확성으로 업무를 처리 할 수 있습니다. 더구나 기존 시스템을 일절 개조 할 필요가 없다라는 장점을 가지고 있습니다. RPA 도입의 목적 1. 생산성 향상 RPA는 인간의 몇배 내지는 몇십배에 해당 하는 업무량을 처리할 수 있습니다. 업무를 처리 할 수 있는 가동 시..

블록체인 기술이란? 해킹을 방지하는 기술로 떠오르고 있는 블록체인(block chain)은 거래 정보를 하나의 덩어리(블록)로 보고, 이것을 연결한(체인) 거래 장부라고 할 수 있습니다. 어느 한 주체가 모든 고객의 거래 장부를 소지, 관리하는 게 아니라 다수가 모든 이의 거래장부를 공유하며 관리하는 기술인데요. 거래가 블록에 담기고 이 블록이 다른 블록과 연결되며 모든 사용자는 블록체인의 복사본을 갖게 되는 것입니다. 기존에 중앙 집중형 서버에 거래 기록이 보관되었던 것과 달리 블록체인은 모두에게 거래 내역을 보내는 방식이기에 ‘공공 거래 장부’라고도 불립니다. 하지만, 블록체인을 이용한 거래는 취소가 어렵고 문제 발생시 책임질 중앙기관이 없다는 문제가 있기도 합니다. 블록체인의 장점, 단점 블록체인 ..

1. IoT 보안(IoT Security) -IoT 보안 기술은 IoT 장치와 플랫폼을 정보 침입과 물리적 침해로부터 보호하고, 통신을 암호화하며, 배터리를 소모시키는 공격과 같은 새로운 문제를 해결하는 것임. 정교한 보안 접근법을 지원하지 않는 단순한 프로세서와 운영 체제를 사용하는 것이 문제임 -기기의 수명이 다할 때까지 보안을 업데이트 할 수 있는 하드웨어와 소프트웨어가 필요함 2. IoT 분석(IoT Analytics) -IoT 비즈니스 모델은 여러 가지 방법으로 사물에서 수집 한 정보를 사용하며 새로운 분석 접근법 요구 -2021년까지 데이터 양이 늘어남에 따라 IoT의 요구 사항이 기존 분석과 크게 달라질 수 있음 3. IoT 장치 관리(IoT Device Management) -IoT 사물은..

‘새로운 석유’에 비유되는 빅데이터. 2018년 빅데이터 기술은 어떻게 발전할까. 맵알 테크놀로지스(이하 ‘맵알’)의 테드 더닝 애플리케이션 아키텍트가 2018년 7가지 주요 빅데이터 기술 동향 및 전망을 발표했다. 1. 머신러닝, 기술 트렌드에서 ‘실제 업무에 적용하는 기술’로 전환 이제 머신러닝은 점점 비즈니스에서 범용적으로 활용될 전망이다. 인공지능(AI)에 대한 관심뿐 아니라 머신러닝에 대한 관심이 더욱 높아져, 머신러닝의 접근 범위 또한 광범위해지고 있다. 가장 성공적인 시스템은 기업이 툴이 아닌 문제점에 집중했을 때 나타날 가능성이 있다. 기업이 실질적인 목표를 갖고 필요한 데이터에 접근할 수 있도록 확장하고, 머신러닝 결과를 실제 업무에 적용할 수 있는 현실적인 계획을 수립하는 게 중요하다...

1 인공지능 분야 웹 기반 빅데이터 수집 분석 패키지 기술빅데이터는 4차 산업혁명에서 빼놓을 수 없는 핵심 기술로 의미 없는 데이터들을 수집해 분석을 통해 의미 있는 데이터로 바꾸는 기술이다. 방대한 데이터를 웹 기반 시스템 내에서 수집하고 분석해 비즈니스 인사이트를 도출하는 기술은 이제 막 도입기에 접어들었고, 사업화 가능성이 매우 높은 분야다.빅데이터를 분석하기 위해서는 정형화된 데이터뿐만 아니라 비정형데이터까지 저장하고 관리할 수 있어야 하며, 언제 어디서나 데이터에 접근할 수 있는 클라우드 컴퓨팅 기반이 필요하다. 또 자연어를 기계어로 변환하고, 데이터 오류를 검출하는 연산시스템도 풀어야 하는 과제다. 2 사물인터넷 분야 스마트의류 기술특수소재나 컴퓨터 칩을 사용해 전기신호나 데이터를 교환하고, ..

딥 러닝이란 ? 딥 러닝은 컴퓨터들이 인간의 두뇌와 비슷한 모양의 대형 인공 신경망을 형성하는 일종의 기계 학습입니다. 딥 러닝에서는 대규모 인공 신경망에 학습 알고리즘과 지속적으로 증가하는 양의 데이터를 공급함으로써, "사고"하는 능력과 처리하는 데이터를 "학습"하는 능력을 지속적으로 개선합니다. "딥"이란 단어는 시간이 지나면서 축적되는 신경망의 여러 층을 의미하며, 신경망의 깊이가 깊어질수록 성능이 향상됩니다. 현재 대부분의 딥 러닝이 인간의 감독 하에 진행되지만, 자체 훈련과 독립적인 "학습"이 가능한 신경망을 구축하는 것이 목표입니다. 딥 러닝이 필요한 이유 신경망은 1950년대부터 존재해 왔지만, 딥 러닝을 흥미로운 새로운 기술로 만드는 데 사용 가능할 정도로 컴퓨팅 성능과 데이터 스토리지 기..