본문 바로가기

전체 글119

금융 분야의 6가지 데이터 과학 사용 사례 최근 몇 년 동안 여러 주요 금융 관련 작업에 대처할 수 있는 데이터 과학 및 머신 러닝 능력이 특히 중요한 이슈가되고 있습니다. 기업은 기술이 가져다주는 개선 사항과 비즈니스 전략을 재구성하는 방법에 대해 더 많이 알고 싶어합니다. 이러한 질문에 답할 수 있도록 금융 부문에 가장 큰 영향을 미치는 데이터 과학 사용 사례를 조사해 봤습니다. 데이터 관리에서 거래 전략에 이르기까지 매우 다양한 비즈니스 측면을 다루면서 금융 솔루션을 향상시킬 수 있는 사례들입니다. 리스크 관리 자동화 리스크 관리는 회사의 보안, 신뢰성, 그리고 전략적 결정을 담당하는 금융 기관에게 매우 중요한 영역입니다. 리스크 관리를 처리하는 접근 방식은 지난 몇 년 동안 크게 변경되어 금융 부문의 본질을 변화 시켰습니다. 그 어느 때보.. 2021. 2. 14.
뱅킹 분야에서 상위 9가지 데이터 과학 사용 사례 은행 업계에서 데이터 과학을 사용하는 것은 단순히 트렌드가 아니라 경쟁사를 따라 잡기위한 필수 요소가되고 있습니다. 은행은 빅데이터 기술이 자원에 효율적으로 집중하고 더 현명한 결정을 내리고 성과를 개선하는 데 도움이 될 수 있음을 인식해야합니다. 다음은 상당한 양의 데이터로 작업 할 수있는 방법과 이를 효과적으로 사용하는 방법에 대한 아이디어를 제공하기 위해 결합한 은행 분야의 데이터 과학 사용 사례 목록입니다. 사기 탐지 기계 학습은 신용 카드, 회계, 보험 등과 관련된 사기를 효과적으로 탐지하고 예방하는 데 중요합니다. 은행 업무의 사전 예방적 사기 탐지는 고객과 직원에게 보안을 제공하는 데 필수적입니다. 은행이 사기를 빨리 감지할수록 손실을 최소화하기 위해 사기계정에 대해서 더 빨리 거래제한 등의.. 2021. 2. 14.
LSTM 또는 CNN을 이용한 주가 예측 LSTM은 보통 순차 데이터의 이동 알고리즘으로 간주되어 왔으며 CNN은 보통 이미지 데이터 처리를 위한 최고의 알고리즘으로 간주되었습니다. LSTM 또는 기타 Recurrent Neural Network (RNN)와 동등하거나 더 나은 문자 수준 CNN의 사용에 대한 많은 논문이 출판되었습니다. 이 가설을 테스트하기 위해 두가지 알고리즘을 시계열 분석의 전형적인 사례인 주가 예측에 구현해보겠습니다. 실험에서 서로 다른 두 알고리즘이 어떻게 일치하는지에 대한 공정한 비교를 제공하기 위해 이러한 각 알고리즘의 작동 방식에 대한 컨텍스트를 제공해야합니다. LSTM LSTM은 알고리즘 출력에 대한 기능을 제공하는 많은 신경망으로 구성된 반복 신경망의 한 유형입니다. 예를 들어 중복 신호의 가중치를 줄 이도록 .. 2021. 1. 31.
신용 점수를 높이는 방법 아래 글은 변역한 것으로 국내 실정에는 다소 맞지 않을 수도 있으니, 고려해서 읽어주세요 재정 상태를 개선하기 위해 가장 최선의 방법은 신용 점수를 높이는 것입니다. 좋은 신용 점수를 가진 사람들은 대출 및 신용 카드 사용에 대해 더 좋은 이자율을 제공 받을 수 있으며, 이는 사는 곳, 집의 종류, 그리고 자동차에 이르기까지 모든 것에 영향을 미칠 수 있으며 잠재적으로 당신의 고용에 영향을 미칠 수 있습니다. 고용주가 고용하기 전에 신용 보고서를 확인하는 것입니다. (역자 해설: 한국에서 고용구자 신용 보고서를 확인하는 경우는 거의 없습니다.) 신용이 작동하는 방식을 이해한다면 하루밤에 신용 점수를 높이는 것은 불가능하다는 것을 알 수 있을 것입니다. 정말로 신용 등급의 개선을 이루고 싶다면, 인내심을 .. 2021. 1. 31.
728x90