본문 바로가기

전체 글124

금융에서의 딥러닝 (개요) 이 기사는 Re-work Deep Learning Summit에서 발표된 내용을 요약했습니다. 해당 발표에서는 금융 모델이 실패하는 이유와 딥러닝이 그 격차를 어떻게 메울 수 있는지 설명했습니다. 더 나아가 금융 분야의 딥 러닝에 대한 세 가지 사용 사례와 이러한 모델의 우수성에 대한 증거를 제시했습니다. 금융이 가장 계산 집약적인 분야인 반면, 금융에서 널리 사용되는 모델은 감독 및 비지도 모델, 상태 기반 모델, 계량 경제 모델 또는 심지어 확률 적 모델까지도 과잉 피팅, 휴리스틱 및 열악한 문제로 인해 손상됩니다. 금융 영역은 매우 복잡하고 비선형적이며 서로 영향을 미치는 수많은 요인이 있기 때문입니다. 이를 해결하기 위해 이미지 인식, 음성 인식, 그리고 감정 분석 분야에서 입증된 딥러닝 연구를 .. 2021. 2. 14.
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.
728x90