전문가 Q&A

안녕하십니까. 앤시스 코리아 양경모입니다.
1. 인공지능 붐이 일어나기 전과 후에도 여러 이론과 방법론이 발전하고 있습니다. Non-parametric 방법론은 그 중 하나입니다. 이 방법론은 데이터에 대한 가정 없이 모델을 구축하는 방식으로, 특히 데이터의 분포를 가정하지 않는 통계적 방법을 말합니다.
여기서 몇 가지 주목할만한 non-parametric 이론과 방법론을 소개해 드리겠습니다:
- K-최근접 이웃 (K-Nearest Neighbors, KNN)
- 커널 밀도 추정 (Kernel Density Estimation, KDE)
- 비모수적 가설 검정 (Non-parametric Hypothesis Testing)
- 부트스트레핑 (Bootstrap)
- 로우스톤 테스트 (Runs Test)

2. 현재 인공지능 분야에서 가우시안 프로세스와 베이지안 프로세스는 주목받고 있는 중요한 기술입니다.

가우시안 프로세스 (Gaussian Process):
가우시안 프로세스는 확률론적 모델링 방법으로, 불확실성을 추정하고 함수를 모델링하는 데 사용됩니다.
하이퍼파라미터 최적화에 활용되며, 목표 함수의 불확실성을 고려하여 최적값을 찾습니다.
예를 들어, 인공지능 모델의 하이퍼파라미터 조정에 활용됩니다.
베이지안 프로세스 (Bayesian Process):
베이지안 프로세스는 베이지안 확률론에 기반한 순차적 최적화 전략을 사용합니다.
목표 함수의 불확실성을 추정하고, 이를 기반으로 하이퍼파라미터 최적값을 찾아냅니다.
정보보안 분야에서도 AISecurity와 관련하여 베이지안 기술이 적용 가능성을 가지고 있습니다.
이러한 기술들은 인공지능 붐에서 중요한 역할을 하고 있으며, 더 많은 연구와 응용이 기대됩니다.

가우시안 프로세스(Gaussian Process, GP)는 확률적인 모델링 방법으로, 데이터의 분포를 추론하는데 사용됩니다. 이론적으로는 오래전부터 존재했지만, 딥러닝이 활성화되면서 다양한 차이점이 나타났습니다.
딥러닝과 가우시안 프로세스의 차이점:
- 딥러닝은 신경망 구조를 사용하며, 많은 뉴런과 레이어로 복잡한 함수를 근사합니다.
- 가우시안 프로세스는 확률적인 함수를 직접 모델링하며, 평균 함수와 공분산 함수를 사용합니다.
- 딥러닝은 대량의 데이터를 필요로 합니다. 많은 샘플이 있을 때 성능이 향상됩니다.
- 가우시안 프로세스는 적은 데이터로도 유연하게 모델링할 수 있습니다.
- 가우시안 프로세스는 불확실성을 확률적으로 다루기 때문에 예측에 대한 불확실성을 제공합니다.
- 딥러닝은 불확실성을 직접 다루지 않고, 예측값만 제공합니다.
- 가우시안 프로세스에서 커널 함수는 데이터 간의 상관 관계를 정의합니다.
딥러닝에서는 커널 함수 대신 활성화 함수를 사용합니다

RNN은 시계열 데이터와 순차적인 데이터를 모델링하는데 사용됩니다.
가우시안 프로세스는 시간에 따른 불확실성을 다루는데 유용합니다.
따라서 RNN과 가우시안 프로세스는 서로 보완적인 역할을 합니다.

현재 딥러닝에서 non-parametric이라는 용어는 unsupervised 학습과 관련하여 사용됩니다. 이 개념은 라벨 없는 데이터를 활용하여 모델을 훈련하는 방식을 의미합니다. Non-parametric 방법은 파라미터의 수를 고정하지 않고 데이터에 따라 유연하게 모델을 구성하는 방식입니다. 이는 클러스터링 (예: K-means)이나 차원 축소 (예: PCA)와 같은 전통적인 비지도 학습 방법과도 관련이 있습니다.

시계열과 가우시안 프로세스는 다른 개념입니다. 시계열은 시간에 따라 변화하는 데이터를 다루는 것으로, 예측, 분류 또는 패턴 인식과 같은 작업에 사용됩니다. 반면 가우시안 프로세스는 확률적 모델로, 데이터의 분포를 모델링하고 예측하는 데 사용됩니다. 이 두 개념은 서로 다른 방식으로 코딩되며, 시계열 데이터를 다루는 경우 시계열 모델링 기법을 사용하고, 가우시안 프로세스를 적용할 때는 해당 프로세스를 구현하는 방식을 따릅니다.

스펙에 관련된 부분은 이성식 부장님을 통해 확인후 별도로 알려드리겠습니다.

중앙관리서버는 클라우드내에 위치하고 웹 기반으로 접근 가능한 타입, 온프레미스에서 별도로 설치하여 관리하는 타입 2가지 입니다.

서버의 환경을 통합하여 관리할 경우 관리 리소스 부분 및 보안 정책 관리 등 관리적인 측면에서 장점이 있습니다.

이성식 부장님이 Q&A에서 답변을 드리거나 세미나 종료후 이성식 부장님의 도움을 받아 적정 서버 수량에 대한 답변을 드리겠습니다.

한국에 안철수님이 창업하신 안랩이 있듯이 러시아에는 유진 카스퍼스키가 22년전 창업한 카스퍼스키 랩이 있습니다. 현재는 브랜드를 카스퍼스키로 변경했으며 전세계 3억개의 라이선스를 판매하고 있으며 약 1년에 9000억 매출을 내는 글로벌 IT 보안 기업입니다.

KHCS는 VM인 경우 VM 갯수로 판매하며 프라이빗 데이터 센터에 사용하는 경우는 CPU 개수로 라이센싱 가능합니다.

네 맞습니다.
리눅스, Cent OS 는 Kaspersky Linux 제품으로 Window OS 는 Kaspersky Window 제품으로 지원 합니다.
KHCS(하이브리드 제품) 을 구매하시면 어떤 제품을 사용하시던지 전부 사용이 가능 합니다.

KHCS는 각각의 OS 환경에 맞춘 제품이 제공되며 전체 수량에 대해 어느 OS를 쓰시던지 상관이 없습니다.

1개의 서버에 어떤 OS를 쓰시더라도 1개의 KHCS 라이센스로 대응 가능합니다

[서비스나우]서비스나우 만으로 디지털 혁신이 이루어진다고는 감히 말씀드릴 수는 없습니다. 다만 서비스나우가 가진 Best Practice, user experience를 쉽게 디지털화할 수 있는 low code 기반의 app 개발 툴, workflow 등등을 이용하여 쉽게 타 솔루션과 connection하고 필요한 app을 개발하여 활용할 수 있으므로 고객의 디지털 혁신을 지원한다고 할 수 있겠습니다.
플랫폼 구축의 경우, 타 프로젝트 사례(ITSM)를 바탕으로 컨설팅 및 구축(10-12주)을 포함하여 3-4개월 정도가 예상됩니다만...이는 고객이 도입하시고자 하는 범위와 customizing에 따라 달라질 수 있습니다.

[서비스나우]서비스나우는 SaaS 시스템으로 수많은 고객분들의 Best Experience를 기반으로 시스템이 구성되어 있습니다. 예를 들어 ITSM의 경우 ITIL V3.0 을 기반으로 다양한 Best Practice 가 내재되어 있으며, 이와 함께 다양한 운영 편의성 기능(수백개의 대시보드, Report, case 등등)이 내재되어 있습니다. 따라서 고객분들께서는 Cstomizing에 많은 시간을 투자하지 않으시더라도 쉽고 빠르게 시스템을 사용하실 수 있습니다. 또한 SaaS 이므로 별도의 H/W 비용 및 운영 비용이 필요하지 않습니다.

[서비스나우]서비스나우에게 제공하는 모바일 앱은 Native Application입니다. 또한 사용자 인증을 위해서 Auth 2.0을 사용한 플랫폼 인증을 지원합니다. (인증 메커니즘에는 다중 공급자 SSO, MFA, LDAP, 로컬 DB 및 다이제스트) 더 자세한 사항은 https://docs.servicenow.com/bundle/paris-mobile/page/administer/tablet-mobile-ui/concept/sg-mobile-security.html 참조 해주시기 바랍니다. 감사합니다.

안녕하세요. 아닙니다. 단절되어 사용되고, 사용자에게 불편함을 주는 솔루션들을 서로 연결하고 통합 자동화하는 기능을 제공합니다.