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.
[질문] 오라클 클라우드의 가격적 메리트나 필요한 기능만 가볍게 취했을 때, 더 저렴하게 시작할 수 있는 패키지가 있을까요? 타 경쟁사 대비 마케팅적인 강점이 뭐가 있을지 설명부탁드립니다.
Trial 버전으로 한 달간 무료로 사용하시고.. Pay as you Go 서비스로 사용량에 따라 비용을 지불하시면 됩니다.
위에 다시 쓴것처럼 Pay as you Go,외에 기능별 모듈을 선택하거나 하는 정책은 아직 없을까요? aws 의 서버 초기 셋팅처럼 말입니다..
Pay as you Go 사용하실때 필요한 기능만 선택하시면 됩니다.. 더 세부적인 선택은 고객님의 자세한 설명이 필요합니다.
[질문] 클라우드에서 지속 대두되고 있는 보안 이슈 해소를 위한 별도의 인프라 환경의 도입이 필요한지 그리고 필요시 효율적인 구축 방안에 대해 문의드립니다.
기본적으로 오라클 클라우드는 네트워크 레벨 부터 어플리케이션 레벨까지 다양하게 보안문제를 해결 합니다. 또한 저희 클라우든 네트워크 구성에 있어 유저영역과 컨트롤영역이 완벽하게 분리되어 있습니다. DDOS 공격 방어등을 위해 웹 방화벽 서비스도 제공합니다. 당연히 기본적으로 데이터 암호화 및 보안키, 토큰 등을 생성할 수 있게 제공합니다. 별도으 인프라 도입은 필요 없으십니다. 단, 온프라미스에 프라이빗으로 클라우드를 원하시면 엑사데이터 기반의 프라이빗 클라우드를 도입 하실 수 있습니다.
[질문] 오라클이 가장 감정이 분야는 어떤 것이며 어느 역량을 가지고 있는가요
오라클 클라우드의 강점은 기업환경을 위한 클라우드라는 점입니다. 최초 설계부터 엔터프라이즈 환경을 위한 클라우드를 목표로 설계되었습니다. 그리고 2세대 클라우드로 설계되어 보안 및 성능적인 부분에 있어서 강점을 보입니다. 마지막으로 오라클 데이터베이스를 사용하시는 경우에는 오직 오라클 클라우드에서만 모든 기능을 100% 사용할 수 있습니다.
[질문] 축적된 데이터베이스 관련 기술력으로 인해, Oracle RDBMS 외에 Oracle 클라우드의 MS SQL Server와 Postgresql 성능도 우수할 것 같은데 관련 자료를 제 나름으로는 열심히 인터넷에서 찾아 보았으나 찾지 못했습니다. Oracle 클라우드의 MS SQL Server와 Postgresql 성능은 어떤가요?
클라우드 도입을 검토 중이지만 불행하게도 저희 회사는 Oracle RDBMS는 이용하지 않고 있고 MySQL, MS SQL Server, Postgresql을 이용하고 있습니다.
[질문] 아무래도 오라클은 데이터베이스 전문 기업이라는 인식이 크다 보니 AWS 등 타사 클라우드사와 비교해서 마이그레이션 선택이 고민스러운게 사실입니다. 타사 대비 오라클 클라우드를 선택하게 될 경우의 장점이 어떤 부분이 있을까요(가격, 성능(Compute, Memory, Block Storage) 등)
클라우드를 사용하신다면 가장 많은 고민을 하시는 부분이 생각하지 않은 비용이 청구되는 경우일 것입니다. 예를 들어 생각하지 못한 네트워크 트래픽 전송비용이라던가 스토리지 성능 즉, IOPS에 따른 비용이 증가되는 부분이 가장 큰 비용이 청구되는 경우가 아닐까 생각이 됩니다.
오라클은 네트워크 트래픽 전송에 대해서 아웃바운드는 월 10TB까지 비용을 청구하지 않고 있으며 10TB를 초과하더라도 업계에서 가장 저렴한 비용으로 서비스를 제공하고 있습니다.
스토리지의 경우도 보통 타사의 경우 스토리지 용량과는 별도로 스토리지의 성능에 대해서도 비용을 청구하는 반면에 오라클은 보편적으로 가장 많이 사용하는 블록 스토리지의 경우 1GB당 60IOPS를 보장하고 있으며 성능에 따른 별도의 비용을 청구하지 않습니다.
[질문]Non parametric에 대해 공부중입니다. 처음 접하는 개념이라 질문사항이 몇가지가 있습니다.
1) 인공지능 붐이 일어나기 전과 후 non parametric에서 대세가 되고 있는 이론이 있나요?
2) 혹시 가우시안과 베이지안 프로세스가 현재 인공지능 붐의 대세인가요?
3) 가우시안 프로세스는 오래전에 나온 이론인데, 딥러닝이 활성화되면서 예전과 어떤 차이점이 있는지 궁금합니다.
RNN등으로 인해, 산출되는 값이 많이 바뀌기 시작한 것인가요?
추가로 질문하나만 더 드립니다. 기존에 non parametric이라고 칭하던게 현재 딥러닝에서 구사하는 unsupervised 개념이 맞는 것인지요? 또한 시계열과 가우시안 프로세스는 같은 방식의 코딩인가요?
성실한 답변 부탁드립니다.