[빅데이터] 가치있는 디자인으로 변환하는 마법(2)

인간공학은 산업공학에서 파생된 학문이다.

 

이번 글은 두 번째에 대해 이야기해보자.

(1) 사용자 니즈 파악의 중요성

(2) 가치있는 디자인으로 변환하는 마법

 

이번 글은 아래의 퓨처드릴과 똑같은 내용을 하고 있다.

(제가 작성했습니다!)

퓨처드릴을 구독하면, AI와 UX와 관련된 내용을 더 많이 볼 수 있다!

https://futuredrill.stibee.com/

 

이전 시간의 내용을

아래와 같이 요약할 수 있다.

 

산업공학의 핵심은

빅데이터

 

빅데이터로

사용자의 니즈를

 

사용자의 니즈로

유용한 가치를

 

유용한 가치를 위한

인공지능 모델

 

인공지능 모델의 기반은

심볼릭과 뉴럴 분석 방식

 

심볼릭과 뉴럴 분석 방식보다

기획과 데이터의 질이 중요

 

기획, 분석방법, 데이터가 있다면

데민 사이클 반복

 

데민 사이클은

Plan->Do->Check->Act

서울대학교 빅데이터 AI 센터

 

 

이번 글은  데이터를 가치있는 결과로

만드는 과정을 알아보자!🤸

 

---

Pat Gelsinger

"Data is the new science. Big Data holds the answers"

 

---

 

 

인사이트로 변환시키는 5가지 매직 🧙

 

1. Business Intelligence (시각화) 👀

자동차 계기판이나 마케팅 대시보드처럼

데이터를 모우고 정제한 후,

데이터를 직관적으로

한눈에 파악할 수 있도록 하는 방법이다.

 

2. 연관 분석(Association Mining) 🙆🙅

구매 패턴을 분석하는 것처럼

특정 사건이 동시에 발생하는

사건이나 조건의 패턴을 찾아내고

상관관계를 발견하는 방법이다.

 

*연관분석은 인과관계를 발견하지 못한다.

 

3. 클러스터링(군집화) 👬

비슷한 데이터끼리

그룹으로 묶는 방법이다.

 

소비자를 군집화해서

타겟층을 만들어 마케팅을 할 수 있다.

 

클러스터링과 분류의 차이점은

몇개로 얼마나 나눠서

군집화할지 기준을 잡지 않는다.

 

4. 예측 및 분류(Predictive Analytics)🐶😺

강아지와 고양이를 분류하는 것처럼

추론하는 방법이다.

 

컴퓨터에게 데이터 기반으로

트레이닝(머신러닝)을 거치고,

예측하거나 데이터 특정 기준에 따라

나누는 과정이다.

 

이것을 추론(inference)이라 한다.

 

5. 이상 탐지(Anomaly Detection) 👷

공장에서 갑자기 사람이 쓰러진 것을 파악하고

119에 신고하는 것과 같은 방법이다.

 

정상적인 데이터를 학습 한 후

비정상적인 상황이 닥쳤을 때,

상황을 감지하는 방법이다.

 

 

 

 

 

 

최신 데이터 분석 기술

 

| 이미지 분석

다양한 형태의 이미지 데이터를

처리하고 해석하는 기술이다.

 

1. 이미지 처리

From Image to Image

예를 들어,
- 이미지의 배경을 제거,
- 컬러 이미지를 흑백으로 변환

기술 및 모델로,

- OpenCV : 다양한 이미지 처리 기능 제공

- Pillow: 이미지 파일 포맷 변화, 필터 적용

 

 

2. 컴퓨터 비전

From Image to Description

 

예를 들어,

- "이것은 새입니다" 생성

- "해가 지는 장면입니다" 생성

기술 및 모델로,

- CNN: 이미지 분류 및 객체 인식을 위한 신경망

- YOLO: 실시간 객체 인식 모델

- VGGNet: 이미지 분류를 위한 심층 신경망

- RCNN: 객체 인식을 위한 모델

 

 

3. 컴퓨터 그래픽스

From Description to Image

 

예를 들어,

"강아지가 공을 물고 있는 이미지" 생성

 

기술 및 모델로,

- GAN: 두 신경망이 경쟁하며 이미지를 생성하는 모델

- DALL-E: 텍스트 설명을 기반으로 이미지를 생성하는 모델

 

 

이미지 기반 사례연구는?

- 손으로 쓴 숫자를 인식하기.
- 애플 갤러리처럼 이미지 내 얼굴 자동인식

- 자율주행차나 냉장고의 물건 인식하기.

 

 

 

 

 

| 텍스트 분석

자연어처리(NLP)의 기반으로

비정형 텍스트를 정형화,

즉 수치화하는 기술이다.

 

가장 핵심적인 부분은

어떻게 텍스트화시키는지이다.

텍스트로 바꾸어야

인사이트로 바꿀 수 있기 때문이다.

1. 텍스트 전처리

텍스트 데이터를 분석하기 전에

필요한 정제 작업이다.

기술 및 모델로,

- Tokenization: 텍스트를 단어 또는 문장 단위로 분할

- Stop Words Removal: 분석에 불필요한 단어 제거

- Stemming and Lemmatization: 단어의 원형을 추출

 

 

 

2. 컴퓨터 비전

문서를 벡터로 변환하여

텍스트 데이터를 수치화한다.

 

기술 및 모델로,

- Bag of Words: 단어의 등장 빈도를 기반으로 문서를 벡터화

- TF-IDF: 단어의 중요도를 반영하여 벡터화

- Word Embeddings: 단어를 고차원 벡터로 변환하여 의미를 반영

 

 

3. 텍스트 분류 및 주제 추출

텍스트 데이터를 분류하거나

주요 주제를 추출한다.

 

기술 및 모델로,

- Naive Bayes: 텍스트 분류를 위한 확률 모델

- LDA: 주제 모델링을 위한 기법

- BERT: 문맥을 이해하는 강력한 NLP 모델

 

 

 

텍스트 기반 사례연구는?

- 문서 내에서 주요 주제를 추출하기.

- 뉴스 기사를 주제별로 분류하기.

- 스팸 필터링하기.

 

 

 

 

| 음성 분석

음성 데이터를 처리하고

해석하는 기술이다.

 

 

가장 핵심적인 부분은

어떻게 텍스트화시키는지이다.

텍스트로 바꾸어야

인사이트로 바꿀 수 있기 때문이다.

1. 음성 인식

From Speech to Text

 

예를 들어,

- 음성 명령을 텍스트로 변환하여 실행

- 음성 메시지를 텍스트로 변환

 

기술 및 모델로,

- Google Speech-to-Text: 구글의 음성 인식 API

- DeepSpeech: Mozilla에서 개발한 오픈 소스 음성 인식 엔진

 

2. 음성 합성

From Text to Speech

 

예를 들어,

- 텍스트를 음성으로 읽어주는 가상 비서

- 내비게이션 시스템에서 음성 안내

 

기술 및 모델로,

- Google Text-to-Speech: 구글의 텍스트 음성 변환 API

- Tacotron: 딥러닝 기반의 텍스트 음성 변환 모델

 

3. 음성 감정 분석

From Speech to Emotion

 

예를 들어,

- 콜센터에서 고객의 감정 상태 분석

- 감정 인식 챗봇

 

기술 및 모델로,

- OpenSMILE: 음성 감정 인식을 위한 오픈 소스 툴킷

- RNN: 순차 데이터를 다루기 위한 신경망 모델

 

 

음성 기반 사례연구는?

- 스마트홈의 음성 인식 기반 기기 제어

- 음성 기반의 실시간 번역 서비스

- 음성 감정 분석을 통한 고객 서비스 개선

 

 

 

 

 

이번 글은 인사이트로 변환하는 과정, 방식에 대해 알아보았다.

 

 

오늘날 AI와 빅데이터는

디자인적으로

다른 사람이나 사용자를 설득시키는데

핵심적인 역할을 한다.

 

사람들의 "니즈"와 "페인포인트"를

깊이 있게 이해하도록 도와주며

이를 바탕으로

혁신적인 UX와 설득력 있는 디자인을 통해

다양한 문제를 해결하면서

여러 분야에서

가치를 창출할 수 있을 것이다.