Graph Database Meetup in Korea #8. Graph Database 5 Offerings_ DecisionTutor ...bitnineglobal
Graph Database Meetup in Korea #8. Graph Database 5 Offerings_ DecisionTutor (그래프 데이터베이스 활용 사례_ 디시젼 튜터)
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) 8번째! "그래프 데이터베이스 5 Offerings_ DecisionTutor (디시젼 튜터)" 입니다.
그래프 데이터베이스가 제공하는 5가지 핵심 오퍼링(5 Offerings) 중 “DecisionTutor”의 이론 소개 및 적용 분야 등에 대하여 소개 드렸습니다.
DecisionTutor는 과거의 데이터 학습을 통한 #예측분석 으로 사용자 의사 결정을 지원하는 그래프 기반 AI 기술입니다. 직관이 아닌 데이터 기반 확률에 근거하여 보다 합리적이고 신속한 의사결정을 지원하기 위한 기술로, 주로 #추천시스템 / #인공지능 기반 모니터링 시스템 등에 활용되고 있습니다.
☞ 유튜브 발표영상 보기: https://www.youtube.com/watch?v=RRXJ_gTs0BU&t=1172s
☞ 밋업 참가 신청 하러가기: https://www.meetup.com/ko-KR/graphdatabase/
☞ 이메일 문의: hnkim@bitnine.net
☞ 그래프 데이터베이스 솔루션 AgensGraph 다운로드: https://bitnine.net/
Graph Database Meetup in Korea #4. 그래프 이론을 적용한 그래프 데이터베이스 활용 사례 bitnineglobal
Graph Database Meetup in Korea #4. Graph Database Usecases based on Graph Theory (그래프 이론을 적용한 그래프 데이터베이스 활용 사례)
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) 4번째! "그래프 이론을 적용한 그래프 데이터데이터베이스 활용 사례_ 그래프 이론 및 그래프 알고리즘 소개" 입니다.
10가지 그래프 이론 소개 및 활용 사례를 소개 드렸습니다. 발표자료를 통해 그래프 데이터베이스의 다양한 활용 사례를 확인해 보시기 바랍니다. :)
AgensGraph는 고객의 DB 수집 및 가공을 통한 저장/관리부터, 분석하여 시각화를 통한 구현 목표 기능과의 연동까지! "데이터 흐름의 모든 영역"에서 서비스를 제공하고 있습니다.
☞ 발표 영상 보러가기: https://www.youtube.com/playlist?list=PLGp3huJbWNDhQT4aBCS13udGhYnIc1GnO
☞ 밋업 참가 신청 하러가기: https://www.meetup.com/ko-KR/graphdatabase/
☞ 이메일 문의: hnkim@bitnine.net
☞ 그래프 데이터베이스 솔루션 AgensGraph 직접 사용해 보기: https://bitnine.net/
Graph Database Meetup in Seoul #1. What is Graph Database? (그래프 데이터베이스 소개)bitnineglobal
Graph Database Meetup in Seoul #1. What is Graph Database?
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) "그래프 데이터베이스 기본 개념 소개" 입니다.
그래프 데이터베이스의 기본 개념 및 특징, 활용 분야 등에 대해 간략하게 소개하였으며, 추후 진행되는 밋업에서 좀 더 자세한 실제 활용 사례 등을 소개드릴 예정입니다.
밋업 관련 정보는, https://www.meetup.com/ko-KR/graphdatabase/
관련 문의는 hnkim@bitnine.net으로 부탁드립니다.
https://bitnine.net/ 에서 그래프 데이터베이스 솔루션 AgensGraph를 직접 다운로드 하시어 사용해 보실 수 있습니다. :)
Graph Database Meetup in Korea #6. Graph Database 5 Offerings_ AssetManager (...bitnineglobal
Graph Database Meetup in Korea #6. Graph Database 5 Offerings_ AssetManager (그래프 데이터베이스 활용사례_ 기업 자산 관리)
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) 6번째! Graph Database 5 Offerings_ AssetManager (기업 자산 관리)" 입니다.
그래프 데이터베이스가 제공하는 5가지 핵심 오퍼링(5 Offerings) 중 “Asset Manager(Asset Management)”의 이론 소개 및 적용 분야 등에 대하여 소개 드렸습니다.
☞ 발표 영상 보러가기: https://www.youtube.com/playlist?list=PLGp3huJbWNDhQT4aBCS13udGhYnIc1GnO
☞ 밋업 참가 신청 하러가기: https://www.meetup.com/ko-KR/graphdatabase/
☞ 이메일 문의: hnkim@bitnine.net
☞ 그래프 데이터베이스 솔루션 AgensGraph 직접 사용해 보기: https://bitnine.net/
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)bitnineglobal
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) 2번째! "그래프 데이터베이스 활용사례_ 블록체인(가상화폐) 데이터 적용 사례" 입니다.
그래프 데이터베이스 주요 제품 소개 및 비교, 비트코인 블록체인 모델링 적용 사례 등을 소개 드렸습니다.
☞ 발표 영상 보러가기: https://www.youtube.com/playlist?list=PLGp3huJbWNDhQT4aBCS13udGhYnIc1GnO
☞ 밋업 참가 신청 하러가기: https://www.meetup.com/ko-KR/graphdatabase/
☞ 이메일 문의: hnkim@bitnine.net
☞ 그래프 데이터베이스 솔루션 AgensGraph 직접 사용해 보기: https://bitnine.net/
Graph Database Meetup in Korea #8. Graph Database 5 Offerings_ DecisionTutor ...bitnineglobal
Graph Database Meetup in Korea #8. Graph Database 5 Offerings_ DecisionTutor (그래프 데이터베이스 활용 사례_ 디시젼 튜터)
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) 8번째! "그래프 데이터베이스 5 Offerings_ DecisionTutor (디시젼 튜터)" 입니다.
그래프 데이터베이스가 제공하는 5가지 핵심 오퍼링(5 Offerings) 중 “DecisionTutor”의 이론 소개 및 적용 분야 등에 대하여 소개 드렸습니다.
DecisionTutor는 과거의 데이터 학습을 통한 #예측분석 으로 사용자 의사 결정을 지원하는 그래프 기반 AI 기술입니다. 직관이 아닌 데이터 기반 확률에 근거하여 보다 합리적이고 신속한 의사결정을 지원하기 위한 기술로, 주로 #추천시스템 / #인공지능 기반 모니터링 시스템 등에 활용되고 있습니다.
☞ 유튜브 발표영상 보기: https://www.youtube.com/watch?v=RRXJ_gTs0BU&t=1172s
☞ 밋업 참가 신청 하러가기: https://www.meetup.com/ko-KR/graphdatabase/
☞ 이메일 문의: hnkim@bitnine.net
☞ 그래프 데이터베이스 솔루션 AgensGraph 다운로드: https://bitnine.net/
Graph Database Meetup in Korea #4. 그래프 이론을 적용한 그래프 데이터베이스 활용 사례 bitnineglobal
Graph Database Meetup in Korea #4. Graph Database Usecases based on Graph Theory (그래프 이론을 적용한 그래프 데이터베이스 활용 사례)
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) 4번째! "그래프 이론을 적용한 그래프 데이터데이터베이스 활용 사례_ 그래프 이론 및 그래프 알고리즘 소개" 입니다.
10가지 그래프 이론 소개 및 활용 사례를 소개 드렸습니다. 발표자료를 통해 그래프 데이터베이스의 다양한 활용 사례를 확인해 보시기 바랍니다. :)
AgensGraph는 고객의 DB 수집 및 가공을 통한 저장/관리부터, 분석하여 시각화를 통한 구현 목표 기능과의 연동까지! "데이터 흐름의 모든 영역"에서 서비스를 제공하고 있습니다.
☞ 발표 영상 보러가기: https://www.youtube.com/playlist?list=PLGp3huJbWNDhQT4aBCS13udGhYnIc1GnO
☞ 밋업 참가 신청 하러가기: https://www.meetup.com/ko-KR/graphdatabase/
☞ 이메일 문의: hnkim@bitnine.net
☞ 그래프 데이터베이스 솔루션 AgensGraph 직접 사용해 보기: https://bitnine.net/
Graph Database Meetup in Seoul #1. What is Graph Database? (그래프 데이터베이스 소개)bitnineglobal
Graph Database Meetup in Seoul #1. What is Graph Database?
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) "그래프 데이터베이스 기본 개념 소개" 입니다.
그래프 데이터베이스의 기본 개념 및 특징, 활용 분야 등에 대해 간략하게 소개하였으며, 추후 진행되는 밋업에서 좀 더 자세한 실제 활용 사례 등을 소개드릴 예정입니다.
밋업 관련 정보는, https://www.meetup.com/ko-KR/graphdatabase/
관련 문의는 hnkim@bitnine.net으로 부탁드립니다.
https://bitnine.net/ 에서 그래프 데이터베이스 솔루션 AgensGraph를 직접 다운로드 하시어 사용해 보실 수 있습니다. :)
Graph Database Meetup in Korea #6. Graph Database 5 Offerings_ AssetManager (...bitnineglobal
Graph Database Meetup in Korea #6. Graph Database 5 Offerings_ AssetManager (그래프 데이터베이스 활용사례_ 기업 자산 관리)
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) 6번째! Graph Database 5 Offerings_ AssetManager (기업 자산 관리)" 입니다.
그래프 데이터베이스가 제공하는 5가지 핵심 오퍼링(5 Offerings) 중 “Asset Manager(Asset Management)”의 이론 소개 및 적용 분야 등에 대하여 소개 드렸습니다.
☞ 발표 영상 보러가기: https://www.youtube.com/playlist?list=PLGp3huJbWNDhQT4aBCS13udGhYnIc1GnO
☞ 밋업 참가 신청 하러가기: https://www.meetup.com/ko-KR/graphdatabase/
☞ 이메일 문의: hnkim@bitnine.net
☞ 그래프 데이터베이스 솔루션 AgensGraph 직접 사용해 보기: https://bitnine.net/
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)bitnineglobal
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된
그래프 데이터베이스 밋업(Meetup) 2번째! "그래프 데이터베이스 활용사례_ 블록체인(가상화폐) 데이터 적용 사례" 입니다.
그래프 데이터베이스 주요 제품 소개 및 비교, 비트코인 블록체인 모델링 적용 사례 등을 소개 드렸습니다.
☞ 발표 영상 보러가기: https://www.youtube.com/playlist?list=PLGp3huJbWNDhQT4aBCS13udGhYnIc1GnO
☞ 밋업 참가 신청 하러가기: https://www.meetup.com/ko-KR/graphdatabase/
☞ 이메일 문의: hnkim@bitnine.net
☞ 그래프 데이터베이스 솔루션 AgensGraph 직접 사용해 보기: https://bitnine.net/
최근 글로벌 혁신의 트렌드인 AI의 다양한 사례를 살펴보고 단계적으로 어떻게 접근하고 준비해야 할지를 알려드립니다. 이미지/비디오 인식 등 AI 어플리케이션의 유형과 트렌드를 전달드립니다. 특히 AWS AI 서비스를 성공적으로 도입하고 활용하기 위한 전략을 살펴보고 사례를 통한 Use Case를 통해 단계별 접근 전략을 소개드립니다. 이번 세미나를 통해 최신 AI트렌드와 정의, 그리고 사례 기반의 도입 유형, 접근 전략과 방법론 등을 알 수 있습니다.
더 많은 AWS 온라인 세미나 알아보기: https://aws.amazon.com/ko/events/webinars/series
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...Amazon Web Services Korea
기업 환경에 따라 차이는 있겠지만, 최근 대부분의 기업은 데이터 분석 환경이 구축되어 있고, 이를 기반으로 데이터를 분석하고 있습니다. 그럼에도 불구하고 현업에서는 분석하고자 하는 데이터가 없거나 변화하는 비즈니스 요건을 반영하지 못한다는 불만을 제기하고, 분석 환경을 제공하는 IT운영팀은 변화하는 비즈니스 요건에 따라 분석 환경을 적시에 제공하기 쉽지 않다는 어려움을 토로하고 있습니다. 이 해결책으로 운영시스템에 데이터베이스 형태로 존재하고 있거나, 현업의 PC에서 수작업으로 작성한 정형, 비정형 파일을 통합 관리할 수 있고, 또한 인프라 환경의 확장 및 변경을 보다 유연하게 할 수 있는 AWS Cloud 기반의 분석 환경 구축 사례를 소개하고자 합니다.
다시보기 링크: https://youtu.be/YvYfNZHMJkI
엔터프라이즈의 인공지능(AI)과 머신러닝(ML) 적용은 왜 어려울까요?
베스핀글로벌의 웨비나 자료를 통해서 성공적인 AI와 ML 적용 방법을 확인하세요.
[목차]
1. 디지털 트랜스포메이션의 큰 흐름
- Gartner 선정 미래를 이끌어 갈 기업
- 글로벌 금융 기업의 디지털 트랜스포메이션, 데이터를 바라보는 시각
- 빅데이터 & AI 활용 사례
2. 빅데이터 분석 시스템 도입하기
- 빅데이터 분석 시스템 미도입 이유
- 빅데이터 분석 시스템 도입 사례
3. 데이터 분석을 위한 Data Lake & Data Governance
- 데이터 분석의 한계와 Data Lake
- 클라우드 Migration
- Data Governance의 중요성
4. AI 적용하기
- Amazon AI 서비스
- 적용 사례
최근 글로벌 혁신의 트렌드인 AI의 다양한 사례를 살펴보고 단계적으로 어떻게 접근하고 준비해야 할지를 알려드립니다. 이미지/비디오 인식 등 AI 어플리케이션의 유형과 트렌드를 전달드립니다. 특히 AWS AI 서비스를 성공적으로 도입하고 활용하기 위한 전략을 살펴보고 사례를 통한 Use Case를 통해 단계별 접근 전략을 소개드립니다. 이번 세미나를 통해 최신 AI트렌드와 정의, 그리고 사례 기반의 도입 유형, 접근 전략과 방법론 등을 알 수 있습니다.
더 많은 AWS 온라인 세미나 알아보기: https://aws.amazon.com/ko/events/webinars/series
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...Amazon Web Services Korea
기업 환경에 따라 차이는 있겠지만, 최근 대부분의 기업은 데이터 분석 환경이 구축되어 있고, 이를 기반으로 데이터를 분석하고 있습니다. 그럼에도 불구하고 현업에서는 분석하고자 하는 데이터가 없거나 변화하는 비즈니스 요건을 반영하지 못한다는 불만을 제기하고, 분석 환경을 제공하는 IT운영팀은 변화하는 비즈니스 요건에 따라 분석 환경을 적시에 제공하기 쉽지 않다는 어려움을 토로하고 있습니다. 이 해결책으로 운영시스템에 데이터베이스 형태로 존재하고 있거나, 현업의 PC에서 수작업으로 작성한 정형, 비정형 파일을 통합 관리할 수 있고, 또한 인프라 환경의 확장 및 변경을 보다 유연하게 할 수 있는 AWS Cloud 기반의 분석 환경 구축 사례를 소개하고자 합니다.
다시보기 링크: https://youtu.be/YvYfNZHMJkI
엔터프라이즈의 인공지능(AI)과 머신러닝(ML) 적용은 왜 어려울까요?
베스핀글로벌의 웨비나 자료를 통해서 성공적인 AI와 ML 적용 방법을 확인하세요.
[목차]
1. 디지털 트랜스포메이션의 큰 흐름
- Gartner 선정 미래를 이끌어 갈 기업
- 글로벌 금융 기업의 디지털 트랜스포메이션, 데이터를 바라보는 시각
- 빅데이터 & AI 활용 사례
2. 빅데이터 분석 시스템 도입하기
- 빅데이터 분석 시스템 미도입 이유
- 빅데이터 분석 시스템 도입 사례
3. 데이터 분석을 위한 Data Lake & Data Governance
- 데이터 분석의 한계와 Data Lake
- 클라우드 Migration
- Data Governance의 중요성
4. AI 적용하기
- Amazon AI 서비스
- 적용 사례
The document provides an overview of the B2B cloud market in Japan from 2012. It discusses the history of cloud computing in Japan and how ownership has shifted to utilization. It also forecasts strong growth in the cloud computing market from 2009 to 2015, especially in SaaS. Several case studies of major Japanese cloud providers like NTT Communications, KDDI, and Softbank are presented to illustrate different cloud service models. Emerging drivers for future cloud growth are identified, including the expansion of mobile cloud services to consumers and the use of cloud platforms to enable new machine-to-machine and "big data" services.
사례를 통해 살펴보는 퍼블릭 클라우드 서비스 프로바이더 동향_VMware Sr.Director,Tash StamatelosJayoung Lim
The document discusses market trends related to cloud computing adoption in the Asia-Pacific region. It provides data from a survey of over 6,000 organizations on their understanding of cloud concepts, perceived value of cloud computing, and current adoption rates. The primary findings include: 1) Over 60% of APJ organizations are currently using or planning cloud initiatives; 2) Reduced hardware costs is the top driver for cloud adoption; and 3) Larger multi-national companies have higher current cloud adoption rates than public sector organizations.
3. 빅데이터를 하기 전에 고려해야 할 사항
첫째, 레거시 시스템이 있다면 그냥 그걸 쓰는게 제일 좋다
ROI 을 고려해야 한다
투자도 중요하지만 운영에 들어가는 비용이 적지 않다
둘째, 솔루션만으로는 절대로 해결할 수 없다.
아웃소싱만으론 가질 수 없다.
내재화를 처음부터 고려해야 한다.
인력을 아웃소싱하는 것이 아니라 인력을 키워야 한다.
자기 데이터를 남에게 줄 수는 없다.
셋째, 데이터가 없으면 하지 말아야 한다
없으면 먼저 데이터를 모으는 일부터 해야 한다.
넷째, 데이터가 적다고, 회사가 작다고 빅데이터 기술을 못쓰는 것은 아니다
ROI에 따라 스타트업, 작은 중소기업에서도 필요하다
클라우드 컴퓨팅 환경이 있다.
국내에서는 대부분 빅데이터 기술을 가지고 스몰데이터를 다루고 있다
하지만 미래를 위해서 이러한 투자는 반드시 필요하다
5. 서비스 회사는 데이터 기반의 회사
Service User
New
Data Model
Metadata
Usage
Log
Improve
Service/Decision
Monetize
New Service
Value
Creation
Discovery
Data
Analyzing
2 Phases of Data Driven Business
끓임없는 고객 분석 및 서비스 개선 새로운 가치 창출, 신규 서비스
6. 특히, 검색회사에서 하는 일들…
출처: http://www.ibm.com/developerworks/web/library/wa-lucene2/
storage
Crawling
Analyzing
Serving
Real-time
Batch
Crawler
Analyzing
Parsing
7. 웹크롤 시스템
문서를 크롤하면 (> 10억건)
메타데이터 저장
HTML 저장
제목, 본문 추출
이미지 추출
썸네일 생성
원본 이미지 저장
Structured Data
Unstructured Data
Multimedia Data
Semi-structured Data
대용량의 크롤데이터 저장 및 호스트, URL, 문서 분석을 위해서 하둡, HBase, MySQL 등을 모두 활용
8. 웹문서 분석 시스템
중복 문서 제거
스팸 문서
성인 필터링
검색 랭킹 계산
문서 클러스터링
기타 문서 데이터 분석
(Pig + UDF ) + Python + Shell
Java Map-Reduce program
- 분석 데이터의 종류와 범위에 따라서 다양한 주기로 설정된 스케줄로 프로세스들이 실행
- 프로세스의 우선 순위에 따라 Pig & MR Job에 우선순위와 리소스를 상이하게 할당
Hadoop & HBase 는 이미 몇 년된 레거시 시스템
그러나, 꾸준히 튜닝하고 테스트하고 …
10. 줌데이터 플랫폼 (시스템 측면)
로그 수집 체계
로그 포맷 표준화 (JSON, Apache Log Format)
중앙 데이터 저장소 구축 (HDFS)
로그 데이터 수집 프레임워크 개발 (Flume-ng, Fluentd)
Access log
ZUM service log
Application log
로그 데이터 분석시스템
Hive 가 메인 도구
Job Scheduler
Pig 는 Hive Table 을 생성하는 전처리(ETL) 용 스크립트
11. 줌데이터 플랫폼 (프로세스 측면)
고정 지표
상시 분석해서 결과를 파악해야 하는 지표
공통 지표 정의
서비스별 지표 정의
배치성 지표
실시간성 지표
유동 지표
서비스별로 필요한 경우에 따라서 파악할 지표
중요도에 따라 고정지표로 전환
자동화의 대상
Ad-hoc 업무
데이터 분석 업무가 기존 개발자에서
기획자, 데이터 분석가의 손에서 다루어질 수 있도록
12. Service 1
… …
Service N
Service N+1
…
줌데이터 플랫폼
Log
Agen
t
Flume-NG
Data Repository (HDFS)
Log
Agen
t
Log
Agen
t
Log
Agen
t
Log
Agen
t
WebHDFS
Raw data
Hive
Table
목적
DB
(File)
변환 분석
Web Browser
Job
Scheduler
Data
Viewer
Hive
Console
Reporting
Server
R
Excel
Text File
DBMS
(MySQL)
Service 1
Service 2
… …
Service
Server
Service
Server…
fusefuse
Hive 는 Metadata 을 담고 있음
SQL 은 개발자가 아닌 기획자들도 간편히 로직 구현 가능
Real-time Analyzer
(ESPER)
TCP/IP
adapter
시스템엔지니어는 로그용량을 고려하여 설정이 된 에이전트 설치
개발자는 Pig등을 이용해서
Raw Data를 Hive Data 등으로 변환
실시간결과
pig
13. 로그데이터 분석 업무 프로세스 개선
데이터분석담당 개발자
데이터 추출 결과 확인
URL 추출 조건 확인 후 추출 요청
1) 추출된 데이터 확인
2) 추출 조건 수정하여 재 추출
기획자
데이터 추출 요청
데이터 전달
데이터분석담당
기획자
데이터 추출 요청
데이터 전달
소프트웨어 개발자
데이터 처리
플랫폼 구현
데이터 분석가
분석로직
데이터 검증
협업은 기본
14. 마무리
작은 규모라도 시작하는 것이 중요
하둡, 맵리듀스 … 특히 pig, hive 별로 생각보다 어렵지 않다
PILOT 과 실제 시스템은 다르게 동작할 수 있다
데이터가 늘어감에 따라
클러스터 규모가 커짐에 따라
네트워크에 따라
서버 스펙 마다
SQL 은 영원하다
많은 상용솔루션들이 SQL 을 이용해서 빅데이터를 처리할 수
있도록 도와준다
Hive , Impala 등등
단, 기반 프레임워크나 시스템에 대한 엔지니어는 여전히 부족
DevOps 의 양성과 확보가 중요