Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

마인즈랩 회사소개서 V1.5

10,464 views

Published on

마인즈랩 회사소개서 V1.5

Published in: Technology

마인즈랩 회사소개서 V1.5

  1. 1. Analyze Real Voice of Customers July, 2016 마인즈랩 회사/제품 소개서
  2. 2. CONTENT 1. 회사 소개 2. 제품 소개
  3. 3. - 3 - 1. MindsLab _ Who we are 마인즈랩은 PwC컨설팅과 한국전자통신연구원(ETRI) 그리고 네이버가 투자한 조인트벤쳐입니다. The world’s largest professional services network More than 195,400 people in 157 countries PwC Consulting ETRI Korean government-funded largest research institution More than 2,000 people Korean Google
  4. 4. - 4 - • 학력/경력 - 서울대학교 졸업 (1990) - 공인회계사(1993) - 삼일 PwC컨설팅 파트너 (2013) - ㈜마인즈랩 대표이사 (2014~) - 강원창조경제혁신센터 빅데이터 멘토 • 주요 경험 - 딥러닝 기반 VoC 정형/비정형 데이터분석 - 소셜미디어 빅데이터 시스템 설계 및 구축 - 기계학습, NLP(Natural Language Processing), 음성인식, 텍스트 마이닝에 기 반한 빅데이터 분석 및 마켓 인텔리전스 시 스템 설계 및 구축 대표자 소개 유태준 1. MindsLab _ Who we are
  5. 5. - 5 - 1. 마인즈랩 소개 _ 개요 2014. 12. 한화생명 빅데이터 Assessment 수행 POC수주 2014. 12. MINDs Seminar II 성과창출의 New Agenda 빅데 이터로 찾아내는 고객의 소리 2014. 9. 한국환경정책평가연구원 보도자료를 활용한 우리 나라 과거 기후변화 관측영향 자료구 축 및 분석 2014. 7. 미래창조과학부 국가연구개발 우수성과 100선 선 정 2014. 7. 덴츠코리아 소셜 빅데이터를 통한 토요타 캠리 KBF 분석 수주 2014. 7. HS애드 LG전자 페이스북 분석리포트 용역 수주 2014. 7. 통합 VOC 분석 솔루션(i-VOC) 출시 2014. 6. 식품의약품안전처(한국환경건강연구소) 소셜 빅데 이터를 통한 유해물질 분석 수주 2014. 6. 신한카드 VOC 분석 POC 프로젝트 참여 2014. 6. 문화방송 소셜 빅데이터를 통한 트렌드 분석 수주 2014. 5. MINDs Seminar I 빅데이터로 풀어내는 리얼타임 마켓센싱 2014. 5. 엑소브레인 2차 년도 과제 착수 2014. 4. 한국환경정책평가연구원 빅데이터를 활용한 환경 분야 정책수요 분석 용역 수주 2014. 4. 산업별 마켓 인텔리전스 서비스(MINDS MI) 출시 2014. 2. 한국전자통신연구원 1실 1기업 기술지원 기업 인 정 2014. 2. 미래창조과학부 지정 연구소기업 등록 2014. 1. 소셜 빅데이터 분석 플랫폼 서비스(MINDs Insight) 2014. 1. ㈜마인즈랩 설립 2012. 7. ~ 2013.12. ㈜마인즈랩 설립 준비 일반현황 연혁 및 주요실적 회 사 명 ㈜마인즈랩 대 표 자 유 태 준 사 업 분 야 음성인식, 텍스트분석 소프트웨어 및 빅데이터 분석을 기반 으로 한 인공지능 제품 및 서비스 제공 주 소 [본사] 대전광역시 유성구 가정북로 96, 307호 (장동,대전경제통상진흥원) [기술센터] 경기도 성남시 분당구 대왕판교로 660 유스페이스 1-B동 12층 전 화 번 호 031-625-4340 회사 설립년도 2014 년 1 월 해당부문 종사기간 2014 년 1 월 ~ 2015 년 7 월 (1년 7개월) 미래부 연구소기업 ETRI 맞춤형 기술지원지정기업 국가연구개발 우수성과 선정 2016. 01 삼성화재 Data 분석 기반 혁신 과제 추진 프로젝트 솔루션 공급 수주 2016. 01 삼성증권 Big Data 기반 분석모델 수립 및 시스템 구축 프로젝트 수주 2015. 12 삼성화재 Data 분석 기반 혁신 과제 추진 프로젝트 수주 2015. 12 현대카드 '콜센터 음성인식율 검증 POC 프로젝트 수행 2015. 11 건강보험심사평가원 '지식기반 심사시스템 고도화 사업' 텍스트분석 부문 수주 2015. 11 '딥러닝 기반의 스마트홈 음성인식 장치 기술 개발' 연구소기업 R&BD 프로젝트 2015. 10 LG전자 콜센터 효율화 프로젝트(실시간 STT) 수행 2015. 10 CJ쇼핑 음성분석시스템 구축 프로젝트 수행 2015. 9 GS쇼핑 콜센터 STT PoC 프로젝트 수행 2015. 9 인사이트코리아 소셜빅데이터 분석플랫폼 구축 프 로젝트 2015. 8 VC로부터 투자유치 성공 2015. 8 ING생명 Big Data PoC 프로젝트 2015. 8 삼성화재 STT 솔루션 PoC 프로젝트 2015. 6 국민권익위원회 행정심판 내용분석 프로젝트 2015. 4 스타벅스코리아 트렌드센싱 프로젝트 머신러닝과 빅데이터 기술 기반의 인공지능 솔루션과 서비스를 제공하는 ETRI 연구소기업 5
  6. 6. - 6 - 1. 마인즈랩 소개 _ 사업영역
  7. 7. - 7 - 1. 마인즈랩 소개 _ 주요 Reference S전자 VOC 수집, 분석 및 대응 2015201420132012 ~ 2013 2014 2015 ~ VOC 분석 태동 VOC 분석 관심 증대 VOC 분석 본격 시작 마인즈랩 설립 준비/기술 개발 마인즈랩 설립 S카드 음성인식 및 텍스트분석 POC 건강보험심사평가원 비정형텍스트분석 S생명 VOC 분석 POC 스마트홈 음성인식 R&BD 프로젝트 S화재 VOC 분석 및 활용 S증권 VOC 분석 및 활용 H생명 음성인식 및 텍스트 분석 POC SASNuance SASVerint 마인즈랩 마인즈랩마인즈랩 K금융 인공지능 상담원 (진행중) 2016 2016 ~ VA시장 태동 L통신사 콜센터 STT / TA L전자 가상상담원 (파일롯 테스트) 마인즈랩 마인즈랩 북미 VOC 분석 프로젝트 (영어) 마인즈랩 마인즈랩 마인즈랩
  8. 8. - 8 - 1. 마인즈랩 소개 _ Reference 고객사 프로젝트명 기간 내용 LGU+ 콜센터 고객의소리 분석 2016.06 ~ 콜센터 음성인식 및 콜 자동분류 북미 글로벌회사 VOC 2.0 2016.04 ~ 09 콜센터 콜 및 웹 크롤링을 통한 VoC 분석 삼성증권 VOC 빅데이터 분석 2016.02 ~ 05 VoC 및 로그 분석을 통한 고객 이탈 방지 등 삼성화재 STT-TA 기반 빅데이터 분석 2016.01 ~ 09 콜센터 음성을 기반으로 한 텍스트/빅데이터 분석 GS쇼핑 콜센터 STT PoC 2015.09 ~10 콜센터 음성인식 및 텍스트 분석 인사이트코리아 빅데이터 분석플랫폼 구축 2015.09 ~12 소셜빅데이터 분석플랫폼 구축 ING생명 Big Data PoC 2015.08 ~10 콜센터 음성인식 및 텍스트 분석 LG전자 콜센터 효율화 Pilot 2015.07 ~12 콜센터 실시간 음성인식 및 업무효율화 국민권익위원회 행정심판 내용분석 2015.06 ~12 행정심판 청구, 재결 내용 분석 스타벅스코리아 트렌드센싱 2015.04 ~ 2015.09 인터넷정보 수집 및 분석을 통한 뉴 트렌드 센싱 한화생명 빅데이터 Assessment 2014.12 ~ 2015.02 콜센터 음성인식 및 텍스트분석 환경정책평가연구원 보도자료를 활용한 기후변화 분석 2014.09 ~ 2014.12 24년간 언론기사를 통한 기후변화 요인 및 피해 분석 덴츠코리아 토요타 캠리 KBF 분석 2014.07 ~ 2014.08 소셜빅데이터를 통한 캠리 핵심구매요인 분석 HS애드 페이스북 분석리포트 2014.07 ~ 2015.02 16개국 51개 페이스북 페이지 활동 분석 식품의약품안전처 커뮤니케이션 및 유해물질 분석 2014.06 ~ 2014. 08 소셜빅데이터를 통한 유해물질 국민인식 분석 신한카드 VOC 분석 PoC 2014.06 ~ 2014.08 콜센터 음성인식 및 텍스트분석 MBC 트렌드 분석 2014.06 ~ 2014.08 소셜빅데이터를 통한 축제/페스티벌 트렌드 분석
  9. 9. - 9 - 1. 마인즈랩 소개 _ 재무구조 및 기업 신용평가 등급 구 분 2014년 2015년 2016上 합계 평균 총자산 1,010 2,010 2,270 5,290 1,763 자기자본 684 1,784 2,044 4,512 1,504 유동부채 326 226 250 802 267 고정부채 - - - - - 유동자산 259 1,447 1,500 3,206 1,069 당기순이익 -916 30 260 -626 -209 매 출 액 컨설팅/분 석 105 195 300 600 200 구축(개발) - 70 100 170 57 솔루션 - 247 900 1,147 382 합계 105 612 1,300 2,017 672 (단위 : 백만원) 마인즈랩은2014년1월에설립된빅데이터스타트업으로서2015년8월에네이버등으로부터투자유치에성공하여 탄탄한재무구조를가지고있습니다.
  10. 10. - 10 - 엑소브레인 연구 엑소브레인 과제는 ‘세계 최고인공지능 기술 선도’라는 비전을 달성하기 위하여 미래창조과학부 소프트웨어 분야의 국가 혁신기술 개발형 R&D 과제임. 과제의 목표는 ‘자연어를 이해하여 지식을 자가학습하며, 전문직종에 취업 가능 수 준의 인간과 기계의 지식소통이 가능한 지식과 지능이 진화하는 SW’인 엑소브레 인 SW를 개발하는 것으로 현재 엑소브레인 연구 과제 참여기업으로 연구중임. 엑소브레인 SW개발 프로젝트 마인즈랩 공동 참여 < 관련기사> 단계별 연구목표와 연구결과 지능 진화형 WiseQA 개념도 세부과제별 역할 한국전자통신연구원과기술협력파트너십을통해엑소브레인SW개발프로젝트에공동참여하여상시적인 핵심연구의공동협력체계를구축하고있습니다. 1. 마인즈랩 소개 _ 엑소브레인과제 참여
  11. 11. CONTENT 1. 회사 소개 2. 제품 소개
  12. 12. Analyze Real Voice of Customers MEARI STT NLP DNN Big Data Sentiment Image Dialog Data Mining AITravel Agent AI Marketer AITutor AI Agent AI Secretary AI Accountant AI Interpreter Robot AI Lawyer VOC 마인즈랩 AI Cloud 제품군
  13. 13. - 13 - 마인즈랩 AI Cloud의 특징 Ecosystem 한국어 강점 외국어 확장 AI 사업자, AI Tutor, 로봇업체, 개발자 등 다양한 파트너들과 AI 생태계 조성 한국어 언어처리에 강점을 기반으로 영어 등 외국어 확장 Business Adaptability 비즈니스에 즉각적인 적용 개발자 뿐만 아니라 사업자/현업을 위한 플랫폼 Cloud Service Amazon Web Service 등 클라우드 기반 AI Service 제공
  14. 14. - 14 - Minds Assistant (AI Agent)
  15. 15. - 15 - 가상상담원(VA) 또는 AI 상담원 시장은 5년 내에 3조원 규모 WHY?
  16. 16. - 16 - 시장 규모 『BCC Research, Global Markets and Technologies for Voice Recognition, January 2013』 中 Enterprise 항목 - 환율 달러당 1,100원 - 전체 중 5%를 관련시장으로 가정 - 국내시장은 해외시장의 2%로 가정 근거 가정 [단위 : 억원] 2015년 기준 음성인식 규모  세계시장 3조원, 국내시장 : 522억원  연평균성장율(CAGR) 15% 이상의 성장 산업 시장성장 원동력 VOC분석을 통한 성과향상 요구 증대  단순 처리 및 정량 데이터 분석에 머물렀던 VOC 분석으로는 성과향상에 한계  기업 내부에 음성 및 텍스트 형태의 분석되지 않은 방대한 데이터 보유  음성 및 텍스트 형태의 고객의 소리를 분석해 고객 니즈의 정확히 파악 및 대응으로 성과향상 니즈 증대  음성인식과 텍스트분석이 개별 시장 및 플레이어로 구성되어 통합서비스 경쟁자 없음 VOC 분석을 넘어서 인공지능 상담 니즈 증대  음성인식과 같은 새로운 사용자 경험에 대한 호기심 및 선호도 존재  자발적 참여를 통해 문제를 해결하려는 사용자 호기심 존재 (사용자 참여를 통해 음성인식 성능이 향상되는 차별화된 사용자 경험)  알파고의 등장으로 인공지능 상담에 대한 거부감 제거 및 성능에 대한 기대감 증가  로보어드바이져 등 인공지능 서비스와의 결합 필요 구 분 세계시장 국내시장 2013년 19,015 380 2014년 22,286 445 2015년 26,119 522 2016년 30,612 612 2017년 35,877 717 2018년 42,048 840 2019년 49,280 985   국내도 인공지능 상담 니즈 증대
  17. 17. - 17 - 만만치 않은 AI Assistant – Level 1 FAQ형 가장 간단한 대화유형인 단문 FAQ 형식 고객은 “같은 의도라도 다양하게 매우 다양하게 질문을 한다!”
  18. 18. - 18 - 그러나 만만치 않은 AI Assistant – Level 2 슬롯채우기형 다음으로 만나는 관문은 호텔예약이나 수리기사 접수와 같은 슬롯채우기 “원하는 정보를 충족할 때까지 계속 대화를 이어가야 한다”
  19. 19. - 19 - 그러나 만만치 않은 AI Assistant – Level 3 무작위 대화형(챗봇) 마지막으로 정해진 시나리오를 벗어난 예상 외의 질문에 응대해야 한다. Rule Based로 해결 불가능하며, 과거 데이터로 방대한 학습을 통해 해결한다. 마치 알파고처럼… 그리고 새로운 대화를 지속적으로 학습시킨다.
  20. 20. 1 반갑습니다. 마인즈랩 인공지능 상담사입니다. 무엇을 도와드릴까요? 2. 자가 조치 안내 3. 기사방문 접수 4. 상담사 연결 2 자가 조치 방법을 도와드리겠습니다. 우선 불편하신 증상을 말씀해주세요. 간단문제해결 전문가 스크립트 (p.2 참조) 4 전문상담사의 상담을 받아보시겠습니까? 상담사 연결 3 그러면 바로 기사방문 접수를 도와드리겠습니다. 먼저 AS 받으시는 고객님의 개인정보를 확인해도 괜찮겠습니까? 고객님 전화번호는 어떻게 되세요? 고객님 성함은 어떻게 되세요? 고객님 방문드릴 주소는 어떻게 되세요? 기사방문 접수를 도와드리겠습니다. 언제 방문드리면 될까요? 가장 빠른 시간은 ______인데, 괜찮으십니까? 아니면 원하시는 시간은 있으십니까? 기사방문 시간은 ___시 ___분입니다. 방문드릴 기사는 _________입니다. 출장점검료는 15000원이고, 정확한 부품수리비는 기사 방문해서 안내드리겠습니다. 점검 잘 받으시고 즐거운 하루 되세요. (p.3 참조) 인공지능상담사 시나리오 예시
  21. 21. - 21 - AI Assistant – Service Model 서비스 모델 채팅형 인공지능 상담 에이전트 금융 로보어드바이져 상담 에이전트 IoT 홈로봇 대화처리 강화 엔진 콜센터 인공지능 상담 에이전트 영어권 콜센터 인공지능 상담 에이전트 질의응답엔진과 연계한 교육용 인공지능 보조교사 헬스캐어용 인공지능 상담에이전트
  22. 22. - 22 - 3. AI Assistant _ Service Flow 대화 관리 지식음성 인식 / 텍스트 분석음성 데이터 질문 분류 정답 탐지정답 추출정답 선정문장생성
  23. 23. - 23 - AI Assistant의 필요 핵심기술 음성인식  개인 맞춤형 연속어 음성인식 기술  실시간 음성인식, 최고의 인식율 텍스트분석  고성능/고정밀/ 고품질 자연어처리 기술  딥러닝 기반 감성인식 및 자동분류 기술 Question & Answer  질문분석, 광범위한 지식베이스 구축  딥러닝 외 다양한 기계학습 음성 합성  파라메트리 음성 합성 (DNN TTS)  감성 합성 (Augmented Sentiment Talk) 대화처리  대화 모델링, 시나리오 구축  기존 대화의 챗봇 학습
  24. 24. - 24 - Minds Assistant (AI Agent) Key Features 강화학습 전문 상담사 I/F 음성 / 챗봇 UI 응답 정확도에 대한 사용자 Feed-Back을 지속적으로 반영해서 개선하는 강화학습체계 Customer2Bot2Agent 인터페이스 Confidence Level을 통해 전문 상담사 개입 챗봇 형식과 IIVR을 통한 음성 인터페이스 지원 통합 대화엔진 1. 단문 질의응답 의도파악 2. Rule Based Slot Filling 3. Machine Learning based Chatbot Key Features
  25. 25. - 25 - ETRI와 자율응대 인공지능 에이전트 및 플랫폼 공동개발 시작
  26. 26. - 26 - AI Assistant - 기대 효과 자율응대 인공지능 에이전트 글로벌 플랫폼으로 성장 수입대체효과  음성인식 오류에 강인한 언어이해 및 대화지식 학습 기반의 자유대화 처리 원천기술을 개발함으로써 해외 경쟁 기술 대비 우위 확보  글로벌 경쟁사인 Verint, Nuance 등의 기술에 대한 대체 효과가 있음 기술 파급효과  문자위주가 아닌 멀티미디어 기반의 빅데이터 분석서비스가 가능하여 관련 산업을 활성화 시킴.  콜센터 데이터처리 분야의 3대 주요 시장 중 하나로 자리 잡게 되어 유관 산업을 활성화 시킴. 기업 업무 생산성 향상  콜센터 상담원의 반복되고 기계적인 업무에 대한 자동화된 대처를 통해 필요한 업무에 집중하도록 하여 업무 생산성 향상에 기여  기업의 고객 서비스 효율성을 높일 수 있으며, 경비절감의 효과를 얻음 2020년 5천만 사용자 관련사업 활성화 상담원 업무 생산성 및 기업의 고객 서비스 업무 생산성
  27. 27. - 27 - Minds Bot(Chatting Robot)
  28. 28. - 28 - Chat Bot이란 무엇인가? “Through Artificial Intelligence”
  29. 29. - 29 - 차세대 챗봇은 지능적이어야 함
  30. 30. - 30 - 인공지능이 탑재가 되어야 함 – 그래야 챗봇이라 불릴 수 있음
  31. 31. - 31 - 웹에서 모바일앱으로 그리고 챗봇으로 강력한 패러다임 이동중
  32. 32. - 32 - 챗봇 빌더들이 속속 등장하고 있다! 이 중엔 마인즈랩도 있다~!
  33. 33. - 33 - 대화형 커머스 “Conversational Commerce”
  34. 34. - 34 - 마인즈봇 (MindsBot) Algorithm • Short-Text Conversation 가정 • GRU_encdec 모델 • Stacked_GRU_encdec 모델 • GRU_search 모델 • GRU_DO_search 모델 사용 알고리즘 • Encoder-Decoder 방식 • End-to-End 방식의 단일 신경망 구조 • Feature Engineering이 필요 없음 • 출력 언어 단어 사전의 크기가 제한 되어 미등록어 문제가 있음 – 음절기반 Encoding/Decoding을 이용하여 사전의 크기를 줄여서 미등록 어 문제 해결 Neural Machine Translation(N MT)과 유사한 기술을 사용 • 대화의 문맥 정보를 이용해야 자연스러운 대화가 됨 – 이전 대화 정보를 이용하는 모델들이 연구되고 있음 • 의도 정보나 인격 정보를 모델링 하는 연구들도 진행 중임 NMT와 다른 점
  35. 35. - 35 - MEARI (AI Speaker) MEARI
  36. 36. - 36 - 단지 스마트 스피커 정도로 알려진 아마존 Echo… 아마존 ECHO  정보, 음악, 뉴스, 날씨 등을 물어보면 곧바로 알려준다.  손을 대지 않고 음성으로 편하게 물어보고 제어한다.  방이나 거실 웬만큼 떨어진 곳에서도 말을 알아듣는다.  클라우드에 연결돼 있고, 기계학습을 통해 갈수록 똑똑해진다.
  37. 37. - 37 - Google Home으로 아마존 Echo에 도전 vs. 왜 황급히 뛰어 들었을까?
  38. 38. - 38 - 아마존 Echo 밑으로 서비스(ASK)가 붙기 시작 – 생태계로 진화
  39. 39. - 39 - 기계 학습을 통해 성능이 향상되는 음성 인식 스마트홈 장치 개발 클라우드딥러닝기계학습기술 음성,텍스트,영상등 다중미디어 인식기술 고사양의스마트미디어기기 음성,이미지,텍스트 인식  음성인식 솔루션을 시작으로 이미지, 텍스트 등 다양한 매체의 기계학습을 통한 인식율 제고와 솔루션 서비스 확대 클라우드, IoT, 빅데이터  기계학습 원천으로서의 빅데이터 폭발(IoT)  클라우드 AI 기술 및 서비스 확대 사용자 트렌드  디지털 미디어에 대한 새로운 사용자 경험 기대  대화형 미디어 및 기기 경험 기대 시장 환경 시장 기회 경쟁력 목표 스마트홈 H/W 단말 장치 (WIFI+BLUETOOTH+클라우드) 과제 차별화된 사용자 경험, 인공지능 서비스, 스마트 홈오토메이션 산업 사용자 참여형 음성인식 대화형 서비스 (음성인식+자가학습+QA) 마인즈랩은 작년 11월부터 AI Speaker(메아리) 개발 시작
  40. 40. - 40 - 일정 계획 TASK 1차년도 1 2 3 4 5 6 7 8 9 10 11 12 1 서비스 상세 기획 2 서비스 설계 3 음성인식/텍스트분석 설계 4 음성 데이터 학습 5 단말장치 H/W 설계 6 펌웨어 설계 7 무선 통신 기능 개발 8 외부 어플리케이션 연동 9 클라우드 플랫폼 연동 10 1차 시제품 제작 11 단위 모듈간 연동 테스트 12 테스트 결과 반영 현재 2016년말 개발목표였던 시제품 제작 및 연동을 6개월만에 완료
  41. 41. - 41 - 음성 인식 및 처리 엔진 WIFI 스피커 마이크 무선 통신 기능 음성 전송 BLUETOOTH WIFI 음악 재생 대화형 서비스 온라인 쇼핑 조명, 에너지 제어 날씨정보 알람정보 교육컨텐츠 위키피디아 이제 파트너들과 함께 전체 서비스체계 구축에 속도낼 때
  42. 42. - 42 - AI Speaker Data Flow 언어생성 요약 추출 정답 후보 소스 분석 정답별 스코어링 홈 가전 제어정답 탐지 음악 재생 생활정보 언어분석 문장분리 형태소분석 개체명인식 구문분석 정답후보추출 정답 추출정답 선정 문장 생성 문장생성 최종 정답 정답 스코어링 정답 후보 군집화 TTS 쇼핑몰 웹 검색 교통정보 교육 컨텐츠 최신 뉴스 … 언어분석 질문의도분석 문장분리 형태소분석 개체명인식 구문분석 질문 분류 토픽 인식 정답 유형 인식 음성인식 학습데이터 준비 음성/언어모델 학습 Full-text Dictation Keyword Spotting 음성인식 Real-time Recognition Batch Recognition 인간과 인공지능간 인터페이스 관리 대화 코퍼스 축적 딥러닝 및 강화학습에 의한 대화 학습 대화 관리 지식 2단계 추론형 음성 인식 / 텍스트 분석음성 데이터 대화 시나리오 및 슬롯 관리 질문 분류 1단계 단답형
  43. 43. - 43 - 고품질 음성 학습데이터 구축 진행중 음성 학습데이터 구축 및 고품질 데이터 구축 시스템 개발 현황  2010년 초반 이후 기계학습 (머신러닝)을 이용한 솔루션이 비즈니스 전 영역에서 빠르게 확산  기존의 수작업 기반의 해법을 대치  언어분석, 시각, 청각 등의 영역을 넘어 모션 제어, 음성합성, 문장 작성, 번역 등으로 확장 데이터의 중요성  머신러닝을 위한 원시 데이터의 정제와 가공이 필수적  인공지능 학습을 위한 3대 데이터 1) 음성지능 학습을 위한 음성(향) 2) 시각지능 학습을 위한 이미지/영상 3) 언어지능 학습을 위한 언어/텍스트  인공지능의 중심인 언어지능 학습 고도화를 위한 광범위한 지식 도메인과 지식 베이스 개발 목표  음성지능과 언어지능 학습을 위한 데이터구축  머신러닝을 통한 데이터 구축 시스템 1) 수집 및 전처리 2) 음성인식을 거친 텍스트 구축 3) 언어 분석을 통한 지식 구축  데이터의 품질을 높이는 데이터 구축시스템과 이를 이용하여 음성 응용분야에 사용될 음성DB 구축을 본과제의 최종 목표로 함 머신러닝 기반 솔루션 빠르게 확장 학습데이터 축적이 관건 고품질 음성 DB구축 시스템
  44. 44. - 44 - ETRI Exobrain 과제 “Wise QA”와 연동
  45. 45. - 45 - Minds VOC (i-VOC in the Cloud)
  46. 46. - 46 - 국내 음성인식과 텍스트 기반 고객의소리 분석 니즈 증대 증권, 생명보험, 손해보험, 카드, 은행 등 전체 금융시장에서 텍스트 및 음성 인식에 대한 활용에 주목하고 있음 빅데이터 TF 조직. 전사적 차원의 데 이터 활용 및 Hadoop, 비정형 데이 터 인프라 구축 추진 중 음성과 텍스트 기반 비정형 데이 터 수집 및 모델 적용 음성을 기반으로 POC 추진 완료. 고객 Needs 기반의 전사적 프로 세스 혁신 도모 H생명 S생명 S화재 상품 추천 알고리즘 적용시 기존 Association기반 모델 外 계좌 이체 및 적요 내용 활용 모델 적용도 중요하지만 고객의 소리를 직접 볼 수 있다는 것 자체 가 의미가 있다. I생명 영국 은행 빅데이터 활용 담당자 인터뷰 고객이탈, 설계사 이탈 등 비즈니 스 Case에 음성 및 텍스트 분석 결과 적용 빅데이터 활용한 ‘자산관리 예측 모형’개발하여 업무 적용 Contact 데이터를 처리해 고객의 현재 감성을 분석하여 고객 전략 과 방향을 결정한다. D 증권 · M 증권 H 증권 J 경영컨설팅 수석 컨설턴트 사기방지시스템에 빅데이터 기법 적용. 로그 데이터 분석하여 사기 패턴을 축적·분석 및 실시간 감시
  47. 47. - 47 - 불만조기제거  Loan Modification 시 고객이 가지고 있는 불만을 사전 에 파악하고 대응 항의소송적시대응 항의 소송 제기 고객 가능성 파악 후 적시 대응 신상품개발 고객이 원하는 트랜드 파악후 신 제품 개발 및 마 케팅 전략 반영 고객반응예측 신용 카드 수수 료 변경시 고객 이탈율 예측 Minimum Maximum 해외도 Voice of the Customer 분석을 다양하게 활용
  48. 48. - 48 - STT (음성인식) TA (텍스트분석) 빅데이터 분석 인프라 End User UI Dashboard Power User UI Machine Learning 이걸 언제 다 구축 하고 분석한 담? IVOC 클라우드가 편리하네 저렴하고 간단하게 iVOC 클라우드 서비스에 가입 그러나 그동안 시간과 돈이 너무 많이 들어서 고민 고객 비정형데이터(음성, 텍스트) 마인즈랩 i-VOC 클라우드
  49. 49. - 49 - 사용된 요소기술들
  50. 50. - 50 - On-premises Cloud 빠른 시작 적은 비용 빠른 대응 편리성 리소스 새로운 비즈니스 플랜을 계획하고 이를 시스 템으로 구축하고 서비스 하기 위한 시간이 오래 걸림 시스템 구축을 위한 H/W 및 S/W(STT, TA 엔진 및 UI 등) 등 초기 투자금액이 큼 변화하는 시장 상황에 맞는 새로운 비즈니스 서비스를 위한 대응이 늦음 솔루션 납품을 위한 인력 및 시간, 장애 발생 시 해결을 위한 작업 등 구축 및 유지보수를 위한 많은 노력 필요 서비스가 증가되어 시스템 자원이 늘어나는 경우 리소스를 늘리기 위해 H/W 증설이 필 요하고 줄어드는 경우 리소스 낭비 발생 적은 비용으로 콜 센터 비정형 데이터를 활 용한 매우 빠른 비즈니스 플랜을 계획하고 시도가 가능 함 모든 인프라가 구축된 상태에서 가장 낮은 볼륨부터 사용 가능하므로 적은 초기 투자 비용으로 아웃소싱 가능 고객의 Needs를 신속하고 정확하게 분석하 여 빠르고 유연한 대응이 가능 시스템구축이 마우스 몇 번 만으로 끝나므로 사용방법이 간단하고 유지보수 비용 저렴 시스템 자원을 몇 분 단위 까지도 유연하게 늘리거나 줄일 수 있어 리소스를 유연하게 사용 가능 Cloud 기반 VOC 분석 플랫폼 (For 기업 또는 아웃소싱업체)
  51. 51. - 51 - Minds VOC (i-VOC in the Cloud) 특장점  복잡한 분석업무 절차를 간단한 조작으로 사용  데이터 분석을 위한 다양한 유형의 검색조건  STT ~ TA 실시간 처리 및 분석, 텍스트와 음성파일 연계  인식율 85% 이상의 신뢰도 높은 데이터  HMD탐지, DNN분류를 통한 다양한 가치 창출 (ex, 고객감성, 불만, 상품 분석 등)  상담원 품질향상을 위한 통계정보 제공 (ex, 고성과자/저성과자 대화패턴 차이분석 등)  전문도구(BI, Excel 등)등과 연계된 다양한 분석 제공 사용자 중심의 편리한 화면(UI) Ready-made 분석 Data 제공 업무유형 불만유형 요청유형 Power user UI End user UI 언어분석 결과평가음성인식 Exel BI 판매 기본 제공서비스 제품 품질 서비스 ◎ 상담원 통화 속도◎ 상담원 TOP20 ◎ 상담원 통화 콜 수 모든상담원 평균 상담속도 선택 상담원 상담속도 통화속도 서비스 고장 배달 … … 수리 교환 환불 다양한 분석도구 연계활용 (예시)
  52. 52. - 52 - Power User를 위한 UI 제공 프로젝트 관리 텍소노미 관리 HMD 사전 구축 분석 데이터 수집 Power User UI
  53. 53. - 53 - End User를 위한 다양한 시각화 화면 제공 End User UI 기간별 Call 통계 분석 텍스트 원문 검색 상담원 발화패턴 추이분석 키워드 빈도 및 트렌드 분석
  54. 54. - 54 - 그 외에도 i-VOC의 주요 강점을 모두 Cloud에 반영 1 2 3 4 5 6 7 9 10 11 12 13 14 최고의 STT 인식률 음성 톤 분석 통합 강력한 탐지력을 가진 다중탐지 사전 딥러닝 감성분석 및 분류 엔진 자동 사전보강 프로세스 최고 성능 한국어 NLP 실시간 음성인식 및 텍스트 분석 Power User 용 Flexible UI 자연어 검색엔진 Solr 내장 최신 머신러닝 분석툴 H2O 내장 표준 End User UI 및 시각화 도구 I/F Social Big Data Platform ‘MINDs Insight’ 제공 Configurable Market Intelligence 8 빅데이터 분석 인프라
  55. 55. - 55 - Minds RYL (Record Your Life)
  56. 56. - 56 - Global Trend – 음성인식 플랫폼 활약 음성인식으로 회의록, 강연, 인터뷰 등을 녹취해서 키워드 검색 등 제공
  57. 57. - 57 - Minds RYL (Record Your Life) 일기/메모/수업/강의 맞춤 검색/뉴스/쇼핑 음성인식 학습 ②학습된 결과 확인 ③음성인식 실행 ④음성인식 결과 저장 및 조회 ①사용자 음성 학습 딥러닝 기반 음성인식 학습기와 실행 기능을 따로 떼어서 다양한 목적에 활용하도록 한 것 본인 목소리에 특화된 음성인식기, 한국어 영어 등 다국어 지원.
  58. 58. - 58 - Minds Insight (Big Data Analytics Platform)
  59. 59. - 59 - 대부분의 소셜빅데이터분석 플랫폼이 단순한 분석만 허용 “ 키워드 빈도, 연관어 만으로는 한계가 있는데 방법이 없을까요? ”
  60. 60. - 60 - 시장과 소비자를 보다 구체적으로 이해할 수 있는 툴이 필요 Competitor Intelligence Product Intelligence Market Understanding Customer Insight Competitive Insight Market Insight Market Intelligence
  61. 61. - 61 - 분석 목적은 산업과 주제영역에 따라 매우 다양하다 P01 판매 부진원인 P02 고객구매 근본원인 P03 업 내외의 경쟁자 분석 P04 업의 본질 재정의 P05 비어있는 시장 파악 P06 신시장 진입여부 결정 P07 브랜드 포지셔닝 P08 캠페인 효과성 측정 P09 광고 이미지와 타이밍 P10 최적 상품 특성 P11 상품 출시 시기 P12 상품 최적 포트폴리오 P13 최적 채널 분석 P14 기업 이미지 관리 P15 신제품 Concept P16 마케팅전략 P17 가격 타당성 확인 P18 판매 활성화 방안 주요 Market Intelligence 영역 [관광] 여행 [외식] 커피전문점 [자동차] 국산자동차 [교육] 학습지 [외식] 패밀리 레스토랑 [자동차] 수입자동차 [보험] 생명보험 [전자] 스마트폰 [섬유] 남성복 정장 [섬유] 남성복 캐주얼 [화장품] 브랜드샵 화장품 [섬유] 여성복 [섬유] 아웃도어 [화장품] 프리미엄 화장품 [섬유] 스포츠잡화 [식품] 라면 [섬유] 골프웨어 주요 Market Intelligence 대상 산업 [섬유] 유아동복 [섬유] 내의류 [외식] 패스트푸드 [식품] 차음료 [식품] 유제품 [금융] 신용카드 [보험] 손해보험 [교육] 입시학원 [엔터테인먼트] 연예인이미지맵
  62. 62. - 62 - 분석 목적에 따라서 사용자에게 분석 자유도를 최대한 제공 분석 대상 선정 및 조정 기본 텍스트마이닝 결과 제공 탐지, 분류 등 고급 텍스트마이닝 결과 제공
  63. 63. - 63 - 고객사의 기존 시스템과의 연동을 통한 B2B 서비스 제공 “ 우리 회사 서비스와 Minds Insight와 연계를 통해 새로운 서비스를 만들거나 기존 서비스를 개선하는 것이 가능할까요? ”
  64. 64. - 64 - Minds Insight (Big Data Analytics Platform) 특장점 자유도 활용기술 연계 키워드 빈도, 연관어, 원문 정보 제공 (1차원적 정보 제공에 머무름) 제공 정보에 대한 단순한 조회, 활용 사전 기반의 전통적 자연어처리 자체 서비스에 집중 (연계 처리 어려움) 분석 대상 문서 한정, 자연어처리, 분류 등 분석 사용자의 의도에 따른 분석 제공 기계학습 기반의 자연어처리 외에 탐지, 분류 등 최신 기술 활용 연계를 고려한 아키텍처 구성 (연계 처리 용이) 제공정보 키워드 빈도, 연관어, 원문 외에 산업별, 관점별 필요 정보 제공 (다차원적 정보 제공) 경쟁사 마인즈랩
  65. 65. - 65 - MidnsLab AdTech 서비스 매칭서버 전송서버 Ad Keyword 감성 긍정/부정 Category 광고매칭 DB 기사 ID Publishers 방문자 ① 광고요청 (기사 ID 전달) ② 기사 Category 조회 ③ 기사 Category 확인 (Name : 스포츠) ④ 기사 Category 전달 ‘자동차’ Category : 그랜저, BMW 520d, 삼성화재애니카 등 ‘금융’ Category : 삼성증권, 대우증권, 국민은행 등 ‘스포츠’ Category : 스포츠토토, 게토레이, 카스맥주 등 ⑤ 광고배너 전송
  66. 66. - 66 - Minds Insight (Big Data Analytics Platform) 특장점 시스템 연동을 통한 B2B 서비스 예시 http://www.hani.co.kr/arti/economy/finan ce/730889.html  카테고리1 : 결혼 0.984  카테고리2 : 인테리어 0.954  카테고리3 : 금융기타 0.874
  67. 67. - 67 - Minds Insight (Big Data Analytics Platform) Case 시스템 연동을 통한 B2B 서비스 예시 http://www.hani.co.kr/arti/society/health/ 729306.html  카테고리1 : 비만성장 0.855  카테고리2 : 육아 0.795  카테고리3 : 식품기타 0.569
  68. 68. - 68 - Product – 1.텍스트 분석기술  내용: 기사,블러그 등의 텍스트 컨텐츠를 분석하여 연관광고(배너 및 영상)와 매칭 자동차 기사에 자동차 광고노출  Client: CM(Contextual Matching)광고를 하고 있거나 니즈가 있는 Adnetwork사 컨텐츠와 연동된 동영상 광고
  69. 69. - 69 - Product – 2.이미지 분석 기술  내용: 이미지를 분석하여 광고 카테고리별로 적정 광고를 매칭  Client: 이미지 네트웍사, 신규상품 니즈가 있는 기존 네트웍사
  70. 70. - 70 - Product – 3.영상 분석기술  내용: 이미지 분석기술을 기반으로 영상관련 기술(키프레임 추출 등)을 결합하여 영상 컨텐츠와 매칭되는 맞춤 광고 구현  Client: 영상전문네트웍사 및 신규 니즈가 있는 애드네트웍사
  71. 71. - 71 - MindsLab AI Technology 유태준대표 (마인즈랩) 황이규박사 (마인즈랩) STAFF (마인즈랩)
  72. 72. - 72 - Minds STT (Speech to Text)
  73. 73. - 73 - 톤분석 지속적인 성능개선 관리자 화면 실시간 음성인식 화자분리 음성 톤 분석 통합 강화 학습 엔진 제공 Power User용 UI 실시간 음성인식 딥러닝 기반 또는 스트리밍 기반 화자 분리 기 능 제공 인식률 최고의 인식률 (베이스라인 기술) Key Features Minds STT (Speech to Text)
  74. 74. - 74 - 최고의 음성 인식율 Baseline 학습 (Supervised Learning) Adaptation 학습(속기) (Supervised Learning) 강화학습 (STT Reinforcement Learning) 후처리 교정 (Using Machine Translation) 인식률 3~4% 1~2% 2~3% 1~2% 85~95% 78%~88% 경쟁사 마인즈랩 X X X O O O O O • 마인즈랩은 Baseline Modeling 배타적 기술출자 진행중임. • 마인즈랩은 전문적인 학습센터 운영중임 • 기계 스스로 학습데이터를 구축 하는 강화학습 적용 • 지식기반 리스닝을 지원하도록 후처리 교정 제공
  75. 75. - 75 - Minds NLP (Natural Language Processing)
  76. 76. - 76 - 최고 성능 한국어 NLP 마인즈랩 NLP는 국책연구기관인 한국전자통신연구원(ETRI)에서 30여간 연구/개발한 한국어처리 핵심기술로서 한국어 처리를 위한 대용량의 분석 사전과 정확성 향상을 위한 기계학습 기반의 기술이 포함되어 있음. 형태소분석 수집 문서를 가장 작은 의미 단위인 형태소 단위로 분할 대한/nc+은행/nc+이/jc 인터넷/nc+을/jc 통하/pv+어/ec 중도금/nc 대출/nc 서류/nc 작성/nc+을/jc 편리/nc+하/xsm+게/ec 하/px+ㄹ/etm 수/nb 있/pa+는/etm 서비스/nc+를/jc 마련/nc+하/xsv+었/ep+다/ef 수집 문서를 기계 학습에 기반한 문장 분리 모델을 통해 문장 단위로 분리 “대한은행이 인터넷을 통해 중도금대출 서류 작성을 편리하게 할 수 있는 서비스를 마련했다” “복잡한 중도금대출을 온라인으로 신청·접수할 수 있는 중도금대출 온라인 신청 서비스를 시행한다고 25일 밝혔다” 문장에 포함된 인물명, 기업명, 장소, 숫자 표현 등의 개체명(Named-entity) 인식 <<OGG_Economy:대한/nc+은행/nc>>+이/jc 인터넷/nc+을/jc 통하/pv+어/ec 중도금/nc 대출/nc 서류/nc 작성/nc+을/jc 편리/nc+하/xsm+게/ec 하/px+ㄹ/etm 수/nb 있/pa+는/etm 서비스/nc+를/jc 마련/nc+하/xsv+었/ep+다/ef 구문분석 문장에서 주어, 목적어, 서술어 등의 수식 관계 문장구조 식별 ((((((대한은행이/NP_SBJ 인터넷을/NP_OBJ 통해)/VP (((중도금/NP 대출)/NP 서류)/NP 작성을)/NP_OBJ 편리하게/VP_AJT 할)/VP_MOD 수)/NP_SBJ 있는)/VP_MOD 서비스를)/NP_OBJ 마련했다)/ROOT 문장분리 개체명인식 1 2 3 4 마인즈랩 NLP 특장점  국립국어원의 세종계획 말뭉치, 국내외 대학/연구소의 다양한 언어자원 및 언어처리 기술 성과를 바탕으로 연구/개발된 ETRI의 한국어 언어처리 기술 및 노하우 반영  170여 분류의 개체명 인식 성능 제공(개체명 분류 관련 세계 최다 분류체계 구축)  각 단계에 걸쳐, 전처리/ 후처리를 위한 각종 사전, 규칙 등이 적용 가능하여 신조어 등에 효과적으로 대응 가능 “대한은행이 인터넷을 통해 중도금대출 서류 작성을 편리하게 할 수 있는 서비스를 마련했다. 복잡한 중도금대출을 온라인으로 신청·접수할 수 있는 중도금대출 온라인 신청 서비스를 시행한다고 25일 밝혔다.”
  77. 77. - 77 - 최고 성능 한국어 NLP(자연어처리)  기본 사전 30만 어휘  기분석 사전(부분 어절에 대한 형태소 분석 결과를 미리 구축하고 다양한 복합 명사에 대한 복합어 분해 사전 포함) 160만 어휘  인명 및 기타 분석 사전으로 약 10만 어휘 구축  15개 대분류: PERSON, STUDY_FIELD, THEORY, ARTIFACTS, ORGANIZATION, LOCATION, CIVILIZATION, DATE, TIME, QUANTITY, EVENT, ANIMAL, PLANT, MATERIAL, TERM  170여 유형에서 약 360만 어휘에 대하여 개체 유형을 부착한 사전을 구축  축약형(건국대학교 -> 건대), 혼용형(국민학교 -> 초등학교), 약칭형(미래창조과학부 -> 미창부), 별칭형, 이동형, 생략형 등 다양한 이형태 표현에 대하여 원형 복원 사전을 통해 일관성 있는 어휘 관리를 지원함  약 8만 어휘에 대한 분석 사전 구축 산업 도메인 및 고객 특성에 유연한 대처가 가능하도록 대용량 기본사전 및 사용자 사전을 제공
  78. 78. - 78 - Minds SA (Sentiment Analysis)
  79. 79. - 79 - 딥러닝 감성분류기 Data set Model Accuracy Mobile Train: 4543 Test: 500 SVM (word feature) 85.58 RAE (word feature) )+Word embedding 87.57 CNN(relu,kernel3,hid50)+Word embedding (word feature) 91.20 CNN(relu,kernel3,hid50)+Random init. 89.00 기존의 알고리즘 대비 높은 성능을 보이는 딥러닝 감성분석엔진과 분류엔진을 내장
  80. 80. - 80 - 딥러닝 감성분류기 고불만 네 금융감독원으로 가야 되니까 네 미래에 대해서 하려고 들은 보험인 데 지금 내가 거의 일년 동안 납입 방 치해둔 상태로 있었고 딥러닝(Deep Learning)엔진 Output Feature Extractor Classifier Input Data, Label 불만 결정적으로 그 담당자가 잘 못 한 거 잖아요 변액연금이라는 거 난 이거 이해가 안 가는게 어휘분류체계(Taxonomy) L1 상품명 L2 연금보험 직장인연금 상품속성 수익 연금수익 불만항목 지급 지급 대외기관 금융감독원 감독원 다중탐지어사전 (HMD) L1 민원예측 금융감독원 상담 원$전화@안 되 그거@얘기@없 (2) 사전기반 탐지 (3) 딥러닝 학습 (4) 학습 이미지 획득 원문 (연금) 국민연금 보험료 인상시기를 놓치면 국채발행이라는 최후의 수단을 통해 연명할 수밖에 없다는 우려가 제기됐 다. 국민연금은 현재 9%인 국민연금 보험료율을 유지할 경우 오는 2060년 기금이 고갈될 것으로 추산되고 있다. 원문 (연금) 국민연금 보험료 인상시기를 놓치면 국채발행이라는 최후의 수단을 통해 연명할 수밖에 없다는 우려가 제기됐 다. 국민연금은 현재 9%인 국민연금 보험료율을 유지할 경우 오는 2060년 기금이 고갈될 것으로 추산되고 있다. 원문 예예 예 저희가 전화상으로 진행하는 거라 몇가지 소득정보 여쭙고 진행 도 와드릴건데 통화 괜찮으시구요 네 말 씀하세요 네 마지막으로 금융감독원 방침에 따 라 필수안내 사항 읽고 마무리하겠습 니다 (1) 딕셔너리 작업 Negative 결정적으로 그 담당자가 잘 못 한 거 잖아요 금융감독원으로 가야 되니까 그런 얘기 한 적이 없잖아요 (5) 감성분석 엔진 실행 (6) 엔진 실행 결과 사전 반영 종합 사전방식과 기계학습 방 식이 결합된 종합 분석결과 데이터가 쌓일수록 정확해지는 딥러닝 & 탐지사전간 자동 사전 보강프로세스로 90%이상의 감성분류 정확도 제공
  81. 81. - 81 - Minds Classifier (Document Classifier)
  82. 82. - 82 - 상품 증상 고객의견 테레비요, 테레비가 잘나오다가도 앞 에 화면이 그냥 얼룩 덜룩 얼룩 덜룩 결과처리 화면이 안나오는 거는 아니 고 화면이 뭐 얼룩 덜룩하 게 그 모자이크, 화면이 안 나오신다고 하셔서 기사 방 문해서 수리를 받으신 적이 기사가 다시 한 번 고객님 방문해서 이 부분 확인을 도와드릴 , 기사가 방문을 해서요 다시 한 번 확인 하실 수 있도록 도와드릴게요 티비에 대한 설명이요, 울트라 에이치디 티비 대한 설명 잘 해 주셨는데 친절하게 설명 다 잘 해 주 셨 티비수리비 때문에 전화했 , 삼십이인치 엘시디 티비 , 엑스캔버스요 그 액정이요 소리는 나오는데, 화면이 아예 안 나오죠 구매를 하지 않을까 싶어요 화면이 안 나와서 저희가 파워 보드라고 안내를 해 드렸고 돈이 많이 나오더라구요, 높으신 분 좀 전화 바꿔줘 봐요, 높은 분 있으면 전화 좀 해 주세요, 금액을 너무 많이 다 부담 하라고 하면 안되죠 비용은 나오시는 게 맞거든 요 , 책임자 연락 드리라고 하 분류엔진은 목적별 카테고리별로 원문을 분류해줍니다 딥러닝 문서분류기
  83. 83. - 83 - 딥러닝 문서분류기 국민연급 국민연금 보험료 인상시기를 놓치면 국채발행이라는 최후의 수단을 통해 연명할 수밖에 없다는 우려가 제기됐 다. 딥러닝(Deep Learning)엔진 Output Feature Extractor Classifier Input Data, Label 재해 일본 화산 폭발' '아소산 분화' 일본 각 지에서 자연재해가 잇따르고 있다. 어휘분류체계(Taxonomy) L1 재해 L2 화산 폭발 국민연금 부과방식 고갈 레저 수상스포츠 한강홀릭 쇼핑 백화점 홈쇼핑 다중탐지어사전 (HMD) L1 국민연금 국민연금 $ 보험료 국민연금$국채발행 인상@시기@놓치 (2) 사전기반 탐지 (3) 딥러닝 학습 (4) 학습 이미지 획득 원문 (연금) 국민연금 보험료 인상시기를 놓치면 국채발행이라는 최후의 수단을 통해 연명할 수밖에 없다는 우려가 제기됐 다. 국민연금은 현재 9%인 국민연금 보험료율을 유지할 경우 오는 2060년 기금이 고갈될 것으로 추산되고 있다. 원문 (연금) 국민연금 보험료 인상시기를 놓치면 국채발행이라는 최후의 수단을 통해 연명할 수밖에 없다는 우려가 제기됐 다. 국민연금은 현재 9%인 국민연금 보험료율을 유지할 경우 오는 2060년 기금이 고갈될 것으로 추산되고 있다. 원문 국민연금 보험료 인상시기를 놓치면 국채발행이라는 최후의 수단을 통해 연명할 수밖에 없다는 우려가 제기됐 다. 일본 화산 폭발' '아소산 분화' 일본 각 지에서 자연재해가 잇따르고 있다. (1) 사전작업 재해 일본 기상청은 15일 이 분화가 땅속의 마그마에 닿은 지하수 등이 수증기가 돼 폭발하는 '마그마 수증기 폭발'일 가 능성이 높다고 발표했다. (5) 분류엔진 실행 (6) 엔진 실행 결과 사전 반영 종합 사전방식과 기계학습 방 식이 결합된 종합 분석결과 데이터가 쌓일수록 정확해지는 딥러닝 & 분류사전간 자동 사전 보강프로세스 내장됨
  84. 84. - 84 - Minds DA (Dialog Agent)
  85. 85. - 85 - 응용 DB 음성인식 대화이해 대화관리 (변경) 음성합성 대화생성 사용자 Waveforms Words 응용 DB 인터페이스 대화 시스템 Can I visit the site of the World Trade Center on that tour? confirm(visiting_place="site of the World Trade Center", tour_name="that_tour") affirm(), inform(visiting_place="site of the World Trade Center", tour_name="Downtown Tour") Yes, the site of the World Trade Center is part of the Downtown Tour. Logic Formuals, Dialog Acts 대화관리 시스템
  86. 86. - 86 - Minds DM (Data Mining)
  87. 87. - 87 - 통계적 분석 앙상블 깊은 신경망 데이터 먼징 해결사 & 최적화 차원 축소 군집화 • 선형 모델 (GLM) • Cox Proportional Hazards • Naïve Bayes • Random Forest • Distributed Trees • GBM • R 패키지- Super Learner Ensembles • Multi-layer Feed-Forward Neural Network • Auto Encoder • Anomaly Detection • Deep Features • K-Means • Principal Component Analysis • Generalized Low Rank Models • Generalized ADMM Solver • L-BFGS (Quasi Newton Method) • Ordinary Least-Square Solver • Stochastic Gradient Descent • Integrated R-Environment • Slice, Log Transform 최신 머신러닝 알고리듬 기반 데이터 마이닝
  88. 88. - 88 - Minds QA (Question Answering)
  89. 89. - 89 - ※ 엑소브레인(外腦, Exobrain): 내 몸 바깥에 있는 인공 두뇌라는 뜻 의료/진단/건강 진단보조 특허/경영/법률 자문기업/공공 의사결정 지원의복/로봇/자동차/단말 탑재 정보부하 및 정보격차 해소 Machine Reading Machine Learning Machine Studying Machine Reasoning Machine Predicting Machine Collaborating ETRI 엑소브레인 QA 시스템 (진행중)
  90. 90. - 90 - Minds BD (Big Data)
  91. 91. - 91 - 기업내부 전화상담 기업외부 ∙∙∙ ∙∙∙∙∙∙∙∙∙ ∙∙∙ ∙∙∙ Customer Virtual Agent (가상상담원) 녹취 서버 ARS Crawl (정보수집) MINDs Insight (텍스트분석) Market Insight (데이터가공) User-Driven Analysis (데이터분석) Batch Real- time STT (음성인식) TA (텍스트분석) Legacy 채팅상담 이메일상담 게시판상담 Deep Neural Network 음성인식 음성학습 NLP Text Mining 대화관리 대화생성 음성합성 Detection 빅데이터 분석 인프라 고객DB 상품DB 거래DB Hadoop Impala/Spark H2O Solr Python R ∙∙∙ Analysis Model STT/TA 결과 소셜빅데이터 정형데이터Call SNS e-mail Web 사용자 UI 분석가 의사결정자 사용자주도분석 Dashboard 설정 수집 저장 NLP Text Mining Issue/Risk Detect 목적/관점 키워드 정제 데이터 추출 목적/관점 키워드 기준 데이터 추출시각화 기업 내/외부의 정형/비정형 데이터를 분석하기 위해 빅데이터 분석 인프라인 Hadoop / Impala / Spark 등이 제공됨. 빅데이터 분석 인프라
  92. 92. - 92 - Minds-Solr 빅데이터 검색엔진
  93. 93. Analyze Real Voice of Customers MEARI STT NLP DNN Big Data Sentiment Image Dialog Data Mining AITravel Agent AI Marketer AITutor AI Agent AI Secretary AI Accountant AI Interpreter Robot AI Lawyer VOC

×