AI

Artificial Intelligence → Machine Learning → ML Algorithm

Data와 Business에 집중해야 한다.

너는 데이터는 어떤 식으로 바라보고 있고, 어떤 관점에서 해결하려고 했는가? -> 진짜 본질은 무엇인가?

도구만 잘 쓰는 건 의미가 이제 없다.

정말로 우리가 봐야한는 건 무엇일까?

도구를 활용하는 건 좋다. 의사결정을 견고하게 할 수 있는 사람이 중요해야 함

-> 설득력이 있는 것이 중요하다.

모델의 대표성능을 적어주지 말 것. -> 데이터

기술적으로 있는 테크닉을 잘 써야함 -> 아이디어가 중요함 ->

신뢰

문제 해결해주지 않아도, 같이 고민만 해도 이게 신뢰

신뢰를 얻으면 실수를 해도 넘어가게 됨, 신뢰를 쌓은 게 중요

CEO와 PM이 신뢰를 잘 쌓는 것이 중요하다.

공모전에서 최대한 변수를 넣어서 XGBoost/Ensemble를 넣어서 확인하는 방법이 정확 -> 목적이 우수한 모델 성닝

비즈니스에서는 목적에 맞고 활용 가능한 데이터를 확인하고, 안정적인 모델 성능을 확인하는 것이 접근 방식, 목적이 비즈니스 문제를 해결하는 것이기 때문에

비즈니스에서의 모델링은 성능 점수 싸움이 아니라, “현장의 문제 해결책 싸움” 입니다. 모델의 정확도 보다 중요한 것은 현업이 그 결과를 이해하고, 수용하고, 활용할 수 있는가 입니다.

신뢰할 수 있는가? -> 신뢰할 수 있어야 함

멋진 기술로 문제를 풀어냈다고 치자...

그런데

결국 무슨 고객이 듣고 싶은 것은 무엇인가? 그리고 그것을 어떻게 들려줄 것인가?

이거에 대해서 좀 고민해봐야 하는 것이 아닐까?

현업에서 오신 분들이 계속 같은 이야기를 하는 것은 분명히 이것이 중요하기 때문아닐까?