2017/09/012 [KIF] 금감원 빅데이터 분석을 통한 자동차보험사기 대거 적발 ■ 금감원은 지인간 가·피 공모, 동승 공모 등 조직적·지능적 자동차보험사기 적발을 위해 IFAS에 집적된 정보를 활용한 '사회관계망분석' 및 '연계분석' 등 빅데이터기반 보험사기조사를 실시 - 보험사기인지시스템(IFRS: Insurance Fraud Analysis System): 보험계약 및 자동차사고정보를 집적하여 보험사기 혐의 분석을 지원하는 시스템 - 사회관계망분석(SNA: Social Network analysis): 제보에 의존하지 않고 집적된 정보(빅데이터)를 바탕으로 관계분석을 통하여 조직형 보험사기 혐의그룹을 도출하는 분석 기법 - 연계분석(Net Explorer): 제보된 혐의자를 중심으로 집적된 정보(빅데이터)를 활용하여 사고내역의 상호 연관관계를 도식화함으로써 공모 혐의 유무 등을.. 2017. 9. 1. [ciokorea] 우리회사는 AI. 머신러닝에 준비돼 있을까? - 10가지 체크리스트 - Martin Heller | CIO [이미지 출처: vectorportal.com] [원본기사: [ciokorea] 우리회사는 AI. 머신러닝에 준비돼 있을까? - 10가지 체크리스트 - Martin Heller | CIO] 1. 충분한 데이터는 확보했는가? - 관련 데이터가 충분한지 여부는 예측 및 기능 식별의 필요 조건 - 더 많은 요소를 고려하고 있을수록 필요한 데이터 양도 많아진다. - 다음 달 "마이애미에서 네이비 색상 반팔 블라우스의 판매 예측"시 과거 수 년 동안 축적되어 온 월별 판매 통계 데이터가 있어야만 월별, 그리고 연간 트렌드를 정확히 파악할 수 있게 된다. 물론 이는 어디까지나 표준적인 시계열 분석일 때의 이야기이고, 머신러닝을 이용하려면 통계 모델보다 더 많은 데이터를, 딥러닝은 그보다 몇 배는 더 많은 데이터를 .. 2017. 9. 1. 이전 1 다음
