인공지능 기술이 발전하면서 이미지, 음성, 텍스트 등 다양한 분야에 적용되고 있으며, 데이터가 충분한 경우 기존 기법들에 비해 좋은 결과를 보인다. 주식시장은 경제, 정치와 같은 많은 변수에 의해 영향을 받기 때문에, 주식 가격의 움직임 예측은 어려운 과제로 알려져 있다. 다양한 기계학습 기법과 인공지능 기법을 이용하여 주가 패턴을 연구하여 주가의 등락을 예측하려는 시도가 있어왔다. 본 연구는 딥러닝 기법 중 컨볼루셔널 뉴럴 네트워크(CNN)를 기반으로 주가 패턴 예측률 향상을 위한 데이터 증강 방안을 제안한다. CNN은 컨볼루셔널 계층을 통해 이미지에서 특징을 추출하여 뉴럴 네트워크를 이용하여 이미지를 분류한다. 따라서, 본 연구는 주식 데이터를 캔들스틱 차트 이미지로 만들어 CNN을 통해 패턴을 예측하고 분류하고자 한다. 딥러닝은 다량의 데이터가 필요하기에, 주식 차트 이미지에 다양한 데이터 증강(Data Augmentation) 방안을 적용하여 분류 정확도를 향상 시키는 방법을 제안한다. 데이터 증강 방안으로는 차트를 랜덤하게 변경하는 방안과 차트에 가우시안 노이즈를 적용하여 추가 데이터를 생성하였으며, 추가 생성된 데이터를 활용하여 학습하고 테스트 집합에 대한 분류 정확도를 비교하였다. 랜덤하게 차트를 변경하여 데이터를 증강시킨 경우의 분류 정확도는 79.92%였고, 가우시안 노이즈를 적용하여 생성된 데이터를 가지고 학습한 경우의 분류 정확도는 80.98%이었다. 주가의 다음날 상승/하락으로 분류하는 경우에는 60분 단위 캔들 차트가 82.60%의 정확도를 기록하였다.

이 연구는 2018년도 정부(농림축산식품부)의 재원으로 농림식품기술기획평가원 지원을 받아 수행된 연구이다. 고병원성 조류인플루엔자의 유입은 해외로부터 철새를 통해 유입되고 있으나 어떤 경로를 통해 감염 원인을 농장에 제공하는지 정확히 밝혀진 바 없다. 그리고 발생 농장으로부터 농장 간의 전이도 차량이 주 원인이라고 추정할 뿐, 전파 주 원인이 정확히 밝혀진 것은 아니다. 본 논문 연구에서는 KT가 제공하는 CDR(Call Detailed Record) 데이터를 기반으로, 발생후보지로 추정되는 철새도래지를 방문한 사람이 어떤 경로를 거쳐 감염 농장으로 유입이 되는지 해당 시기의 인구 흐름을 보려고 한다.

최근 디지털 플랫폼을 활용한 민생 위협 범죄는 '15년 약 14만여 건, '16년 약 15만여 건 등 사이버범죄 지속 증가 추이이며 전통적인 수사기법을 통한 온라인 범죄 대응에 한계가 있다고 판단되고 있다. 현행 수기 온라인 검색 및 인지 수사 방식만으로는 빠르게 변화하는 민생 위협 범죄에 능동적으로 대처 할 수 없으며, 소셜 미디어 특성상 불특정 다수에게 게시되는 콘텐츠로 이루어 졌다는 점에서 더욱 어려움을 겪고 있다. 본 연구는 민생 침해 범죄가 발생하는 온라인 미디어의 특성을 고려한 콘텐츠 웹 수집 방식 중 사이트 중심의 수집과 Open API를 통한 방식을 제시한다. 또한 불법콘텐츠의 특성상 신속히 게시되고 삭제되며 신조어, 변조어 등이 다양하고 빠르게 생성되기 때문에 수작업 등록을 통한 사전 기반 형태소 분석으로는 빠른 인지가 어려운 상황이다. 이를 해소 하고자 온라인에서 벌어지는 민생 침해 범죄를 게시하는 불법 콘텐츠를 빠르게 인지하고 대응하기 위한 데이터 전처리인 WPM(Word Piece Model)을 통하여 기존의 사전 기반의 형태소 분석에서 토크나이징 방식을 제시한다. 데이터의 분석은 불법 콘텐츠의 수사를 위한 지도학습 기반의 분류 알고리즘 모델을 활용, 투표 기반(Voting) 앙상블 메소드를 통하여 최적의 정확도를 검증하고 있다. 본 연구에서는 민생경제를 침해하는 범죄를 사전에 인지하기 위하여 불법 다단계에 대한 사례를 중심으로 분류 알고리즘 모델을 활용하고, 소셜 데이터의 수집과 콘텐츠 수사에 대하여 효과적으로 대응하기 위한 실증 연구를 제시하고 있다.

욕설과 비속어를 포함한 악성 댓글에 대한 피해는 최근 언론에 나오는 연애인의 자살뿐만 아니라 사회 전반에서 다양한 형태로 증가하고 있다. 이 논문에서는 양방향 장단기 메모리 신경망 모델을 이용하여 욕설을 검출하는 기법을 제시하였다. 웹 크룰러를 통해 웹상의 댓글을 수집하고, 영어나 특수문자 등의 사용하지 않은 글에 대해 불용어 처리를 하였다. 불용어 처리된 댓글에 대해 문장의 전·후 관계를 고려한 양방향 장단기 메모리 신경망 모델을 적용하여 욕설 여부를 판단하고 검출하였다. 양방향 장단기 메모리 신경망을 사용하기 위해 검출된 댓글에 대해 형태소 분석과 벡터화 과정을 거쳤으며 각 단어들에 욕설 해당 여부를 라벨링하여 진행하였다. 실험 결과 정제하고 수집된 총 9,288개의 댓글에 대해 88.79%의 성능을 나타내었다.

최근 국내외에서 확산되고 있는 RPA(Robotic Process Automation) 솔루션은 사용자가 응용프로그램의 GUI(Graphic User Interface)에서 대상 업무를 간편하게 자동화 할 수 있어 국내 다수 금융회사에서도 동 솔루션을 적용하는 사례가 지속적으로 증가하고 있다. 하지만 금융기관이 반드시 준수해야 하는 주요 감독규제들은 기존 전통적인 SDLC(Software Development Life Cycle)를 기반으로 하고 있어 일반 사용자의 시스템 Interface 환경 단에서 자동화하는 RPA에 그대로 적용되기에는 어려움이 있었다. 이에 본 논문에서는 금융회사가 RPA를 도입함에 있어 고려되어야 하는 주요 감독규정들과 통제항목들을 정리하고 RPA를 도입한 24개 금융회사의 통제 적용현황을 조사하여 향후 관련 컴플라이언스의 개정 필요성을 제시해보고자 한다.

반도체 웨이퍼의 표면을 연마하여 평탄화하는 Chemical Mechanical Planarization(CMP) 공정은 다양한 화학물질과 물리적인 기계장치에 의한 작용을 받기 때문에 공정을 안정적으로 관리하기 힘들다. CMP 공정에서 품질 지표로는 Material Removal Rate(MRR)를 많이 사용하고, CMP 공정의 안정적 관리를 위해서는 MRR을 예측하는 것이 중요하다. 본 연구에서는 머신러닝 기법들을 이용하여 CMP 공정에서 수집된 시계열 센서 데이터를 분석하여 MRR을 예측하는 모형과 공정 품질을 해석하기 위한 분류 모형을 개발한다. 나아가 분류 결과를 분석하여, CMP 공정 품질에 영향을 미치는 유의미한 변수를 파악하고 고품질을 유지하기 위한 공정 조건을 설명한다.

4차 산업혁명의 기술 등장 이후 대규모 데이터 시대에서 새로운 가치 창출을 위한 데이터 정보 분석은 다양한 분야에서 시도되고 있다. 대용량 데이터를 빠르게 처리하는데 있어서 분산 데이터 처리는 이미 필수적이다. 하지만 아직 국방 분야에서 운용하고 있는 시뮬레이션들은 쌓여 있는 비정형 데이터를 활용할 수 있는 시스템이 미비하다. 이에 본 연구에서는 훈련간 발생하는 문제에 대응하기 위한 지휘결심에 가시화된 데이터를 제공하기 위해서 대대급 규모의 시뮬레이션 모델에 적용 가능한 분산 처리 플랫폼을 제안한다. 전략게임 데이터 50만개를 분석하는 과정으로, 데이터가 가지고 있는 여러 요인들 중 승리요인에 영향을 미치는 요소들을 분석할 수 있게 구현하였다. 결과적으로 상위 10%에 있는 팀들의 데이터를 분석하는 과정에서의 분산처리 사용한 결과를 측정 및 비교 하였다.

언제 어디서나 사용 가능한 스마트기기를 통한 온라인 쇼핑이 보편화되어 소비자들은 손쉽게 패션 관련 상품을 구입할 수 있다. 따라서 소비자들은 패션 관련 상품을 구매할 때 날씨, 판매 가격과 같은 다양한 환경 변수에 반응하여 상품을 구매한다. 따라서 효율적인 재고 관리를 위해 판매된 상품들의 빅데이터를 활용하는 것이 패션 산업에서 매우 중요하다. 본 논문에서는 국내 패션 회사 'A'의 실제 상품 판매 빅데이터를 활용하여 제안한 빅데이터 분석 알고리즘을 통해 기온 변화에 따른 패션 상품의 판매량 변화를 분석하였다. 분석 결과에 따르면, 제안한 빅데이터 분석 알고리즘을 통해 예상할 수 있는 판매량 결과와 예상하지 못한 판매량 결과를 얻었다.

본 논문에서는 수산과학 R&D 정보의 빅데이터 플랫폼 구축과 메타 데이터 관리기법에 관해 소개한다. 빅데이터 플랫폼에서는 다양한 유형의 수산과학 R&D 정보를 수집하여 통합 연계하고, 이를 데이터 레이크 형태로 구축하는 방안을 제시한다. 수산과학 분야에서 수집, 축적되고 있는 기존의 데이터와 함께 위성영상 데이터, 연구보고서 등 비정형 빅데이터까지 수집하여 다양한 분석을 지원하는 빅데이터 플랫폼의 구축방안을 제시한다. 다음으로 데이터 추출과 전처리 및 저장 과정에서 메타 데이터를 수집하고 관리함으로써 수산과학 빅데이터의 체계적인 관리가 가능하도록 한다. 빅데이터 플랫폼 구축과 함께 메타 데이터를 표준양식으로 구축함으로써 데이터의 수집, 저장, 활용 및 유통 등 데이터 수명주기 전반에 걸쳐 체계적이고도 지속적인 빅데이터 관리 방안을 제시하는데 의의가 있다.

자료 분석에 있어서 결측치 대체는 큰 이슈중 하나이다. 결측치의 발생을 무시하고 분석을 진행하게 되면, bias가 발생하여 그에 따른 추정치에 대해 잘못된 결과를 줄 수 있다. 이 논문에서는 미세먼지자료에서 발생한 결측치를 적절한 대체 방법을 찾아 적용하자 한다. 이를 통해 시계열 자료에서 발생한 결측치를 R을 기반으로 한MICE, MissForest 등의 기존 방법과 시계열 기반 모델을 사용하여 여러 가지 상황에 대한 시뮬레이션을 설정해 비교해 밝히고자 하였다. 이 결과에 대해 각각을 변수 별로 비교하였을때 ImputeTS 패키지를 이용한 auto arima 모델의 kalman filter를 적용한 모형과 MissForest 모형이 미세먼지자료 결측치 대체에서는 좋은 결과를 주는 것으로 판단되었다.

무역수출 분야에서 수출 지수에 관한 논의는 수차례 있었으나 객관적 지표로 설명할 수 있는 명확한 무역수출 지수는 없다. 한국무역협회(KITA), 대한무역투자진흥공사(KOTRA) 등에서 지표를 만들고자 하는 시도를 하고 있으나 수출기업의 역량을 표현할 수 있는 방법에 대하여 현재 계속 고민 중이다. 이에 본 연구는 기업의 규모, 신용도와 같은 공시지표와 거래고객수, 거래횟수, 상품개수, 거래량, 거래기간 등의 활동지표를 feature로 설정하여 인공지능 학습 데이터 셋을 구축하고, 딥러닝 알고리즘에서 Lightgbm을 이용하여 수출 가능 기업에 대한 분류 모델을 제시한다. 또한 기업이 속한 산업 군집 분류 모델로 Graph Neural Network을 사용하여 기업간, 품목간, 사업군에서의 수출 가능 역량을 표현하는 수출 Live지수를 산출하였으며 이는 지수를 산출하는 현재로부터 기업의 과거 활동을 포함함으로써 객관성을 확보하였다.

연구 데이터 관리(Research Data Management: RDM)는 연구데이터를 생산, 수집, 이용, 보전하는데 있어 방향을 제시하고 지원하는 인력, 정책, 자원 및 기술을 포괄하는 시스템이다. RDM은 연구비 신청시 작성하는 DMP(Data Management Plan)의 작성지원, 데이터 컬렉션과 리파지토리 구축, 연구 데이터의 디지털 보전과 유통 등을 포함하는 광범위한 활동들로 구성된다. 선진국의 경우 각 기관들이 RDM을 위한 시스템과 관련 조직을 구성하여 운영하고 있으나 우리나라의 경우에는 연구 데이터에 관한 인식수준이 낮아 미흡한 실정이다. 본 논문에서는 각 조직의 현실에 적합한 연구데이터 관리체계 구축방안을 제안한다. 특히, 최근들어 각 분야마다, 조직마다 빅데이터의 생성과 관리를 위한 빅데이터 플랫폼 구축이 급증하고 있어 이를 조직내 RDM 구축에 반영할 필요가 있다. 또한 블록체인 기술을 활용하여 연구자의 데이터 주권 확보를 지원하고, 데이터 프로비넌스 보장과 P2P 방식의 분산 RDM 구축 방안도 제안한다.

자원기반이론(Barney, 1991)에 근거하여 중소기업의 IT를 자원과 역량으로 구분하였으며, IT자원과 역량이 성과에 영향을 미치는지 확인하였다. 즉, 중소기업 대상의 설문조사와 IT전문가를 대상으로 설문조사를 실시하여 중소기업이 보유하고 있는 IT자원을 역량과 자원으로 구분하였다. Barney(1991)가 제안한 자원의 4가지 특성(가치, 희귀성, 비대체성, 비모방성)중에서 가치와 비모방성을 대상으로 중소기업의 IT자원과 역량을 구분하였으며 구분된 IT자원과 역량은 기업의 성과에는 어떻게 영향을 미치는지 연구하였다. 연구결과 IT의 자원과 역량은 "Knowledge-based"의 필요여부에 따라서 구분되었다. 분석결과, 서버, DB(database), 시스템 관리자, 프로그래머, CIO, BA는 역량으로, 데스크탑 PC, 소프트웨어, 급여 및 회계관련 프로그램, 이커머스, 홈페이지 그리고 네트워크는 자원으로 분류되었다. 그리고, 분류된 중소기업의 IT자원과 IT역량은 기업의 성과(종업원 만족도, CEO 만족도)에 모두 영향을 미쳤다. IT는 분명히 기업의 성과에 영향을 미치고 있다. 결론적으로 자원은 기업이 어떻게 활용하는가에 따라서 IT자원 또는 IT역량이 될 수 있으며, 자원, 역량 구분없이 모두 중소기업의 성과에는 영향을 미친다는 것을 알 수 있었다. 따라서 IT투자를 고려할 때 기업은 필요한 IT 자원을 구입하여 활용하게 되면 기업의 성과로 연결된다는 것이다.

말단배송최적화는 도심내 공급사슬의 운영의 핵심적인 역할을 수행하고 있으며, 전체 배송 프로세스에서 가장 복잡하고 많은 비용을 지불해야만 한다. 도심복합물류센터 (Urban Consolidation Center: UCC)는 최근 말단배송 서비스를 운영하고 고객의 수요를 만족시키기 위한 핵심적인 자산으로 인식되고 있다. UCC를 활용할 경우 도심 내 다양한 요인을 고려하여 최적의 배송 과정을 설계함으로써 배송에 소요되는 시간과 이동거리를 최소화할 수 있다는 장점이 존재한다. 본 연구에서는 지리정보시스템 (GIS)를 활용하여 다양한 수리모형이 통합된 시나리오 분석을 활용하기 위한 기법을 제안한다. 특히, 본 연구는 몽골의 수도 울란바타르를 사례로 실제 도심 내 최적 배송네트워크를 설계하는 것을 목표로하고 있다. 이를 위해 위치배분문제와 차량경로문제를 결합하는 기법을 제안하였다. UCC의 위치와 개수를 기반으로 다양한 시나리오를 설계하였으며, 기본적인 총배송거리, 배송시간, UCC의 수 및 필요 차량의 수를 기준으로 시나리오를 평가하였다. 또한, UCC의 건설과 운영에 필요한 전체 비용 관점에서 최적의 시나리오를 비교 선정하였다. 본 연구의 결과는 도심 내 말단 배송을 위한 유통 네트워크를 설계해야 하는 관리자 혹은 정부 기관의 담당자들이 합리적인 의사결정을 내리기 위한 객관적인 근거 자료로 활용될 수 있을 것이다.

학습자 중도탈락은 사이버대학이 해결해야 할 과제 중 하나이다. 2019년도 기준으로 사이버대학의 전체 학생 수는 13만여 명에 달하고 있으나, 중도탈락 비율도 매우 높은 편이다. 중도탈락율을 낮추기 위해 사이버대학은 학습 분석에 많은 투자를 하고 있다. 특히 일부 사이버대학에서는 중도탈락 가능성을 정량적으로 분석하여 중도탈락이 우려되는 학생에 대한 지원을 강화하고 있다. 본 논문의 목적은 중도탈락 예측지수에 영향을 미치는 학습데이터를 규명하는데 있다. 분석 결과, 수강 차시(진도율), 이수학점, 평점, 휴학 횟수가 중도탈락에 유의미한 영향을 미치는 것으로 확인되었다. 사이버대학은 학생 중도탈락 예측지수에 관한 사후검증을 통해 예측 모델의 정확도를 높여나가야 할 것이다.

한국영화 100년 역사 속에 한국영화는 2012년부터 해마다 총 관객 수 1억 명을 넘고 있고, 총 매출액은 1조를 바라보고 있다. 이러한 한국영화의 흥행가도에 영향을 준 것이 스마트폰 보급률 60%와 가입자 수 3천만 명을 넘은 2012년과 상관이 있을 것이라 추정을 해 본다. 이에 따라 2012년 전후로 영화흥행 요인변수에도 변화가 필요했고, 새로운 독립변수로 훈련시킨 예측모델을 가지고 실전데이터에 적용하여 예측해 보았다.

LOD(Linked Open Data)는 데이터 공개방식 중에서 가장 우수한 수준으로 평가받고 있으며, 인터넷 상에서 서로 관련있는 데이터를 표준방식으로 연결하여 하나의 거대한 데이터베이스처럼 검색할 수 있도록 한다. 글로벌 환경에서 관련있는 데이터들이 LOD 형태로 구축되는 사례가 증가하고 있으나 국내 보건의료 분야에서 LOD 형태의 데이터 공개는 아직 초보적인 수준에 머물러 있다. 본 논문에서는 한국의학연구논문 데이터와 보건의료 빅데이터 연계 플랫폼 데이터를 중심으로 국내외 관련있는 DB들을 LOD 방식으로 연계하여 서비스하는 LOD 플랫폼 구축사례를 소개한다. 각 DB의 모든 데이터를 LOD로 연계하는 것은 시간과 노력이 많이 필요하며, 기본적으로 민간보다 국가나 공공기관이 담당해야 하는 인프라성 연구이다. 본 연구에서는 각 DB의 일부만을 대상으로 하여 LOD국내외 10개 사이트를 연계하였으며, 이를 통해 사용자는 편리한 방식으로 국내외 여러 기관의 데이터를 연계하여 검색할 수 있게 된다.

최근 정보통신기술의 발달은 센서를 바탕으로 수많은 데이터를 구축하고 이를 이용하여 실시간 서비스를 제공할 수 있게 한다. 교통안전공단에서는 디지털 운행기록계를 통해 전국의 상용차의 운행 정보를 수집하고 있다. 전국 상용자의 운행 정보는 교통 분야에서 다방면으로 활용이 가능하다. 그 중 특히 자율주행 분야에서는 실시간으로 운행정보를 분석하여 위험 운전에 대응을 하거나 방지하는데 도움을 줄 수 있다. 그러나 전통적인 데이터베이스 시스템을 이용하여 대용량의 데이터를 실시간 서비스에 적합한 수준의 성능으로 처리하는 데는 한계가 존재한다. 특히 국내에서는 이와 같은 기술적인 문제로 상용차 운행정보의 실시간 분석을 위한 대규모 교통 빅데이터의 처리가 이전에 시도된 적이 없다. 이런 문제를 해결하기 위해 본 연구에서는 새로운 방식의 데이터베이스 서버 시스템 최적화를 진행하였고 실시간 서비스가 가능한 수준임을 확인하였다. 구축된 데이터베이스 시스템을 이용하여 디지털 트윈, 자율주행환경을 마련하기 위한 기반 데이터를 확보할 수 있을 것으로 기대된다.