금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

24

1

부

프레임워크

거래의 대부분이 자동으로 결제되지만, 약

30

%는 사람이 직접 관여해 결제가 성사된다.

머신러닝은 성사되지 못한 거래를 찾을 뿐만 아니라, 거래가 왜 중단되었는지를 분석하고 해결

책을 제시하며 어떤 거래가 실패할지 예측할 수도 있다. 사람이 해결하면

5

분에서

10

분 걸리

는 일을 머신러닝은 단 몇 초 만에 끝낼 수 있다.

1.1.11

돈세탁 방지

유엔 보고서의 추산에 따르면 매년 세탁되는 자금이 세계 국내총생산 (

GDP

)의

2

%에서

5

%에

이른다. 머신러닝 기술은 돈세탁 징후를 감지하기 위해 소비자의 광범한 네트워크에서 나오는

내부 및 외부의 거래 데이터를 분석할 수 있다.

1.2

인공지능, 머신러닝, 딥러닝, 데이터 과학

대다수의 사람이 인공지능, 머신러닝, 딥러닝, 데이터 과학을 혼동한다. 사실 많은 사람이 이

말들을 구분하지 않고 섞어 쓴다.

[그림

1

-

1

]은 인공지능, 머신러닝, 딥러닝, 데이터 과학의 관계를 보여 준다. 머신러닝은 인공

지능의 하위영역이고, 인공지능은 컴퓨터가 데이터 내의 패턴을 인식하고 인공지능 활용을 전

달하는 기술로 구성된다. 반면 딥러닝은 컴퓨터가 더 복잡한 문제를 해결할 수 있게 하는 머신

러닝의 하위영역이다.

데이터 과학은 엄밀하게 말하면 머신러닝의 하위영역은 아니지만, 인공지능, 머신러닝, 딥러닝

을 이용해 데이터를 분석하고 실행 가능한 결론에 도달하는 것을 목적으로 한다. 데이터 과학

은 인공지능, 머신러닝, 딥러닝을 빅데이터, 클라우드 컴퓨팅과 같은 영역으로 묶는다.

25

1

장

금융 머신러닝 ...