[첨단 헬로티]
빅데이터, 인공지능(AI) 및 사물인터넷(IoT) 기술이 날로 발전하고 있는 가운데, 올해는 분석을 위한 알고리즘이 다양한 산업 분야 기업들이 개발하는 지능형 제품 및 서비스에 보다 널리 적용될 것으로 예상된다. 특히 예측적 분석과 이를 구현하는 핵심 기술인 머신러닝이 임베디드 디바이스 및 기업의 IT 시스템에 배치되어 실시간 분석을 구현하고 기업의 의사결정을 한층 향상시킬 것으로 기대된다. 이에 이번 글에서는 올해 분석 분야의 3가지 핵심 트렌드인 예측 알고리즘, 머신러닝과 딥러닝, 그리고 데이터 과학에 대해 알아보도록 하자.
트렌드 1. 예측 분석 시스템이 제조 및 의료 기기 업계에 미치는 영향
현재 데이터 분석 기술이 예측 유지보수와 같은 영역에서 비즈니스에 상당한 이점을 제공한다는 사실은 잘 알려져 있다. 그러나 이러한 응용 프로그램의 시스템 구조는 미결된 문제로 남아 있다. 고객들은 공급업체와의 데이터 공유를 주저하고 있고, 작성된 데이터의 양을 고려해 볼 때 시스템의 모든 데이터를 로깅하는 것은 불가능한 경우가 많다. 뿐만 아니라, 이벤트에 대해서는 밀리초 단위로 대응해야 하며 인터넷 서버에서 응답을 기다리는 시간은 훨씬 더 짧다.
이로 인해 “경계(edge)” 또는 장비 자체의 혁신이 촉진된다. 따라서 고주파 센서 데이터를 네트워크를 통해 쉽게 전송할 수 있는 압축된 형식으로 변환할 수 있는 신호 처리 알고리즘과 같은 데이터 감소 기술이 필요하다. 설계 제약 조건으로 인해 장비에서 머신 러닝 모델이 직접 실행될 수도 있다. 알고리즘을 한 번 개발하여 여러 다른 시나리오에 쉽게 배포할 수 있는 소프트웨어가 있다면 설계팀이 시스템에 최적인 아키텍처를 구현할 수 있다.
AI 시스템, 웨어러블 및 기타 새로운 기술이 개념 단계에서 실제 구현 가능한 단계로 이동함에 따라 여러 플랫폼에 분산되어 있는 데이터를 집계하고, 최신 분석 기능을 적용하며, 데이터를 실행 가능한 형태로 변환해야 할 필요성이 매우 높아졌다.
예측 분석 시스템을 사용하면 환자와 의사 사이에 더 많은 정보를 기반으로 대인 관계를 형성하고 치료 시 더 효율적으로 진단할 수 있다. 또한 웨어러블에서 수집하여 개인 장치에서 공유하는 데이터를 통해 예방 관리 및 치료를 모두 발전시킬 수 있다.
▲독일의 제조 공장 몬디(Mondi)는 제조 설비 고장 및 원자재 비용 낭비를 최소화하고 공장의 효율성을 극대화하기 위해 고급 통계 및 머신 러닝 알고리즘으로 상태 모니터링 및 예측적 유지보수 애플리케이션을 개발했다. 이를 통해 기계의 잠재적인 이슈를 파악하고 직원들이 이에 대응하는 조치를 취하도록 지원하여 이러한 이슈가 심각한 문제로 발전하는 것을 방지하고 있다.
▲의료 기술 업계 스타트업인 빅풋(Bigfoot)은 모델 기반 설계 기법을 활용하여 시스템을 모델링 및 시뮬레이션하고, 임상 시험을 통해 시뮬레이션 결과를 확인함으로써, 당뇨병 환자들의 질병을 관리할 수 있는 자동화된 인슐린 공급 시스템을 설계했다.
트렌드 2. 머신 러닝&딥 러닝
머신 러닝 기술을 적용하기가 점점 더 쉬워지면서, 더 많은 제품과 서비스에 머신 러닝 모델이 통합될 것이다. 일반적으로 제어와 진단에 사용되는 임베디드 시스템에서는 이전에는 관찰할 수 없던 현상을 감지하는 머신 러닝 모델을 통합한다. 예를 들어, 운전자의 운전 스타일을 감지하거나 기계장치가 고장을 일으킬 가능성이 있는지의 여부를 분류한다. 2018년에도 계속 에지 노드 및 임베디드 프로세서와 같은 새로운 분야에서 머신 러닝 모델이 통합될 것이다.
딥 러닝의 전망은 앞으로도 계속 밝지만 유용한 딥 네트워크를 학습시키기 위해서는 여전히 여러 설계와 세부조율이 필요하다. 하이퍼파라미터(hyperparameter) 튜닝과 같은 기술을 사용하면 이 작업을 줄이는 데 아주 유리하므로, 딥 러닝을 도입하는 속도를 높여야 한다.
▲MATLAB을 통한 딥러닝
트렌드 3.도메인 전문가의 데이터 과학 사용
엔지니어링과 IT 팀이 점점 더 통합되어감에 따라 비즈니스의 핵심 제품과 서비스를 이해하는 도메인 전문가의 수요가 늘어날 것이다. 데이터 과학자와 협력 관계를 맺거나 데이터 과학자 역할을 하는 이 도메인 전문가는 데이터 과학 기술이 비즈니스에 도움을 줄 수 있는 영역을 파악하는 데 매우 중요한 사람이다. 이러한 도메인 전문가가 데이터 과학 방법을 적용할 수 있게 되면 빅데이터와 머신 러닝 기술을 더 광범위한 조직의 서비스와 운영에 신속하게 통합할 수 있으므로, 고객에게 필요한 제품과 서비스를 제공할 때 상당한 경쟁 우위를 확보하게 된다.
▲엔지니어링 주도 분석 아키텍처에서 데이터 과학자의 역할
인간의 개입 없이 조치를 취할 수 있는 자동화된 시스템의 수요가 증가하면서 분석 및 예측 알고리즘을 쉽게 개발할 수 있는 소프트웨어를 필요로 하는 기업들이 늘고 있다. 실제로 제조, 건축, 자동차 및 의료 분야에서는 각각 모니터링 및 유지보수, 에너지 최적화, 사고 발생 방지 및 질병 탐지를 위해 예측적 분석 알고리즘이 활용되고 있다.
영역별 전문지식을 갖춘 도메인 전문가들이 분석을 구축 및 수행하려면, 데이터 과학자 수준의 컴퓨팅 지식과 통계, 수학적 문제 해결 능력을 지녀야 한다. 문제는 이러한 조건을 갖춘 인재를 찾기가 힘들다는 것이다. 맥킨지의 발표에 따르면, 미국에서만 앞으로 수년 안에 고급 분석 기술을 갖춘 전문 인력이 최대 19만 명이나 부족하게 될 것으로 예상되고 있다.
매트랩(MATLAB)은 인터랙티브한 환경 및 강력한 툴 세트를 제공하여 도메인 전문가들도 엔지니어링 및 비즈니스 데이터에 기반한 맞춤형 예측 모델을 쉽게 개발할 수 있도록 한다. 또한 유연한 구축 옵션을 통해 프로덕션 레디 모델을 비즈니스 시스템 및 임베디드 디바이스들로 보다 민첩하게 통합할 수 있다. 다양한 데이터 소스 및 빅데이터를 처리해야 하는 기업들은 자사의 핵심 애플리케이션에 점차 복잡한 기능들을 탑재하고 있다. 머신 러닝 기법은 이러한 애플리케이션에 수집된 데이터를 보다 효율적으로 분석하여 기업들의 지능적인 제품 및 서비스 개발을 향상시키는 데 기여할 것으로 기대된다.
글 세스 딜랜드(Seth DeLand) 매스웍스(MathWorks) 데이터 애널리틱스 제품 마케팅 담당
정리 정가현 기자(eled@hellot.net)
