슬라이드 1

Similar documents
김기남_ATDC2016_160620_[키노트].key

CONTENTS Volume 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내 빅데이터 산 학 연 관

PowerPoint 프레젠테이션

Data Industry White Paper

Hadoop 10주년과 Hadoop3.0의 등장_Dongjin Seo

Cloudera Toolkit (Dark) 2018

2017 1

이제는 쓸모없는 질문들 1. 스마트폰 열기가 과연 계속될까? 2. 언제 스마트폰이 일반 휴대폰을 앞지를까? (2010년 10%, 2012년 33% 예상) 3. 삼성의 스마트폰 OS 바다는 과연 성공할 수 있을까? 지금부터 기업들이 관심 가져야 할 질문들 1. 스마트폰은

Global Bigdata 사용 현황 및 향후 활용 전망 빅데이터 미도입 이유 필요성 못느낌, 분석 가치 판단 불가 향후 투자를 집중할 분야는 보안 모니터링 분야 와 자동화 시스템 분야 빅데이터의 핵심 가치 - 트랜드 예측 과 제품 개선 도움 빅데이터 운영 애로 사항

08SW

001지식백서_4도

AGENDA 모바일 산업의 환경변화 모바일 클라우드 서비스의 등장 모바일 클라우드 서비스 융합사례

[한반도]한국의 ICT 현주소(송부)

그림 2. 5G 연구 단체 현황 앞으로 다가올 미래에는 고품질 멀 티미디어 서비스의 본격화, IoT 서 비스 확산 등의 변화로 인해 기하 급수적인 무선 데이터 트래픽 발생 및 스마트 기기가 폭발적으로 증대 할 것으로 예상된다 앞으로 다가올 미래에는 고품질 멀티미디어 서

歯목차45호.PDF


정보기술응용학회 발표

ETL_project_best_practice1.ppt

백서2011표지


빅데이터_DAY key

Microsoft PowerPoint - 3.공영DBM_최동욱_본부장-중소기업의_실용주의_CRM

SW¹é¼Ł-³¯°³Æ÷ÇÔÇ¥Áö2013

I What is Syrup Store? 1. Syrup Store 2. Syrup Store Component 3.

PowerPoint 프레젠테이션

歯김한석.PDF

sdf

SAS FORUM KOREA 2018_Cloudera_발표

재무성과표 재무 경영실적 진단 및 분석 비재무 성과표 비재무 경영실적 진단 및 분석 외부감사인의 감사보고서 제3자 검증의견서 온실가스 검증의견서 비재무 경영실적 진단 및 분석 Basis of Preparation 03_국제통합보고위원회의 <IR> 프레임워크 국제통합보고

목 차 Ⅰ. 정보기술의 환경 변화 Ⅱ. 차량-IT Convergence Ⅲ. 차량 센서 연계 서비스 Ⅳ. 차량-IT 융합 발전방향

歯이시홍).PDF

Portal_9iAS.ppt [읽기 전용]


SECTION TITLE A PURE PRIMER (AI), // 1

Basic Template

Model Investor MANDO Portal Site People Customer BIS Supplier C R M PLM ERP MES HRIS S C M KMS Web -Based


PowerPoint 프레젠테이션

Intra_DW_Ch4.PDF

<4D F736F F D20B1E2C8B9BDC3B8AEC1EE2DB1E8B1A4BCAE>

쿠폰형_상품소개서


Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤

MobileIron_brochure_2015_6P카탈로그출력

<C7CFB9DDB1E2C3A4BFEB20B8AEC7C3B8B45F FC3D6C1BEB5A5C0CCC5CD5FC0CEBCE2BFEB2E6169>

PowerPoint 프레젠테이션

IT & Future Strategy 보고서 는 21세기 한국사회의 주요 패러다임 변화를 분석하고 이를 토대로 미래 초연결 사회의 주요 이슈를 전망, IT를 통한 해결 방안을 모색하기 위해 한국정보화진흥원 (NIA) 에서 기획, 발간하는 보고서입니 다. NIA 의 승인

김경재 안현철 지능정보연구제 17 권제 4 호 2011 년 12 월

<65B7AFB4D7B7CEB5E5BCEEBFEEBFB5B0E1B0FABAB8B0EDBCAD5FC3D6C1BE2E687770>

PowerPoint 프레젠테이션

歯CRM개괄_허순영.PDF

<4D F736F F D205B4354BDC9C3FEB8AEC6F7C6AE5D3131C8A35FC5ACB6F3BFECB5E520C4C4C7BBC6C320B1E2BCFA20B5BFC7E2>

SchoolNet튜토리얼.PDF

DB진흥원 BIG DATA 전문가로 가는 길 발표자료.pptx

Microsoft PowerPoint - SVPSVI for LGNSYS_ ppt


OUR INSIGHT. YOUR FUTURE. Disclaimer Presentation ( ),. Presentation,..,,,,, (E).,,., Presentation,., Representative.( ). ( ).


Voice Portal using Oracle 9i AS Wireless

시안

<4D F736F F D20C3D6BDC C0CCBDB4202D20BAB9BBE7BABB>

Æí¶÷4-¼Ö·ç¼Çc03ÖÁ¾š

Microsoft Word _Smallcap

<30332DB1E2C8B9C6AFC1FD28B7F9C0E7C8AB D E687770>

Special Theme _ 모바일웹과 스마트폰 본 고에서는 모바일웹에서의 단말 API인 W3C DAP (Device API and Policy) 의 표준 개발 현황에 대해서 살펴보고 관 련하여 개발 중인 사례를 통하여 이해를 돕고자 한다. 2. 웹 애플리케이션과 네이

Ch 1 머신러닝 개요.pptx

레이아웃 1

3Æí2Àå¨éÀç

01 SK표지.indd

산업백서2010표지

대회 조직 대 회 장 서정연(한국정보과학회 회장) 조직위원회 위 원 장 최종원(숙명여대), 홍충선(경희대), 황승구(ETRI) 위 원 강선무(NIA), 김 종(POSTECH), 김철호(ADD), 민경오(LG전자), 박진국(LG CNS), 서형수(알서포트), 엄영익(성균

15_3oracle

ecorp-프로젝트제안서작성실무(양식3)

슬라이드 제목 없음

1 전통 소프트웨어 가. ERP 시장 ERP 업계, 클라우드 기반 서비스로 새로운 활력 모색 - SAP-LGCNS : SAP HANA 클라우드(SAP HEC)를 통해 국내 사례 확보 및 아태 지역 진 출 추진 - 영림원 : 아시아 클라우드 ERP 시장 공략 추진 - 더

지난 10월 6일과 12일

정보화 산업의 발전단계 : 정보혁명의 진화 정보화 산업의 발전단계 1세기에 두 번 정도의 큰 기술혁명이 이루어져 경제성장의 원동력으로 작용 uit 시대는 정보혁명 중 인터넷 이후의 새로운 기술혁명인 컨버전스 기술이 핵심이 되는 시대 uit 시대는 정보화의 극대화와 타

1Æí5Àåc00ç±³¢50è

02.전체교육과정안내서 (김종혁)

Backup Exec

歯I-3_무선통신기반차세대망-조동호.PDF

세션 Tutorial 1 강연 시간 5/11(수) 09:30-11:30 주 제 5G System: Vision & Enabling Technologies 성 명 강충구 소속기관명 고려대학교 부서/학과명 전기전자공학부 직 위 교수 5G 이동통신의 응용 분야에 따른 기술

논단 : 제조업 고부가가치화를 통한 산업 경쟁력 강화방안 입지동향 정책동향 <그림 1> ICT융합 시장 전망 , 년 2015년 2020년 <세계 ICT융합 시장(조 달러)> 2010년 2015년 2020년 <국내 ICT

<C7C1B8AEB9CCBEF6B8AEC6F7C6AE31342D30392E687770>

Slide 1

°í¼®ÁÖ Ãâ·Â

Yggdrash White Paper Kr_ver 0.18

<332E20BDC5B9AEB1E2BBE72E687770>

슬라이드 1

Microsoft Word - 김창환.doc

DW 개요.PDF

Microsoft Word doc

AT_GraduateProgram.key

미래 서비스를 위한 스마트 클라우드 모델 수동적으로 웹에 접속을 해야만 요구에 맞는 서비스를 받을 수 있었다. 수동적인 아닌 사용자의 상황에 필요한 정보를 지능적으로 파악 하여 그에 맞는 적합한 서비스 를 제공할 수 새로운 연구 개발이 요구 되고 있다. 이를 위하여,

untitled

Agenda

untitled

<BDBAB8B6C6AE20BAF2B9F0C0C720BDC3B4EB20BEDBB0E6BFB5C0CC20BFC2B4D95FB1E8C1BEBDC22E687770>

오픈데크넷서밋_Spark Overview _SK주식회사 이상훈

Windows Embedded Compact 2013 [그림 1]은 Windows CE 로 알려진 Microsoft의 Windows Embedded Compact OS의 history를 보여주고 있다. [표 1] 은 각 Windows CE 버전들의 주요 특징들을 담고

Transcription:

Data-driven Industry Reinvention All Things Data Con 2016, Opening speech SKT 종합기술원 최진성원장

Big Data Landscape Expansion Big Data Tech/Biz 진화방향 SK Telecom Big Data Activities Lesson Learned and Other Topics Industry Reinvention

Big Data Landscape Expansion Big Data Tech/Biz eco-system 은 Intelligence 강화, 다양한 Industry 접목등을통해비약적으로확장중 2012 2016

참조. Evolution of Hadoop eco-system The stack is is continually evolving and growing Falcon Knox Flink Kudu RecordService Ibis Parquet Sentry Flume Bigtop Oozie Hcatalog Hue Spark Tez Impala Kafka Drill Sqoop Avro Core Hadoop (HDFS, MR) Solr Pig Hbase Zookeeper Hive Mahout

참조. Data analysis process

Big Data Tech/Biz 진화방향 (1/3) IoT 확산에따라심화되고있는 3V(velocity, volume, variety) 에대응하여 Big Data 기술진화중 Variety : Text, web behavior log Multimedia, machine log Velocity : Batch Real Time Volume : GB, TB PB, ZB IoT 전용망도입및확산 Self Driving/Connected Car 확산 Cellular N/W (2G, 3G, 4G, 5G) IoT Device 폭발적증가

Big Data Tech/Biz 진화방향 (2/3) Legacy analytics tool 을지원하는 Cost effective Infra (computing/storage) 관점의활용에서 분산환경 ML/DL 기반의 Intelligence analytics 까지수용하는형태로발전 Enterprise-level 기능 / 성능 Advanced Analytics ML/ DL Big Data 1.0 Big Data 2.0 Big Data 3.0 & beyond Big Data Technology Evolution Birth (HDFS, MapReduce, Hive, etc.) Growth in Storage/Computing (Hbase, Spark, Yarn, etc.) Integration Era of Infra and Intelligence (SparkML, Mahout, H2O, TensorFlow, etc.)

참조. Big Data 세부기술 Life cycle TechRadar : Big Data, Q1 2016, Forrester Research report

참조. Data Science Value Chain

Big Data Tech/Biz 진화방향 (3/3) Big Data / AI 기술이다양한산업영역에적용되어 Biz Reinvention 을일으키고있음 Various Industry 접목 (As-is) : 항공기엔진제조 엔진원격관리서비스 : AI 기반주식거래시스템, Robo-adviser ICT 산업중심활용 (As-was) 5.5 조 < 80 조 24 조 < 35 조

SK Telecom Big Data 관련 Activities (1/3) SKT 내부활용과함께기술공급자관점에서 Big Data B2B 솔루션의외부사업화를추진중 SKT 내부활용외부사업화 (Hi-Tech 제조업등 ) Marketing 효율화 : Voc 분석, Target marketing 등 실시간 FDC (Fault Detection & Classification) 패턴분석 Network 품질최적화 : OSS, APOLLO 대용량미세품질분석

참조. Hi-Tech 제조업의 Big data 기술활용사례 Big Data 기술활용 Before & After 정량적 BEFORE 정성적 Data Storage Size AFTER BEFORE AFTER Batch (Near) Real Time 1.5PB 분석처리시간 20 분 10 시간 ` 100TB 3 개월 12 개월 저장기간 단일공정 / 장비분석 ` 통합연계분석 500GB 300 개 IT supported & Static Analysis Self & Dynamic Analysis 15TB 15 만개 1 회분석량분석대상 parameter 수 Descriptive Analysis Predictive Analysis

SK Telecom Big Data 관련 Activities (2/3) Big Data, 음성 / 영상인식, 자연어처리기술등을융합하여 intelligence B2C 서비스제공추진중 [ Developers ] [ Intelligence Platform ] [ Smart Device ] [ Service ] ML/DL 음성인식 Backend Platform R&D User Interface ML Library Frontend Platform API / SDK T map 영상인식자연어처리 Infra Software (Hadoop, GPUs) Knowledge T Phone 3rd party Tech. Melon Text Speech Video Sensor Data

SK Telecom Big Data 관련 Activities (3/3) IoT 확산을위해 IoT 전용전국망 (LoRa) 및 IoT platform (ThingPlug) 구축을추진함 Service Platform Network Device

Lesson Learned and Other Topics Lesson Learned Other Topics 시행착오가필요한 emerging 영역으로서, Small start, Scale later 접근방식이선호됨 대부분의 Big data 과제는 BI 에서시작하여 New value creation 으로전이함 Raw data 는 Data lake 를통해저장하고, 단위시스템별로필요한가공데이터를 feeding 받는구조가이상적인형태임 Big data 기술은다양한응용 / 산업과융합될때 potential 이더큰 Enabling tech. 임 Ex. 자율주행차, Industry 4.0, O2O 등 ` Machine Learning & Big Data In-Memory Processing Data Discovery & Self-Service LOD & 정부 3.0 Spark 2.0 & Dataframe, ` Dataset and Structured Streaming KeyValue & Distributed File Stores Decision support vs. Decision making Definition of Intelligent Data H2O & Druid

Industry Reinvention ICT Tech. 공급자와 Domain 수요자간의협업을통한 Industry Reinvention Industry Customer Domain knowledge Enabling Industry Reinvention Digitalization Connectivity Automation & Intelligence SK 텔레콤 & Biz partner ICT Tech. Expertise

Appendix 1. Top 10 Machine Learning Algorithms 1. 1. Naïve Bayes Classifier 1. 2. Naïve K-Means Bayes Clustering Classifier 3. 1. Support Naïve Bayes Vector Classifier Machine 4. Apriori Algorithm 5. Linear Regression 6. Logistic Regression 7. Artificial Neural Networks 1. Naïve 8. Random Bayes Forests Classifier 1. Naïve 9. Decision Bayes Classifier Trees 1. 10. Naïve Nearest Bayes Neighbors Classifier

Appendix 2. Scikit-learn algorithm cheat-sheet

Appendix 3. Machine Learning Algorithms Mindmap

SK Telecom 의 Big Data Forum

SK Telecom 의 Open Innovation channel https://developers.sktelecom.com

Thank you