QR/바코드 검색
품목정보
| 발행일 | 2024년 08월 12일 |
|---|---|
| 쪽수, 무게, 크기 | 252쪽 | 142*210*20mm |
| ISBN13 | 9791198613653 |
| ISBN10 | 1198613653 |
- 정가
- 19,000원
- 판매가
- 17,100원 (10% 할인)
- 결제혜택
- 카드/간편결제 혜택을 확인하세요 ?
- 배송안내
-
7/29(월) 발송예정(예약판매)
- 배송비 : 무료 ?
예정일 이후 1~2일 이내 수령
eBook이 출간되면 알려드립니다.
eBook 출간 알림 신청
- 국내배송만 가능
- 최저가 보상
- 예약도서와 함께 주문 시 도서 출간일에 함께 배송됩니다. (출판사의 사정으로 출간 지연 가능)
- 문화비소득공제 신청가능
.jpg)
.jpg)
관련분류
책소개 책소개 보이기/감추기
상품 이미지를 확대해서 볼 수 있습니다.
원본 이미지
목차 목차 보이기/감추기
상세 이미지 상세 이미지 보이기/감추기
상품 이미지를 확대해서 볼 수 있습니다.
원본 이미지
저자 소개 (1명)
책 속으로 책속으로 보이기/감추기
디지털 전환 조직을 IT 조직과 별도의 조직으로 구성하거나, 현업 인재를 선발하여 디지털 전환 과제를 수행하게 하는 조직이 대부분 이와 유사한 시행착오를 경험한다. 이런 경험은 국내뿐 아니라 글로벌한 현상이기도 하다. 가트너는 이러한 문제를 해결하기 위한 최적의 조직 모델로 ‘퓨전 팀’을 제안했다. 이는 현업의 도메인 지식을 보유한 인재, 데이터 분석가, 기존 IT 인력(개발자, 인프라 전문가, DBA 등) 을 혼합하여 조직을 구성해서 디지털 전환 프로젝트를 수행하는 모델을 의미한다. 이는 애자일 조직과도 유사한 면이 있다. 즉, 기존 조직 구조를 그대로 유지하면서 과제에 필요한 다양한 인력을 모아 태스크포스 형태로 조직을 운영하거나, 아예 퓨전 조직을 새롭게 구성하는 방법이다.
--- p.28
PaaS는 프로젝트의 근본 목적을 달성하는 데 매우 유용한 도구다. 예를 들어, 데이터 기반 의사결정을 위한 대시보드 시스템을 구축한다고 가정하면, 업무 영역은 크게 데이터 분석 플랫폼과 시각화 부분으로 나눌 수 있다. 일반적으로 데이터 분석 플랫폼 구축이 시각화보다 훨씬 더 복잡하고 어렵다. 확보된 자원과 역량이 충분하다면, 자체 데이터 분석 플랫폼을 구축하는 것이 좋지만, 서비스 방식으로 제공되는 PaaS를 활용하면 플랫폼 구축에 드는 시간, 비용, 그리고 리스크를 상당히 절감할 수 있다. 따라서 자체적으로 플랫폼을 구축하기가 부담스럽다면, PaaS를 사용하는 것이 좋다. 검증된 PaaS를 활용하면, 도구를 구축하는 데 시간을 낭비하지 않고 프로젝트의 핵심에 집중할 수 있다.
--- pp.70-71
그렇다면 AI에서 모델은 무엇일까? 모델은 여러 개의 알고리즘, 개발, 데이터, 학습 등 다양한 요소의 집합체를 의미한다. AI 프로젝트를 수행하면 ‘AI 모델’이 만들어지는데, ‘설비 예지보전 모델’, ‘자동차 파손 부위 식별 모델’, ‘실손 보험 심사 모델’ 등이 바로 모델의 예라고 할 수 있다. 한 마디로 모델은 알고리즘, 학습용 데이터, 개발을 통해 문제를 해결하는 데 사용되는 것으로, 이 개념을 명확하게 이해하지 못하면 ‘알고리즘을 개발했다’라거나 ‘모델을 개발했다’라는 식의 표현을 혼용하게 된다. 그리고 모델 개발에는 학습용 데이터가 필요하다. 학습용 데이터 없이는 모델을 만들 수 없다.
--- p.150
생성형 AI는 딥러닝에 속하며, 특히 텍스트 생성 기능이 많이 활용되기 때문에 자연어 처리 기술이 사용된다. 자연어 처리 기능은 사람이 사용하는 자연어의 의미를 분석하여 컴퓨터가 이를 이해하고 처리할 수 있도록 하는 기술이다. 이미지 생성을 담당하는 생성형 AI는 컴퓨터 비전과 관련이 있다. 컴퓨터 비전은 이미지 인식, 물체 인식, 처리 등을 다루는 AI 코어 기술 중 하나다. 간단히 말하면, 생성형 AI와 대규모 언어 모델은 딥러닝, 자연어 처리, 컴퓨터 비전의 결합으로 이루어져 있다.
--- p.193
sLLM은 작은 규모의 언어 모델로 기업에서 보안을 유지하면서도 원하는 내용을 학습시킬 수 있는 모델이다. LLM은 범용적 모델로 데이터 세트가 매우 커서 학습에 상당한 비용이 수반되며, 기업에 맞게 커스터마이징하기 어렵다는 단점이 있다. 반면에 sLLM은 범용 목적이 아니기 때문에 반드시 대규모로 학습시킬 필요가 없다. 말을 생성하는 기능은 기본 언어 모델을 사용하되 기업에서 필요한 데이터 세트로 학습시킬 수 있다. 이는 기존 LLM에서 학습이 안 되는 문제를 해결할 뿐만 아니라, 소규모 모델이라 대규모 GPU가 필요 없고 큰 비용이 들지도 않는다. 그리고 sLLM에서 이뤄지는 질의응답이 외부에 노출되지 않아 보안 이슈도 해결할 수 있다.
--- pp.206-207
문서 분석 메뉴에서 사용자에게 보이는 것은 챗봇이지만, 그 뒤에는 데이터를 수집, 분석, 시각화하는 클라우드 기반의 데이터 분석 플랫폼이 구성되어 있어서 원본 데이터에서 생성형 AI까지의 연결이 훨씬 더 수월하다. 이 문서 분석 메뉴는 AWS 위에 데이터브릭스를 구축하고, MS 애저 오픈AI를 활용하여 생성형 AI 기반 챗봇 서비스를 구성했다. 이 사례는 한국 기업 최초로 가트너의 Customer Success Story 웹사이트에 소개되었을 뿐만 아니라, 데이터브릭스의 Customer Story에도 등재되었다.
--- p.28
PaaS는 프로젝트의 근본 목적을 달성하는 데 매우 유용한 도구다. 예를 들어, 데이터 기반 의사결정을 위한 대시보드 시스템을 구축한다고 가정하면, 업무 영역은 크게 데이터 분석 플랫폼과 시각화 부분으로 나눌 수 있다. 일반적으로 데이터 분석 플랫폼 구축이 시각화보다 훨씬 더 복잡하고 어렵다. 확보된 자원과 역량이 충분하다면, 자체 데이터 분석 플랫폼을 구축하는 것이 좋지만, 서비스 방식으로 제공되는 PaaS를 활용하면 플랫폼 구축에 드는 시간, 비용, 그리고 리스크를 상당히 절감할 수 있다. 따라서 자체적으로 플랫폼을 구축하기가 부담스럽다면, PaaS를 사용하는 것이 좋다. 검증된 PaaS를 활용하면, 도구를 구축하는 데 시간을 낭비하지 않고 프로젝트의 핵심에 집중할 수 있다.
--- pp.70-71
그렇다면 AI에서 모델은 무엇일까? 모델은 여러 개의 알고리즘, 개발, 데이터, 학습 등 다양한 요소의 집합체를 의미한다. AI 프로젝트를 수행하면 ‘AI 모델’이 만들어지는데, ‘설비 예지보전 모델’, ‘자동차 파손 부위 식별 모델’, ‘실손 보험 심사 모델’ 등이 바로 모델의 예라고 할 수 있다. 한 마디로 모델은 알고리즘, 학습용 데이터, 개발을 통해 문제를 해결하는 데 사용되는 것으로, 이 개념을 명확하게 이해하지 못하면 ‘알고리즘을 개발했다’라거나 ‘모델을 개발했다’라는 식의 표현을 혼용하게 된다. 그리고 모델 개발에는 학습용 데이터가 필요하다. 학습용 데이터 없이는 모델을 만들 수 없다.
--- p.150
생성형 AI는 딥러닝에 속하며, 특히 텍스트 생성 기능이 많이 활용되기 때문에 자연어 처리 기술이 사용된다. 자연어 처리 기능은 사람이 사용하는 자연어의 의미를 분석하여 컴퓨터가 이를 이해하고 처리할 수 있도록 하는 기술이다. 이미지 생성을 담당하는 생성형 AI는 컴퓨터 비전과 관련이 있다. 컴퓨터 비전은 이미지 인식, 물체 인식, 처리 등을 다루는 AI 코어 기술 중 하나다. 간단히 말하면, 생성형 AI와 대규모 언어 모델은 딥러닝, 자연어 처리, 컴퓨터 비전의 결합으로 이루어져 있다.
--- p.193
sLLM은 작은 규모의 언어 모델로 기업에서 보안을 유지하면서도 원하는 내용을 학습시킬 수 있는 모델이다. LLM은 범용적 모델로 데이터 세트가 매우 커서 학습에 상당한 비용이 수반되며, 기업에 맞게 커스터마이징하기 어렵다는 단점이 있다. 반면에 sLLM은 범용 목적이 아니기 때문에 반드시 대규모로 학습시킬 필요가 없다. 말을 생성하는 기능은 기본 언어 모델을 사용하되 기업에서 필요한 데이터 세트로 학습시킬 수 있다. 이는 기존 LLM에서 학습이 안 되는 문제를 해결할 뿐만 아니라, 소규모 모델이라 대규모 GPU가 필요 없고 큰 비용이 들지도 않는다. 그리고 sLLM에서 이뤄지는 질의응답이 외부에 노출되지 않아 보안 이슈도 해결할 수 있다.
--- pp.206-207
문서 분석 메뉴에서 사용자에게 보이는 것은 챗봇이지만, 그 뒤에는 데이터를 수집, 분석, 시각화하는 클라우드 기반의 데이터 분석 플랫폼이 구성되어 있어서 원본 데이터에서 생성형 AI까지의 연결이 훨씬 더 수월하다. 이 문서 분석 메뉴는 AWS 위에 데이터브릭스를 구축하고, MS 애저 오픈AI를 활용하여 생성형 AI 기반 챗봇 서비스를 구성했다. 이 사례는 한국 기업 최초로 가트너의 Customer Success Story 웹사이트에 소개되었을 뿐만 아니라, 데이터브릭스의 Customer Story에도 등재되었다.
--- p.226
출판사 리뷰 출판사 리뷰 보이기/감추기
추천평 추천평 보이기/감추기
대기업의 CIO로서 AI/빅데이터/클라우드 기반 디지털 전환 전략을 수립하고 실제 이를 성공시킨 경험과 고민이 함께 어우러진 흔치 않은 책이다. IT산업에 몸담고 있는 사람들뿐만 아니라, 디지털 전환이 절실한 리더들이 꼭 읽어야 할 책이다.
- 어성철 (한화시스템 대표이사)
디지털 전환에 대한 저자의 생생한 현장 경험을 바탕으로 쓴 이 책은 AI 시대 디지털 전환을 추진하는 분들에게 소중한 나침반이 될 것이다. AI 시대 디지털 전환을 어떻게 준비해야 하는지 고민하는 분들에게 이 책을 추천한다.
- 조중래 (고려대학교 기술경영전문대학원 특임교수)
이 책은 하버드 경영대학원에서도 중요한 주제로 다루고 있는 디지털 전환에 관해 기본 개념부터 관련 기술까지 저자의 경험을 담아서 매우 쉽게 서술하고 있다. 디지털 전환을 준비하고 실행하는 리더들에게 이 책을 추천한다.
- 장진원 (하버드 경영대학원 AMP 한국총동문회장, EY한영 부회장)
1944년 디지털 컴퓨터 Harvard Mark 1이 발명된 지 불과 100년도 안 된 기간에 디지털 기술이 인류의 삶과 경쟁력에 핵심으로 자리를 잡았다. 그리고 최근에 시작된 AI라는 혁신은 미래의 세상을 어떤 모습으로 바꿀지 예측조차 어렵게 하고 있다. 이런 상황에서 저자의 생생한 현장 경험과 경영학적 혜안을 담고 있는 이 책은 빠르게 변화하는 디지털 세상을 안내하는 지도가 될 것이라 믿는다.
- 이준용 (미래에셋자산운용 부회장/대표이사)
디지털 전환이라는 용어조차 생소한 시절부터 현장을 누비며 체득한 저자의 살아 있는 지식이 한 권의 책으로 잘 정리되었다. 이 책은 많은 리더에게 디지털 혁신의 큰 원군이 될 것이다.
- 백진욱 (코아팜바이오 대표이사)
회원리뷰 (0건) 회원리뷰 이동
첫번째 리뷰어가 되어주세요.
한줄평 (0건) 한줄평 이동
첫번째 한줄평을 남겨주세요.
배송/반품/교환 안내
배송 안내
| 배송 구분 |
예스24 배송
|
|---|---|
| 포장 안내 |
안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다.
목적 : 안전한 포장 관리 |
반품/교환 안내
상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)
| 반품/교환 방법 |
|
|---|---|
| 반품/교환 가능기간 |
|
| 반품/교환 비용 |
|
| 반품/교환 불가사유 |
|
| 소비자 피해보상 |
|
| 환불 지연에 따른 배상 |
|
