-
AI 비슷한 사람들끼리 모아드립니다: 머신러닝의 군집 분석과 고객 지도
수많은 사람들이 오가는 대형 백화점이나 온라인 쇼핑몰에는 이름표가 붙어 있지 않은 방대한 고객 데이터가 쌓인다. 누가 어떤 취향을 가졌는지 명확한 정답이 없는 상태에서, 기업들은 어떻게 비슷한 성향의 사람들을 찾아내어 맞춤형 서비스를 제공할 수 있을까. 그 해답은 머신러닝의 한 분야인 비지도 학습, 특히 군집 분석이라는 데이터 가공 기술에 숨어 있다. 군집 분석은 정답을 가르쳐주지 않아도 인공지능이 알아서 데이터의 특징을 파악해 비슷한 것들끼리 무리를 지어주는 알고리즘이다. 가장 널리 쓰이는 방법 중 하나인 케이 평균 알고리즘을 예로 들면 그 원리는 생각보다 단순하다. 컴퓨터는 먼저 데이터를 가상의 공간에 점으로 흩뿌린 뒤, 임의의 중심점들을 몇 개 잡는다. 그리고 각 데이터가 어느 중심점과 통계적으로 가장 가까운지 거리를 계산하여 무리를 짓는 과정을 반복한다. 이러한 거리 계산이 정확하게 이루어지기 위해서는 데이터 전처리가 필수적이다. 나이, 구매 금액, 방문 횟수 등 단위와 크기가 전혀 다른 데이터들을 그대로 사용하면 왜곡이 발생하기 때문이다. 따라서 모든 수치를 일정한 기준으로 맞추는 정규화 작업을 거쳐야만 인공지능이 거리를 공평하게 측정할 수 있다.
- 주택규 기자
- 2026-04-03 09:56
-
AI 숫자가 건네는 위로: 헬스케어 데이터가 질병을 예측하는 가공의 미학
우리의 손목 위에서 쉼 없이 움직이는 스마트워치는 단순한 시계 이상의 역할을 수행한다. 심박수, 혈중 산소포도, 수면 단계와 같은 미세한 생체 정보들이 초 단위로 수집되어 데이터의 바다를 이룬다. 이렇게 수집된 원시 데이터는 그 자체로는 불규칙한 숫자의 나열에 불과하지만, 정교한 가공 과정을 거치면 우리의 건강 상태를 알려주는 소중한 지표로 탈바꿈한다. 헬스케어 데이터 가공의 핵심은 실시간으로 유입되는 방대한 정보 속에서 노이즈를 제거하는 전처리 기술에 있다. 운동 중의 급격한 움직임이나 기기 착용 상태에 따라 발생하는 오차를 통계적 방법으로 걸러내야만 정확한 분석이 가능하다. 이렇게 정제된 데이터는 머신러닝 알고리즘을 통해 개인의 평소 건강 패턴을 학습한다. 인공지능은 사용자의 과거 기록과 대조하여 평소보다 심박수가 비정상적으로 높거나 수면의 질이 급격히 떨어지는 순간을 이상 징후로 포착한다. 데이터 사이언스는 단순히 질병을 사후에 진단하는 것을 넘어 미리 예측하고 예방하는 단계로 나아가고 있다. 수만 명의 유사한 건강 데이터를 비교 분석하여 특정 질환이 발생하기 전의 공통적인 데이터 변화를 찾아내는 것이다. 이러한 복잡한 분석 결과는 직관적인 시각화 도구
- 주택규 기자
- 2026-04-01 11:28
-
AI 보이지 않는 도둑을 잡는 수의 감각: 이상 탐지 기술
우리가 평소처럼 신용카드를 사용하다가 갑자기 해외에서 거액이 결제되거나 평소 소비 패턴과 전혀 다른 거래가 발생하면 카드사로부터 확인 요청이 오곤 한다. 수조 건의 결제 데이터 속에서 단 몇 건의 수상한 거래를 실시간으로 찾아내는 이 기술의 정체는 바로 이상 탐지이다. 이는 방대한 데이터를 가공하여 정상적인 범위를 설정하고, 그 경계를 벗어나는 아주 미세한 뒤틀림을 통계적으로 잡아내는 인공지능의 감각이다. 이상 탐지의 첫걸음은 정상 상태의 데이터를 정의하는 정교한 가공 과정에 있다. 시스템은 사용자의 평소 결제 시간, 장소, 금액, 업종 등을 시계열 데이터로 수집하고 전처리한다. 이 과정에서 개인의 평균적인 생활 패턴이 하나의 수치화된 지도로 그려진다. 통계적 모델은 이 지도를 바탕으로 데이터가 밀집된 정상 영역을 설정하는데, 만약 새롭게 입력된 데이터가 이 영역에서 멀리 떨어진 외딴곳에 찍힌다면 이를 이상 징후로 판단한다. 이 기술은 금융 보안을 넘어 산업 현장에서도 빛을 발한다. 공장의 기계에 부착된 센서 데이터를 실시간으로 가공하여 진동이나 온도의 미세한 변화를 분석한다. 겉으로는 멀쩡해 보이는 장비라도 데이터상에서 평소와 다른 미세한 파동이 감지되면
- 주택규 기자
- 2026-03-31 15:06
-
AI 자연어의 마법: 컴퓨터가 인간의 문장을 숫자로 이해하는 방식
컴퓨터는 태생적으로 숫자만을 이해하는 기계이다. 하지만 오늘날의 인공지능은 우리가 일상적으로 사용하는 언어인 자연어를 능숙하게 주고받으며 질문에 답하고 글을 쓴다. 딱딱한 기계가 어떻게 인간의 복잡 미묘한 문장을 이해하는 것일까. 그 비밀은 문자를 정교한 수치 데이터로 변환하고 가공하는 자연어 처리 기술에 숨어 있다. 단순히 글자를 입력받는 것을 넘어 의미를 파악하기 위해서는 먼저 텍스트를 정제하는 전처리 과정이 필요하다. 문장에서 의미 없는 조사나 구두점을 제거하고 단어의 뿌리가 되는 어근만을 남기는 토큰화 작업을 거친다. 이렇게 쪼개진 단어들은 숫자로 치환되는데, 과거에는 단순히 순서대로 번호를 매겼다면 현대의 인공지능은 단어를 벡터라고 불리는 수천 차원의 공간상 좌표로 변환한다. 이 가공 방식의 핵심은 비슷한 의미를 가진 단어들을 공간상에서 가깝게 배치하는 통계적 학습에 있다. 예를 들어 왕과 여왕이라는 단어는 공간상에서 비슷한 위치에 놓이게 되며, 이들 사이의 거리와 방향을 계산하면 단어 간의 관계를 수치로 파악할 수 있다. 컴퓨터는 문장을 읽는 것이 아니라 수많은 숫자 좌표들 사이의 거리를 측정하며 문맥을 이해하는 셈이다. 잘 가공된 단어의 좌표값들
- 주택규 기자
- 2026-03-30 09:03
-
AI 숫자로 분류하는 세상: 머신러닝이 스팸 메일을 걸러내는 통계적 방법
우리가 매일 사용하는 이메일함에는 보이지 않는 파수꾼이 살고 있다. 바로 스팸 메일 차단 시스템이다. 광고나 사기성 메일이 수시로 쏟아짐에도 불구하고 우리의 편지함이 비교적 깨끗하게 유지되는 비결은 머신러닝이 데이터를 정교하게 가공하여 숫자로 분류하기 때문이다. 컴퓨터는 이메일의 내용을 읽고 감정을 느끼는 것이 아니라, 텍스트를 통계적 수치로 변환하여 스팸 여부를 판단한다. 스팸 분류의 첫 단계는 텍스트 데이터의 전처리이다. 컴퓨터는 문장 전체를 그대로 이해하기 어렵기 때문에 문장을 단어 단위로 쪼개는 과정을 거친다. 의미 없는 조사나 기호를 제거하고 단어의 원형만을 남기는 정제 과정을 거치면 비로소 분석을 위한 준비가 끝난다. 이렇게 가공된 데이터는 각 단어가 스팸 메일과 정상 메일에 나타날 확률을 계산하는 통계 모델에 입력된다. 여기에 사용되는 대표적인 기법이 베이즈 정리라는 통계적 방법이다. 예를 들어 '무료', '당첨', '광고'와 같은 단어가 포함되었을 때 해당 메일이 스팸일 확률을 과거 데이터를 바탕으로 계산하는 식이다. 머신러닝 모델은 수만 건의 데이터를 학습하며 특정 단어 조합이 나타날 때의 위험 수치를 정밀하게 다듬는다. 단순히 단어 하나만
- 주택규 기자
- 2026-03-27 09:21
-
AI AI의 눈, 합성곱 신경망: 사진 한 장에서 사물을 구별하는 원리
우리가 스마트폰으로 사진을 찍을 때 인공지능이 자동으로 사람의 얼굴이나 풍경을 인식하는 것은 이제 일상이 되었다. 컴퓨터는 인간처럼 눈으로 세상을 보는 것이 아니라 사진을 수많은 숫자의 집합으로 받아들인다. 이러한 이미지 데이터를 효과적으로 가공하고 분석하여 사물을 식별해내는 핵심 기술이 바로 합성곱 신경망, 즉 CNN이다. 이미지는 수천, 수만 개의 작은 점인 픽셀로 이루어져 있으며 각 픽셀은 색상 정보를 담은 숫자로 표현된다. CNN의 첫 번째 단계는 이 거대한 숫자 판에서 유의미한 특징을 찾아내는 전처리 과정이다. 필터라고 불리는 작은 격자가 이미지를 훑으며 선, 면, 대각선과 같은 기초적인 시각 정보를 추출한다. 이 과정에서 복잡한 원본 데이터는 사물의 특징만 강조된 정제된 데이터로 변환된다. 추출된 특징들은 여러 층의 신경망을 거치며 더욱 구체화된다. 처음에는 단순한 직선이나 곡선을 구분하던 데이터가 층을 깊게 통과할수록 눈, 코, 입과 같은 구체적인 형태를 형성하게 된다. 이는 마치 화가가 밑그림을 그리고 점차 세부 묘사를 더해가는 과정과 유사하다. 데이터 사이언티스트들은 이 과정에서 데이터의 크기를 줄여 핵심 정보만 남기는 풀링 작업을 통해 분석
- 주택규 기자
- 2026-03-26 08:56
-
AI 쇼핑몰의 독심술: 장바구니 분석과 연관 규칙 학습의 통계학
대형 마트나 온라인 쇼핑몰에 접속하면 우리가 평소 필요로 하던 물건들이 약속이라도 한 듯 나란히 추천되는 것을 볼 수 있다. 이는 단순한 우연이 아니라 방대한 결제 데이터를 가공하고 분석하여 소비자도 모르는 구매 패턴을 찾아낸 결과이다. 데이터 사이언스 분야에서는 이를 장바구니 분석이라 부르며 그 핵심에는 연관 규칙 학습이라는 통계적 방법이 자리 잡고 있다. 장바구니 분석의 가장 유명한 사례는 기저귀와 맥주의 상관관계이다. 데이터를 분석해 보니 퇴근길에 아내의 부탁으로 기저귀를 사러 온 남편들이 보상 심리로 맥주를 함께 구매하는 경향이 뚜렷하게 나타난 것이다. 이러한 유의미한 규칙을 찾아내기 위해 분석가들은 세 가지 주요 지표를 활용한다. 얼마나 자주 같이 팔리는지를 나타내는 지지도, A를 샀을 때 B를 살 확률인 신뢰도, 그리고 두 상품의 연관성이 우연인지 실제 관계인지를 측정하는 향상도가 그것이다. 이 과정에서 데이터 전처리는 필수적인 단계이다. 수백만 건의 영수증 데이터에는 개별 상품명부터 결제 시간, 매장 위치 등 복잡한 정보가 섞여 있다. 분석 모델이 학습하기 좋게 상품들을 카테고리로 묶거나 중복 데이터를 제거하는 가공 과정을 거쳐야만 비로소 정확한
- 주택규 기자
- 2026-03-24 14:11
-
AI 숫자로 그리는 미래 지도: 시계열 분석과 데이터 시각화의 힘
우리는 매일 일기예보를 확인하고 주식 시장의 흐름을 살피며 내일을 준비한다. 이처럼 시간의 흐름에 따라 기록된 데이터를 시계열 데이터라고 부른다. 단순히 나열된 숫자 더미처럼 보이지만, 그 속에는 일정한 규칙과 반복되는 패턴이 숨어 있다. 데이터 사이언티스트들은 이 복잡한 숫자들 사이에서 의미 있는 신호를 찾아내 미래를 예측하는 지도를 그려낸다. 시계열 분석의 핵심은 먼저 데이터를 깨끗하게 가공하는 전처리 과정에 있다. 수집된 원본 데이터에는 측정 오류나 일시적인 소음과 같은 노이즈가 섞여 있기 마련이다. 이동평균법과 같은 통계적 방법을 활용해 들쭉날쭉한 수치를 매끄럽게 다듬으면 데이터가 가진 본래의 흐름이 드러난다. 여기에 계절성 수치를 고려하면 명절에 교통량이 급증하거나 여름에 빙과류 판매량이 늘어나는 것과 같은 주기적인 특성까지 파악할 수 있게 된다. 이렇게 가공된 데이터는 머신러닝 알고리즘을 만나 더욱 강력해진다. 과거의 수많은 패턴을 학습한 모델은 현재의 위치를 파악하고 앞으로 일어날 변화를 확률적으로 제시한다. 하지만 아무리 정교한 수식과 알고리즘이 동원되어도 그 결과를 숫자로만 나열한다면 대중이 이해하기 어렵다. 여기서 데이터 시각화의 진가가 발
- 주택규 기자
- 2026-03-23 09:02
-
AI 쓰레기 데이터가 들어오면 쓰레기가 나온다, 데이터 전처리의 마법
컴퓨터 과학과 데이터 분석 분야에는 가비지 인, 가비지 아웃(Garbage In, Garbage Out)이라는 유명한 격언이 있다. 쓰레기가 들어가면 쓰레기가 나온다는 뜻으로, 아무리 성능이 뛰어난 인공지능이나 통계 모델을 사용하더라도 분석의 재료가 되는 데이터 자체가 오염되어 있다면 그 결과물 역시 가치가 없다는 의미이다. 데이터를 수집하고 나서 분석에 들어가기 전, 이를 깨끗하게 닦고 조이는 전처리 과정이 중요한 이유가 바로 여기에 있다. 실제 세상에서 수집되는 데이터는 결코 완벽하지 않다. 설문조사에서 응답자가 답변을 빠뜨려 비어 있는 칸이 생기기도 하고, 센서 오작동으로 인해 말도 안 되게 높거나 낮은 수치가 기록되기도 한다. 예를 들어 학생들의 평균 키를 조사하는데 실수로 3미터라는 수치가 섞여 들어간다면 전체 평균은 크게 왜곡된다. 데이터 사이언티스트는 이런 이상치와 결측치를 찾아내어 제거하거나 적절한 값으로 대체하는 전처리 작업을 거친다. 또한 데이터의 형식을 통일하는 과정도 필수적이다. 어떤 데이터는 미터 단위로 기록되고 어떤 데이터는 센티미터 단위로 기록되어 있다면 이를 하나로 맞추지 않고서는 올바른 비교 분석이 불가능하다. 단순히 데이터를
- 주택규 기자
- 2026-03-20 09:08
-
AI 길거리 쓰레기통 위치의 비밀, 공공 데이터를 활용한 도시 설계
도심 한복판, 목이 말라 마신 음료수 캔을 버리려는데 쓰레기통이 보이지 않아 난처했던 경험이 누구나 한 번쯤 있을 것이다. 반면, 어떤 곳은 쓰레기통이 너무 자주 보여 관리가 안 되는 것처럼 느껴지기도 한다. 우리가 무심코 지나치는 길거리 쓰레기통의 위치는 단순히 감에 의존해 결정된 것이 아니다. 그 이면에는 방대한 공공 데이터 수집과 과학적인 통계 분석이 숨어 있다. 현대 도시 설계에서 쓰레기통 배치 문제를 해결하기 위해 가장 먼저 활용하는 것은 유동 인구 데이터이다. 통신사 기지국 정보나 교통카드 이용 내역 등을 통해 도시의 어느 구역에 사람들이 많이 몰리고, 어떤 경로로 이동하는지 파악한다. 단순히 사람이 많은 곳뿐만 아니라, 음료수를 사서 들고 다니는 시간이 대략 어느 정도인지, 즉 어느 지점에서 쓰레기가 발생할 확률이 높은지까지 예측한다. 이는 데이터 전처리 과정을 거쳐 분석 가능한 형태로 가공된다. 수집된 데이터는 공간 통계 분석을 통해 구체적인 위치로 환산된다. 특정 구역 내의 유동 인구 밀도와 기존 쓰레기통 간의 거리를 고려하여, 가장 효율적인 배치를 찾아내는 알고리즘을 가동한다. 무작위로 설치하는 것이 아니라, 쓰레기 발생 빈도를 예측하여 관
- 주택규 기자
- 2026-03-19 09:02
-
AI 데이터의 가면, 거짓말하는 그래프를 찾아라
우리는 매일 뉴스, SNS, 광고를 통해 수많은 그래프를 접한다. 그래프는 복잡한 수치를 한눈에 보여주는 강력한 도구이지만, 때로는 설계자의 의도에 따라 진실을 교묘하게 가리기도 한다. 데이터 시각화 과정에서 발생하는 함정을 이해하는 것은 현대 사회에서 정보를 올바르게 수용하기 위한 필수 역량이다. 가장 흔한 왜곡 기법은 그래프의 세로축인 Y축을 조작하는 것이다. 특정 수치의 변화를 극적으로 보여주고 싶을 때, 작성자는 0부터 시작해야 할 Y축의 하단을 잘라내고 변화가 일어나는 구간만 확대한다. 이렇게 하면 실제로는 1%의 미미한 차이임에도 불구하고, 시각적으로는 몇 배나 급격하게 상승하거나 하락한 것처럼 보이게 된다. 이는 데이터 전처리 과정에서 고의로 특정 범위를 강조할 때 나타나는 대표적인 시왜곡 사례이다. 그래프의 형태를 부적절하게 선택하는 경우도 빈번하다. 시간에 따른 추세를 보여줄 때는 꺾은선그래프가 적합하고, 항목 간의 비중을 비교할 때는 원그래프나 막대그래프가 유리하다. 하지만 항목 간의 단순 비교를 위해 면적이나 부피를 사용하는 3D 그래프를 사용하면, 원근감 때문에 앞쪽에 위치한 데이터가 실제보다 훨씬 커 보이는 착시를 일으킨다. 이는 시각
- 주택규 기자
- 2026-03-18 09:01
-
AI 내 손목 위의 주치의: 웨어러블 데이터와 캘린더 히트맵
손목에 찬 작은 스마트워치는 하루 종일 우리의 일상을 기록하는 충실한 서기이다. 우리가 몇 걸음을 걸었는지 심장 박동은 얼마나 고른지 밤에는 얼마나 깊이 잠들었는지 기기는 1분 1초를 놓치지 않고 수치로 저장한다. 하지만 이렇게 하루하루 쌓인 데이터는 1년이 지나면 수백만 줄의 방대한 엑셀 표로 변해버린다. 매일의 기록을 단순히 숫자로만 나열해서는 내 몸에 어떤 변화가 일어나고 있는지 전체적인 흐름을 파악하기가 매우 어렵다. 이러한 개인 건강 데이터를 가장 직관적으로 가공하고 보여주는 시각화 기법이 바로 캘린더 히트맵이다. 캘린더 히트맵은 1년 365일을 작은 네모 칸으로 쪼개어 우리가 흔히 보는 달력 모양의 격자로 배치한다. 그리고 매일의 데이터 수치에 따라 네모 칸의 색상을 다르게 칠한다. 예를 들어 목표 걸음 수를 달성한 날은 짙은 초록색으로 걷지 않은 날은 옅은 연두색이나 빈칸으로 남겨두는 식이다. 색상의 진하기만으로 그날의 활동량을 한눈에 알 수 있게 가공한 것이다. 이 시각화 화면을 띄워보면 숫자로 볼 때는 결코 알 수 없었던 내 삶의 패턴이 선명하게 드러난다. 특정 요일마다 수면 시간이 부족해져 색상이 옅어진다거나 겨울철에 유독 활동량이 줄어들어
- 주택규 기자
- 2026-03-17 14:08
-
AI 우리 동네는 안전할까: 범죄 데이터와 공간 정보 시각화
우리가 매일 걷는 골목길이나 퇴근길은 과연 범죄로부터 얼마나 안전할까. 과거에는 경찰서의 캐비닛에 쌓인 종이 문서나 엑셀 표의 딱딱한 숫자들만으로는 우리 동네의 진짜 치안 상태를 직관적으로 파악하기 어려웠다. 하지만 언제, 어디서, 어떤 종류의 사건이 발생했는지에 대한 방대한 범죄 데이터를 지리 정보와 결합해 화면 위에 그려내는 공간 정보 시각화 기술이 도입되면서 치안의 패러다임이 바뀌고 있다. 범죄 데이터를 공간 정보로 가공할 때 가장 널리 쓰이는 시각화 기법은 핫스팟 지도이다. 수만 건의 범죄 발생 위치 데이터를 지도 시스템의 X와 Y 좌표로 변환한 뒤 범죄가 자주 일어나는 밀집 구역을 온도의 높낮이처럼 색상으로 표현하는 방식이다. 사건이 집중된 위험 지역은 붉은색으로 칠해지고 상대적으로 안전한 지역은 푸른색이나 녹색으로 칠해진다. 수천 장의 조서나 통계청 자료를 읽지 않아도 이 지도 한 장만 띄우면 어느 골목이 취약한지 단번에 눈으로 확인할 수 있다. 이렇게 가공된 범죄 시각화 지도는 단순히 과거의 기록을 보여주는 데 그치지 않고 미래의 범죄를 예방하는 강력한 무기가 된다. 한정된 경찰 인력을 붉게 표시된 핫스팟 구역에 집중적으로 배치하여 순찰의 효율성
- 주택규 기자
- 2026-03-16 09:08
-
AI 여론의 흐름을 읽는 왜곡된 지도: 선거 데이터와 카토그램 시각화
선거철이 되면 뉴스 화면에는 붉은색과 푸른색으로 물든 전국 지도가 어김없이 등장한다. 하지만 우리가 흔히 보는 지리적 지도는 종종 민심을 읽는 데 착시 현상을 일으킨다. 인구 밀도가 낮고 면적이 넓은 산간 지역은 지도에서 엄청나게 큰 비중을 차지하는 반면 수백만 명의 유권자가 밀집한 대도시는 아주 작은 점처럼 보이기 때문이다. 면적이 넓은 정당이 마치 선거에서 압승을 거둔 것처럼 보이지만 실제 득표수는 전혀 다를 수 있다. 이러한 정보의 왜곡을 막기 위해 등장한 시각화 기법이 바로 카토그램이다. 카토그램은 지리적인 실제 면적이 아니라 인구수나 유권자 수 같은 특정 데이터의 크기에 비례하도록 지도의 크기를 인위적으로 왜곡하여 가공한 지도이다. 쉽게 말해 사람이 많이 사는 도시는 풍선처럼 크게 부풀리고 사람이 적게 사는 넓은 지역은 홀쭉하게 쪼그라뜨리는 방식이다. 이 지도를 보면 땅의 크기가 아니라 진짜 사람의 표심이 어디에 얼마나 모여 있는지 그 무게감을 직관적으로 파악할 수 있다. 이처럼 지도를 왜곡하기 위해서는 고도의 데이터 가공 과정이 필요하다. 각 행정구역의 지리적 좌표 데이터와 인구 통계 데이터를 결합한 뒤 이웃한 지역끼리의 경계선을 최대한 유지하면서
- 주택규 기자
- 2026-03-13 09:40
-
AI 자율주행차의 눈: 라이다 센서와 포인트 클라우드 시각화
운전대에서 손을 떼고 도로를 달리는 자율주행 자동차는 더 이상 영화 속 상상이 아니다. 스스로 차선을 변경하고 신호등을 인식하며 보행자를 피해 멈춰 서는 자동차의 핵심은 세상을 정확하게 인지하는 눈을 가지는 것이다. 일반적인 카메라 렌즈만으로는 밤눈이 어둡거나 갑작스러운 역광에 취약하다는 한계가 있다. 이 한계를 극복하고 자율주행차에 완벽한 시야를 제공하는 기술이 바로 라이다 센서와 데이터 시각화이다. 라이다 센서는 빛을 쏘아 올려 그것이 물체에 부딪혀 돌아오는 시간을 측정해 거리를 계산하는 장치이다. 자동차 지붕이나 범퍼에 장착된 라이다는 1초에 수백만 번의 레이저 펄스를 360도 전 방향으로 발사한다. 이때 돌아오는 레이저의 신호들은 엑셀 표와 같은 단순한 수치 데이터가 아니라 공간상의 좌표를 가진 무수히 많은 점의 형태로 수집된다. 이 거대한 점들의 집합을 데이터 과학에서는 포인트 클라우드라고 부른다. 하지만 수백만 개의 점이 입력되었다고 해서 인공지능이 즉시 눈앞의 물체가 사람인지 가로수인지 구분할 수 있는 것은 아니다. 안전한 주행을 위해서는 이 점들을 3차원 입체 지도로 가공하여 시각화하는 과정이 필수적이다. 포인트 클라우드 데이터를 시각화 화면에
- 주택규 기자
- 2026-03-12 09:02
-
1
MZ가 이끄는 ‘필코노미’…감정이 소비를 결정한다
-
2
[e커머스] 2025 온라인 식료품 시장 트렌드와 중소 셀러 생존 전략
-
3
인산테라, ‘풀케어(Full Care)’ 출시… 병해충 관리와 친환경 농업의 새 전환점
-
4
인산테라 ‘풀케어’로 충남 아산 시범농장 고추 재배 성공… 친환경 농법 새 모델 제시
-
5
경영지도사 시험 제40회 합격률 33.1%…“중장년층 진입·컨설팅 수요 반영”
-
6
미국 ‘말차’ 열풍…국산 녹차에 새로운 기회 열린다
-
7
제40회 경영지도사·기술지도사 2차 시험, 총 363명 최종 합격
-
8
개 식용 종식 1년, 농장 70% 폐업…‘남겨진 개들’ 보호는 숙제
-
2026-04-03 12:07
서울대공원, 4~12일 봄꽃축제 개최… ‘동화 속 봄꽃여행’ 펼친다
-
2026-04-03 09:56
비슷한 사람들끼리 모아드립니다: 머신러닝의 군집 분석과 고객 지도
-
2026-04-03 09:53
컴퓨터 키보드 'F'와 'J' 키에는 왜 항상 볼록한 돌기가 튀어나와 있을까?
-
2026-04-03 09:23
일회용 컵 대신 텀블러”... 스타벅스, ‘개인 컵 스탬프 챌린지’로 친환경 박차
-
2026-04-03 09:13
정부, 초등생 '1인 1예술·스포츠' 전면 지원…사교육비 경감 대책 본격 추진
-
2026-04-02 18:02
AI로 암표 잡는다… 공연계, 불법 티켓 거래와의 전면전
주소 : 서울 송파구 백제고분로 113, 민성빌딩 402호
등록번호: 서울 아55172 | 등록일 : 2023-11-17 | 발행인 : (주)네이블마케팅 임유정 | 편집인 : 임진우 | 전화번호 : 010-8959-2447
Copyright @한국e마케팅저널 All rights reserved.
UPDATE: 2026년 04월 03일 12시 07분