머신러닝을 통한 최적의 비즈니스 의사결정 지원
틸다의 처방적 분석 머신러닝은 다양한 분야의 효율적인 비즈니스를 위한 의사결정을 지원합니다.
Retail Industry
마케팅/프로모션 최적화
제품 가격 최적화
재고관리 최적화 등
Insurance & Finance
대출 이율/한도 최적화
Claim 처리 최적화
Retention 채널 최적화 등
Facility O&M
설비 운영 비용 최적화
에너지 효율 최적화
Maintenance downtime 최적화 등
Supply Chain Management
배송 시간/비용 최적화
Inventory 관리 최적화 등
Manufacturing
생산관리 최적화
Assortment 최적화 등
Healthcare & Bio
환자 관리/처방 최적화
Drug-likeliness 최적화 등
Surrogate Optimization
Planning
요구사항 청취, 비즈니스 목표 및 제약사항 정리 등 문제 정의단계와 EDA, 데이터 전처리, feature selection/extraction, 외부 데이터 연동 등 모델링에 필요한 사전작업
Surrogate Modeling
다양한 머신러닝 경험과 노하우를 바탕으로 주어진 데이터를 이용하여 고객의 시스템을 미러링하는 surrogate 모델(digital twin)을 학습
Strategy Optimization
Surrogate를 target으로 다양한 전략을 try-out 하며, 최적의 비즈니스 전략을 도출하기 위한 optimizer 모델을 학습
최근 블로그 글
Attention mechanism이란? Transformer는 어디서 비롯되어서 어떻게 발전해왔는가?
Attention mechanism이란? Transformer는 어디서 비롯되어서 어떻게 발전해왔는가?
Value-based RL과 policy-based RL의 차이. Policy-gradient의 동작방식 및 대표 알고리즘.
강화학습에 대한 기본적인 이해 및 value-based deep RL의 발전.
Evolutionary Strategies (ES)의 근간이 되는 structural evolution 알고리즘 NEAT에 대한 리뷰.