당니의 개발자 스토리

팬 경험(PX)과 AI 개인화 서비스AI는 팬의 참여 경험을 어떻게 맞춤화하고 있는가?다양한 사례들 찾기AI를 활용한 팬 경험 혁신은 특정 종목에 국한되지 않고, 전 세계 여러 스포츠 산업에서 폭넓게 시도되고 있다.예를 들어 MLB는 ‘AI Highlights’를 통해 컴퓨터 비전 기술로 경기 장면을 자동 분석하고, 팬별로 맞춤 하이라이트를 제공한다.FIFA+는 추천 알고리즘을 활용해 시청 기록과 선호 선수 데이터를 분석하고, 개인 맞춤 영상을 추천한다.IBM은 테니스(US오픈)와 골프(마스터스) 경기에서 생성형 AI ‘Watsonx’를 사용하여 경기 요약문과 해설을 자동으로 작성하며, 팬들은 경기 직후 스마트폰으로 개인화된 매치 리포트를 받을 수 있다.국내에서도 SK텔레콤의 ‘AI 최경주’ 사례가 주목..

팬 경험(PX)과 AI 개인화 서비스AI는 팬의 참여 경험을 어떻게 맞춤화하고 있는가?1. 팬 경험(PX)의 개념팬 경험(PX, Fan Experience)은 스포츠 경기를 단순히 ‘보는 것’을 넘어,팬이 경기·콘텐츠·커뮤니티 등에서 느끼는 감정·참여·소통의 전 과정을 의미한다.과거에는 중계나 현장 관람 중심의 일방향 소비 구조였다면,현재는 데이터 분석과 인공지능(AI)을 통해 팬별 맞춤형 콘텐츠가 제공되는 참여형 구조로 발전했다.팬의 행동 데이터(시청 기록, 구매 내역, SNS 반응 등)를 수집·분석함으로써AI는 각 팬의 선호와 감정 패턴을 학습하고, 개인화된 참여 경험을 실시간으로 제공한다.2. AI 기술이 팬 경험을 변화시키는 방식AI는 팬 데이터를 기반으로‘무엇을 보여줄지’, ‘어떤 방식으로 반응..

LG AI연구원 대학원LG 직원들만 재학이 가능함, 인공지능 김명신 정책 수석AI윤리 어떻게 실천해야하는지lG AI연구원 정책수석님임 ai윤리,공공정책IEEE CertifiAIEd(AI윤리 인증) 선임 평가자 유네스코에서 원칙을 만드는 일기업에서는 그 원칙을 실행하는 일을 함 세상은 왜 AI 윤리에 주목하나? 변화의 속도 - 규모 - 영향력기후(AI로 인한) 변화의 속도와 규모, 영향력이 우리의 예상과 적응보다 빠르고 크다는 것이 문제임 사람이 예측하거나 통제하거나 할 수 없을정도로 빠르게 변화AI와 AI윤리에 대한 관심이 많이 커지고 있음 중국은 LLM이 할때 사회주의에 대한 답은 회피하는 식.딥페이크 엄청나게 규제하고 있음 밀물과 썰물: 규제와 진흥 사이의 무게 중심중장기적으로 ai의 광범위한 영향..

보호되어 있는 글입니다.

머신러닝에서 주로 세가지로 나눠서 얘기를 한다. 지도 학습, 비지도 학습, 강화 학습.강화 학습은 그중에서도 순차적 의사결정이라는 특수한 문제를 담당해서 해결하는 프레임워크이다.우리 삶은 연속적인 결정의 연속이다예를 들어 아침에 일어나서 무엇을 먹을지, 옷을 뭘 입을지, 지하철을 탈지 버스를 탈지 등 하루 종일 '결정'을 계속 내리고,이 모든 결정이 하나로 연결돼서 결과를 만든다.우리는 시행착오(trial-and-error)로 배운다아기가 기어 다니는 걸 배울 때 생각하면, 처음에는 넘어지고, 엎어지고, 좌절하지만 계속 시도하면서 조금씩 나아짐.→ 즉, 좋은 결정을 만드는 ‘순서’를 연습과 실패를 통해 배운다는 것. 강화 학습이 사람 혹은 동물이 시행착오를 통해서 자연스럽게 문제를 해결해 나가는 방법을 ..

문제가 단순하면 모델도 단순해야 한다요즘은 딥러닝이 유행이지만, 모든 문제에 딥러닝이 필요한 건 아니다 커다란 기계가 망치를 들고 못을 박고 있는 그림사실 망치 하나만 있으면 되는 아주 쉬운 일인데 딥러닝을 과하게 쓰는 상황을 풍자한 것 실제로 간단한 문제에 딱 맞는 모델인 Naive Bayes예를 들어 스팸 메일 필터링 같은 게 있다.Naive Bayes는 이메일을 숫자 벡터로 바꿔서 처리한다. 메일 내용: "Buy cheap medicine"단어 목록: [“a”, “aardvark”, ..., “buy”, ..., “zygmurgy”]→ 그럼 이 메일은 “a”는 안 들어있고, “buy”는 들어있고...→ 이런 식으로 0과 1로 표시된 벡터가 만들어짐 : x = [1, 0, 0, ..., 1, ...,..

SVM과 Logistic Regression는 어떻게 다른지 비교할 것.SVM은 마진이 얼마나 큰가를 다룰 때도 결국 대부분의 데이터 지점들은 의사 결정에 참여 하지 못하고 마진에 영향을 미치는,즉 경계에서 가까운 데이터들만 결정에 영향을 미치는 단점이 있었음 🔴 빨간 X들: ‘빨간 클래스’ (예: 고양이 아님)🔵 파란 동그라미들: ‘파란 클래스’ (예: 고양이)↘️ 검은색 대각선: 분류 기준선 (수식으로는 x₁ + x₂ = 1)이 선을 기준으로 왼쪽 아래는 빨간 쪽, 오른쪽 위는 파란 쪽이라고 기계가 판단하려고 함 Soft Guess이 점은 선보다 훨씬 오른쪽 위에 있으니까, 거의 확실히 파란색일 거야!"→ Certainly Blue반대로,"이 점은 선보다 왼쪽 아래 쪽에 있으니까, 빨간색일 가능성..

선형 분류에 대해서 배울 것.선형회귀와 연결해보는 것도 재밌는 포인트가 될 거다 Classification (분류)무엇인지 분류하는 문제예수학적으로는 출력값 y는 유한한 집합 (예: 고양이, 개, 새 등) 중 하나→ y ∈ 𝒴 (𝒴는 고정된 종류 집합) 반면, Regression (회귀)는 숫자를 예측하는 문제비트코인 가격 그래프→ 주어진 날짜에 따라 비트코인의 가격(숫자)을 예측하는 게 회귀 문제 선형 분류에서 대표적인 것은 Binary Classification 임.Binary Classification (이진 분류)분류 중에서도 딱 두 개만 분류하는 문제를 이진 분류ex. 이메일이 스팸인지 아닌지, 사진이 강아지인지 고양이인지 중간에 있는 선이 결정 경계(decision boundary)파란 점..