.....(중략) 2. 연구 계획 제가 대학원에서 집중적으로 연구하고자 하는 분야는 머신러닝 기반의 데이터 해석 및 인공지능 응용 기술입니다. 특히 인공지능 모델이 단순히 ‘정확한 예측’을 넘어, ‘이해 가능한 결정’을 내릴 수 있도록 만드는 설명 가능한 인공지능(XAI, Explainable AI) ....(중략)
, 금융 데이터셋을 활용해 보험 청구 사기 탐지 모델을 구현한 경험이 있습니다. 단순히 모델 정확도를 높이는 것에 그치지 않고, 실제 활용 가능성을 고려하여 설명 가능한 AI(XAI) 기법을 적용했습니다. 이는 결과적으로 모델의 신뢰성을 높이고, 실제 운영에 활용될 수 있는 가능성을 보여주었습니다.
XAI)을 확보해 고객과 내부 직원이 신뢰할 수 있는 서비스를 제공하는 것입니다. 금융 의사결정은 높은 신뢰가 필요하기 때문에, 모델이 왜 특정 결론을 내렸는지를 투명하게 설명할 수 있는 체계를 도입하겠습니다. 셋째, 장기적으로는 KB증권이 금융 AI 분야에서 선도적 이미지를 확립하도록 돕는 것입
시간 안에 ....(중략) 3. 연구계획 제가 대학원에서 본격적으로 공부하고 싶은 주제는 ‘설명 가능한 인공지능(Explainable AI, XAI)과 이를 활용한 사회 문제 해결형 응용 연구’입니다. 현재의 인공지능은 뛰어난 성능에도 불구하고 ‘왜’ 특정한 결정을 내렸는지 설명하기 어려운 경우가....(중략)
설명 가능한 AI(XAI)입니다. 인간은 시각, 청각, 언어 등 다양한 감각을 통합하여 세상을 이해하고 판단합니다. 인공지능 역시 이러한 인간 인지 구조를 모방하여 ‘보다 사람다운 판단’을 할 수 있도록 진화하고 있고, 저는 그 교차점에서 실제 문제를 해결할 수 있는 기술적 접근을 연구...(중략)
XAI) 기능을 함께 개발하며, 실제 사용자를 고려한 개발 경험을 쌓을 수 있었습니다. 이러한 경험을 바탕으로 저는 단순히 알고리즘을 잘 아는 개발자에 그치지 않고, 조직 내 현업 데이터를 기반으로 실제로 문제를 해결하고, 그로 인한 효율과 비용절감 효과를 정량화해 설명할 수 있는 ‘업무 융합형 A
XAI)’를 기반으로 한 대출 심사 보조 시스템 개발에 기여하고 싶습니다. AI의 결과에 대한 신뢰는 투명성에서 나오며, 이는 금융의 본질인 ‘신뢰’와 직결된다고 믿습니다. 또한 고객 행동 데이터를 활용해 실시간 맞춤형 상품 추천 및 이상거래 탐지 모델을 고도화하는 것도 제 중장기 목표입니다. 케
XAI: Explainable Artificial Intelligence)에 대한 학문적 관심을 갖게 되었습니다. 단순히 높은 정확도를 자랑하는 예측 모델이 아니라, 모델이 어떻게, 왜 그러한 예측을 했는지를 인간에게 설명할 수 있는 시스템이야말로 진정한 AI라고 믿게 되었습니다. 특히 LIME(Local Interpretable Model-Agnostic Explanations), SHAP, Counter
XAI) 연구를 수행했습니다. AI 모델이 예측한 결과에 대한 설명 가능성이 금융권에서 중요한 이슈가 되고 있는 만큼, 모델의 의사결정을 투명하게 설명하는 것이 필요했습니다. 이에 SHAP(Shapley Additive Explanations) 기법을 활용하여 AI 모델이 특정 의사결정을 내린 이유를 분석하고, 이를 시각화하는 연구를
XAI, Explainable AI) 개발에 중점을 둘 예정입니다. 최근 인공지능은 다양한 분야에서 괄목할 만한 성과를 거두고 있지만, 그 내부 작동 원리가 블랙박스처럼 불투명하다는 점이 큰 문제로 떠오르고 있습니다. 특히 의료, 법률, 공공정책과 같이 인간의 삶에 중대한 영향을 미치는 영역에서는 인공지능의 판