본문 바로가기

Biusiness Insight

(73)
메타버스 (Metaverse) 기본 개념 1. 메타버스란 META + UNIVERSE = METAVERSE - 메타버스는 "초월"을 뜻하는 "메타(Meta)"와 "세상/우주"를 뜻하는 "유니버스(Universe)"가 합쳐진 합성어 - 메타버스의 종류 : ① Lifelogging, ② Augmented Reality, ③ Mirror World, ④ Virtual World 데이터와 인공지능, 가상현실증간현실 등의 디지털 기술들이 현실세계와 만나 만들어내고 있는 또다른 세계 - 정지훈 EM. Works 대표 포노사피엔스들의 새로운 우주 - 최재붕 성균관대 기계공학부 교수 인간이 디지털 기술로 현실세계를 초월해서 만들어낸 여러 세계 - 김상균 강원대학교 교수 2. 라이프로깅 메타버스, Lifelogging Metaverse - 라이프로깅 (Life..
[ESG] 온실가스 배출권거래제 개념 및 글로벌 동향 1. 온실가스 배출권거래제 (GHG Emissions Trading Scheme) 1) 배출권거래제 개념 온실가스를 배출하는 사업장 간 잉여/부족분을 거래할 수 있게 만든 제도로 거래방식 중 장외 거래가 전체 거래의 45~55%를 차지함 - 대상 : 온실가스를 배출하는 전 사업장 대상 - 사업장 별 정부 할당량의 잉여/부족분 - 2015년부터 시행 【 온실가스 배출권 거래 흐름도 】 2) 배출권 거래 방식 장내 거래 : 총 거래량의 20~30% 거래소를 통해 거래하며, 매도/매수 가격과 물량이 합치하는 경우부터 순차적으로 체결됨 장외 거래 : 총 거래량의 45~55% 거래 당사자 간 협의를 통해 거래 후 정부 신고 '공정이슈' 발생을 피하기 위해 미래 기간의 가격을 거래 기준으로 함 (예: 계약일 3/1..
[ESG] 기후변화와 주요국 탄소 배출 규제 현황 및 전망 1. 기후변화 인류 경제활동으로 인한 CO2 배출량 증가는 기후 변화에 가장 큰 영향력을 미침 1.1 기후변화의 증거 - 기온 상승 - 빙하 면적 감소 - 해수면 상승 - 해양 온난화와 산성화 - 기상 이변 빈도 증가 등 1.2 기후변화의 원인 CO2등 온실 가스의 배출 (인류의 경제 활동) Human influence on the climate system is clear - IPCC 5차 평가 보고서 (2014) - 검정색 라인 : 기온 증가 트렌드 파란색 밴드 : 자연적 순환 과정 만을 변수로 본 트렌드 핑크색 밴드 : 자연적 순환 과정 + 인류활동 변수를 추가한 트렌드 검정색 트렌드가 핑크색 밴드와 거의 fitting 하는 것을 확인 할 수 있음. 이는 인류의 경제 활동이 기후변화에 가장 큰 영향..
[ESG] 국제 기구별 기후변화 전망 및 주요 보고서 기후 변화 협력 주체 - UNFCCC : 교토의정서, 파리협약 - 기타 UN 기구 : IPCC, UNDP, UNEP, IMO, WMO, ICAO 등 - 비 UN 기구 : 세계은행, WTO - 기타 환경협약 : 몬트리올 협약, UN해양법협약, 생물다양성 협약 - 기타 다자간 클럽 : 기후 행동 정상 회의, G20, REDD + Partnership - Partnership : P4G, Climate Group - 상쇄 인증체제 : Gold Standard, Voluntary Carbon Standard - 투자지배구조체제 : 탄소 정보 공시 프로젝트, Ceres Investor Network - 지역적 배출규제 : EU 기후변화 정책, KETS, 캘리포니아 ETS - 도시 간 협력 : US Mayors 기..
ESG 기본개념 ESG (Environmental, social and corporate governance) - 2005년 UN 글로벌 컴팩트 보고서 'Who Cares Wins'에서 처음 사용된 개념 - Who Cares Wins, 2005 Offspring of SRI : Socially Responsible Investment (사회책임 투자) What abount Impact Investing 자본 시장에 환경, 사회 및 거버넌스 요소를 포함시키는 것이 비즈니스에 합리적이며 보다 지속가능한 시장과 사회의 더 나은 결과로 이어진다는 내용을 담고 있음 What brings about ESG Environmental concerns Climate crisis (기후위기) Sustainability (지속가능성) So..
[AWS] 아마존 S3 예제 (Amazon S3, Simple Storage Service) 버킷 만들기 (Create Bucket) 1. 서비스 (Services) > S3 > 버킷 만들기 (Create bucket) 2. 생성된 버킷 선택 > 속성 (Properties) > 버킷 버전 관리 (Bucket Versioning) > 편집 (Edit) 3. 버킷 버전 관리 (Bucket Versioning) > 활성화 (Enable) >변경 사항 저장 (Save changes) 버킷에 객체 업로드 (Objects Upload) 4. 버킷 > 객체 (Objects) 탭 선택 > 업로드 (Upload) > 파일 추가 (Add files) 객체 권한 변경 (Object Permission Change) 4. 버킷 > 권한 (Permissions) 탭 선택 > 퍼블릭 액세스 차단 (Block public..
[구글 클라우드] 텐서플로우를 활용한 Babyweight 예제 (source : GCP qwiklabs) 버킷생성 1. 버킷 생성 : Navigation menu> Storage > [Create a standard bucket] 2. Babyweight 데이터세트를 스토리지 버킷에 복사 - Cloud Shell에서, 아래 명령어를 실행하여 사전 처리된 데이터세트를 내 버킷에 복사 - 부분을 위에서 생성한 버킷 이름으로 변경 gsutil cp gs://cloud-training-demos/babyweight/preproc/* gs:///babyweight/preproc/ (결과화면) TensorBoard 설정 + AI Platform Notebooks 생성 3. Cloud Shell에서, TensorBoard를 지원하는 Cloud AI Platform Noteboo..
[구글 클라우드] 텐서플로우를 활용한 머신러닝 예제 (source : GCP qiwklabs) AI Platform Notebooks 생성 1. Navigation Menu > AI Platform > Notebooks 클릭 2. 인스턴스 생성 : NEW INSTANCE 클릭 - Tensorflow Enterprise 1.15 > Without GPUs 선택 3. 팝업창이 뜨면 딥러닝 VM 이름을 입력/확인 하고 Create 클릭 (VM 생성까지 2~3분 정도 소요될 수 있음) 4. Open JupyterLab 클릭 > JupyterLab Window가 새창으로 열림 Datalab instance에 학습용 repo 복제 - training-data-analyst 를 내 JupyterLab 인스턴스에 복제 1. JupyterLab 에서 터미널 아이콘(Ter..
[구글 클라우드] TensorFlow 스케일링 - AI Platform Training 서비스 활용 (source : GCP qwiklabs) - Jupyter Notebook 실습 코드 - Jupyter Notebook 실습 코드 : 정답 포함 TensorBoard 설정 + AI Platform Notebooks 생성 1. Cloud Shell에서, TensorBoard를 지원하는 Cloud AI Platform Notebook 인스턴스를 생성 export IMAGE_FAMILY="tf-1-14-cpu" export ZONE="us-west1-b" export INSTANCE_NAME="tf-tensorboard-1" export INSTANCE_TYPE="n1-standard-4" gcloud compute instances create "${INSTANCE_NAME}" \ --zone="${ZON..
[구글 클라우드] 분산 학습 TensorFlow 모델 (Estimator API 사용) (source : GCP qwiklabs) - Jupyter Notebook 실습 코드 - Jupyter Notebook 실습 코드 : 정답 포함 1. 패키지 import from google.cloud import bigquery import tensorflow as tf import numpy as np import shutil print(tf.__version__) 2. 입력 CSV_COLUMNS = ['fare_amount', 'pickuplon','pickuplat','dropofflon','dropofflat','passengers', 'key'] LABEL_COLUMN = 'fare_amount' DEFAULTS = [[0.0], [-74.0], [40.0], [-74.0], [40.7], ..
[구글 클라우드] 배치 기반 TensorFlow 스케일업 (source : GCP qwiklabs) - Jupyter Notebook 실습 코드 - Jupyter Notebook 실습 코드 : 정답 포함 1. 패키지 import from google.cloud import bigquery import tensorflow as tf import numpy as np import shutil print(tf.__version__) 2. 입력 Refactor - Dataset API를 사용하여 데이터가 미니 배치로 모델에 전달 될 때, 필요할 때만 디스크에서 로드됨 CSV_COLUMNS = ['fare_amount', 'pickuplon','pickuplat','dropofflon','dropofflat','passengers', 'key'] DEFAULTS = [..
[구글 클라우드] Estimator API 사용해서 AI 모델 구현 (TensorFlow) (source : GCP qwiklabs) AI Platform Notebooks 생성 1. Navigation Menu > AI Platform > Notebooks 클릭 2. 인스턴스 생성 : NEW INSTANCE 클릭 - Tensorflow Enterprise 1.15 > Without GPUs 선택 3. 팝업창이 뜨면 딥러닝 VM 이름을 입력/확인 하고 Create 클릭 (VM 생성까지 2~3분 정도 소요될 수 있음) 4. Open JupyterLab 클릭 > JupyterLab Window가 새창으로 열림 Datalab instance에 학습용 repo 복제 - training-data-analyst 를 내 JupyterLab 인스턴스에 복제 1. JupyterLab 에서 터미널 아이콘(Ter..
[구글 클라우드] Machine Learning APIs 활용하기 (source : GCP qiwklabs) AI Platform Notebooks 생성 1. Navigation Menu > AI Platform > Notebooks 클릭 2. 인스턴스 생성 : NEW INSTANCE 클릭 - Tensorflow Enterprise 1.15 > Without GPUs 선택 3. 팝업창이 뜨면 딥러닝 VM 이름을 입력/확인 하고 Create 클릭 (VM 생성까지 2~3분 정도 소요될 수 있음) 4. Open JupyterLab 클릭 > JupyterLab Window가 새창으로 열림 Datalab instance에 학습용 repo 복제 - training-data-analyst 를 내 JupyterLab 인스턴스에 복제 1. JupyterLab 에서 터미널 아이콘(Ter..
[구글 클라우드] AI Platform Notebooks & BigQuery 를 사용한 데이터 분석 실습 노트(Jupyter Notebooks) 샘플 첨부 : (source : GCP qwiklabs) BigQuery 호출 BigQuery Console 열기 1. Navigation menu > BigQuery 클릭 2. Done 클릭 3. Query 텍스트 박스에서 아래 내용 입력 후, Run 클릭 #standardSQL SELECT departure_delay, COUNT(1) AS num_flights, APPROX_QUANTILES(arrival_delay, 5) AS arrival_delay_quantiles FROM `bigquery-samples.airline_ontime_data.flights` GROUP BY departure_delay HAVING num_flights > 100 RD..
[구글 클라우드] AI 플랫폼 활용 AI Platform 문서 https://cloud.google.com/ml-engine/docs/ AI Platform 문서 | Google Cloud 머신러닝 모델을 위한 관리형 서비스입니다. cloud.google.com AI Platform으로 머신러닝 기능 활용 Harness the Power of Machine Learning with Cloud ML Engine | Google Cloud Labs source : GCP qwiklabs Google Cloud Shell 활성화하기 1. GCP Console의 오른쪽 상단 툴바에서 Cloud Shell 열기 버튼 클릭 2. 계속(Continue) 클릭 결과 화면 : 가상 환경을 만들기 1. 패키지 목록 다운로드 & 업데이트 sudo apt-ge..
[구글 클라우드 플랫폼] 강화학습 활용 예제 (Reinforcement Learning on GCP) 강화 학습(Reinforcement Learning) 개념 에이전트(Agend)가 일련의 단계(State)에서 주어진 목표/보상(Objective/Reward)를 최대화하기 위해 환경(Environment)에서 동작(Action)하는 기계학습(Machine Learning)의 한 종류 구글 클라우드 플랫폼에서 강화학습(Reinforcement Learning) Job을 동작하기 위해 아래의 소스파일과 셸 커맨드를 참고하여 실습할 수 있음 GCP 에서 강화학습 실습하기 1. 탐색 메뉴에서 > AI Platform > Notebooks 를 선택 2. 상단 메뉴바에서 + 새 인스턴스 만들기 (New Instance) > 텐서플로우 2.1 (Tensorflow 2.1) > GPU 없는 버전(Without GPU..
[구글 클라우드] 영상 분석 예제 (Video Intelligence) source : GCP qwiklabs Google Cloud Shell 활성화하기 1. GCP Console의 오른쪽 상단 툴바에서 Cloud Shell 열기 버튼 클릭 2. 계속(Continue) 클릭 결과 화면 : 계정 목록 조회 gcloud auth list 출력: Credentialed accounts: - @.com (active) 출력 예: Credentialed accounts: - google1623327_student@qwiklabs.net 프로젝트 ID 조회 gcloud config list project 출력: [core] project = 출력 예: [core] project = qwiklabs-gcp-44776a13dea667a6 Video Intelligence API 사용 설..
[구글 클라우드] 음성 처리 API 활용 예제 (Speech API) source : GCP qwiklabs Google Cloud Shell 활성화하기 1. GCP Console의 오른쪽 상단 툴바에서 Cloud Shell 열기 버튼 클릭 2. 계속(Continue) 클릭 결과 화면 : 계정 목록 조회 gcloud auth list 출력: Credentialed accounts: - @.com (active) 출력 예: Credentialed accounts: - google1623327_student@qwiklabs.net 프로젝트 ID 목록 조회 gcloud config list project 출력: [core] project = 출력 예: [core] project = qwiklabs-gcp-44776a13dea667a6 API 키 만들기 Speech API로 요청..
[구글 클라우드] 자연어 처리 API 사용 예제 (Natural Language API) source : GCP qwiklabs Google Cloud Shell 활성화하기 1. GCP Console의 오른쪽 상단 툴바에서 Cloud Shell 열기 버튼 클릭 2. 계속(Continue) 클릭 실행 결과 : 계정 목록 조회 gcloud auth list 출력: Credentialed accounts: - @.com (active) 출력 예: Credentialed accounts: - google1623327_student@qwiklabs.net 프로젝트 ID 목록 조회 gcloud config list project 출력: [core] project = 출력 예: [core] project = qwiklabs-gcp-44776a13dea667a6 API 키 만들기 PROJECT_ID 환경 ..
[구글 클라우드] Dataproc 클러스터 만들기 (콘솔) source : GCP qwiklabs Cloud Dataproc API가 사용 설정되어 있는지 확인 - GCP에서 Dataproc 클러스터를 만들려면 Cloud Dataproc API 사용 설정 필요 API 사용 설정 확인 1. 탐색 메뉴 > API 및 서비스 > 라이브러리 클릭 2. API 및 서비스 검색 대화 상자에 Cloud Dataproc을 입력 → 콘솔의 검색 결과에 Cloud Dataproc API가 표시됨 3. Cloud Dataproc API를 클릭하여 API 상태 표시 - API가 아직 사용 설정되지 않은 경우 사용 버튼 클릭 클러스터 만들기 - Cloud Platform Console에서 탐색 메뉴 > Dataproc > 클러스터 선택 > 클러스터 만들기 클릭 - 클러스터 필드 설정 ..