찐빵월드

연말정산 시즌이 다가와서 정리해보는 2년간의 개인연금 저축 연금저축 체크카드를 써야 한다느니 현금영수증을 해야 한다느니 하는 말이 연말정산을 실제로 해보기 전에는 와닿지 않았고 대체 무슨 소린지도 몰랐는데 연말정산을 직접 해보고 나니 소비만으로는 아무리 잘 쪼개 쓴다고 해도 연말정산을 많이 돌려받을 수 없다는 걸 알게 됐다..! 그래서 지금 당장 할 수 있으면서 연말정산 혜택이 큰 게 뭘까 알아보다 보니 개인연금저축을 드는 게 제일 이득이었다. 그래서 2020년부터 개인연금 납입을 시작했다. 개인연금은 보험/펀드 둘 중 하나로 선택해서 만들 수 있는데, 보험은 매달 일정 액수를 납입해야하는거고 펀드는 일 년 중 내가 원하는 때 언제든 납입 가능한 데다가 잘 굴리면 훨씬 더 좋은 결과를 얻을 수 있을 거 ..

예전엔 과학기술인 적금을 만들 수 있는 대상 회사가 생각보다 많지 않았던 것 같은데 가입 대상이 늘어나면서 나도 가입 자격이 생기게 됐다. 요새 하도 적금 이율이 낮았어서 우대 금리 열심히 영끌해봐야 이율 2.55% 통장이 만들 수 있는 최대였는데 (물론 4~5%라 해놓고 30만 원 한도 6개월 만기 이런 말장난 이율인 거 제외하고) 3.5%라니 바로 갈아탔다. 가입 자격 대상 과학기술인으뜸적금 과학기술인으뜸적금, 청년우대 가입안내. direct.sema.or.kr 위의 링크로 접속하면 가입 대상 조건이 나오는데, 내가 재직중인 회사가 어디지? 하고 고민할 필요 없이 '우리 회사 검색' 버튼을 누르고 나오는 팝업창에서 회사명을 검색해보면 된다. 회사가 검색 결과에 나오면 가입 가능! 내가 재직중인 회사는..

KB금융 - KB 차이지 통합한도 조회 서비스 - KB금융그룹 중고차 거래 플랫폼 'KB차차차' 통해 국민은행, 국민카드, KB캐피탈 자동차 대출상품 한도와 금리 한 번에 조회하고 최적 상품 추천받아 대출신청에서 실행까지 - 공인인증서 없이도 본인인증 후 조회 가능 카카오뱅크 소액 저축 상품 '저금통' - 20~30대에 큰 인기 - 매일 자정 기준으로 입출금계좌의 1000원 미만, 1원 이상 잔돈이 자동이체 RPA 도입 속도 내는 카드사 - RPA(로봇 프로세스 자동화) 도입 효과 단순 반복적 없무 자동화 수작업에 비해 데이터 오류, 누락 없음 짧은 시간에 많은 양의 업무 처리 가능 - 고객정보 수집, 신분증 확인의 단순 업무 처리 → 정산, 회계 고도화 작업까지 할 수 있도록 진행 KB국민은행 실시간 ..

AI금융원 혁신금융서비스 선정 NH농협은행 신청 서비스 - 창구혼잡도 미리 확인, 방문 시간 예약 - 모바일 앱 알람에 예적금, 신용카드 외에 보험상품 정보 제공도 가능하도록 SK증권 - 증권사 판매채권 공유 -> 소액 투자자가 다양한 채권 비대면 거래 - 기존에는 채권 매매 중개하는 경우 단일 매도자-단일 매수자 매칭 서비스 제공만 가능했음(자본시장법 시행령 상) 신한금융투자 - 모바일 상품권 활용 한 해외주식 구매, 선물 KCB - 동형 암호 기반 데이터 분석서비스 - 서로 다른 기관의 개인신용정보 암호화 하여 암호화 한 상태로 연산하여 분석 -> 개인정보 노출 및 재식별 위험 줄이며 분석 가능 쿠팡, 삼성카드 - SMS 활용해 출금계좌 간편 등록,결제 오픈뱅킹 전면 시행 신한은행 쏠 입출금잔액예측 ..

ibk연금보험 '스마트앱' 한국인터넷전문가협회 주관 '2019 스마트앱어워드 코리아'에서 특별대상 수상 - 보험가입 모든 절차 모바일로 완결 - 생체 인증 활용한 보험계약대출, 보험금청구 서비스 제공 - 고객이 직접 미래 연금 수령액 조회할 수 있는 연금 설계 기능 제공 → 2020년에는 RPA 솔루션 도입 통해 자동화, 보이는 ARS 시스템 구축 예정 오픈뱅킹 전면시행 앞두고 IT리스크 합동훈련 : 금융위원회, 금융결제원 IT리스크 합동훈련 실시 → 12/18 전면 시행 예정 티몬 주도 블록체인 테라, 몽골에서 미미페이 출시 미미페이 : 메신저 플랫폼 미미챗을 통해 서비스되는 간편결제 서비스 테라 : 몽골 법정화폐와 1:1 연동되는 스테이블 코인 → 현금거래 위주인 몽골에서 간편결제 환경 조성 하나금융..

ML History : Linear Regression 선형 회귀의 역사 1800년대에 행성의 이동, 완두콩의 크기 예측 위해 발명 수기 계산을 할때 고안되었지만 거대한 데이터셋에서도 잘 동작 선형 회귀 알고리즘 → hypothesis equation 각 feature의 값(x)에 각 가중치(w)를 곱한 값의 합이 선형 회귀 모델이 예측하고자 하는 값이 된다. 가중치 적절히 설정해 예측값이 좋은지 나쁜지 검증 방법 → 손실측정함수(loss function) ex) regression problem의 MSE : 실제 값과 예측한 값의 차이의 평균이 최소화 되는 지점 찾아야 함 선형 회귀에서 손실 값 최소화 할 수 있는 가중치 찾는 공식 존재 단점 → 시간복잡도 O(N^3) → 현실에는 중복되거나 거의 중복..

Supervised Learning : Regression and Classification 회귀 모델 : 연속적인 값을 가진 레이블을 수학적 함수로 예측 → 선형으로 나타나게 됨 - 예측값의 오차를 줄이기 위해 Mean Squred Error 이용 ex) 위와 같은 자료에서 total bill amount를 통해 tip amount를 예측하려 한다. 팁은 연속적인 숫자이기 때문에 이는 회귀 모델 문제이다. 위 자료에서는 평균 팁 액수가 총 가격의 18%정도인데 이를 통해 일반화 된 값인 (총 액수 × 0.18)으로 팁을 예측 할 수 있다. 위에서는 1개의 독립변수만을 고려했지만, 여려개의 독립변수가 적용된 다차원 문제에서도 동일한 컨셉을 적용할 수 있다. 다차원 문제에서는 예제의 값에 초평면(hyper..

Supervised Learning : Supervised Learning ML model Supervised model(지도학습) : label 有 Unsupervised model(비지도학습) : label 無 → 원시데이터를 보고 자연스럽게 그룹으로 분류되는지 발견하는 것 지도 학습에서는 레이블, 이제껏 축적되어온 과거 데이터로 미래 데이터를 예측한다. ex) 총 식사비와 그에 대한 팁 값에 대한 데이터가 축적되어 있을 때, 어떤 손님에 대하여 총 식사비는 알지만 팁이 얼마일지 모르는 상황에서 팁=레이블 이라고 볼 수 있다. 이제 총 식사비를 통해 팁을 예측하는 모델을 생성하면 팁이 얼마인지 예측할 수 있다. Supervised model Regression(회귀 모델) : 레이블 값이 연속적 Cl..

Introduction to Practical ML : Introduction 학습목표 ML 문제의 주요 범주를 구별하는 방법과, 이를 실제로 적용하는 방법 ML이 어떻게 발전되어 왔는지와 발전에 도움을 준 기법 딥러닝의 인기 이유

Introduction to Launching into ML : Introduction 전체 학습목표 머신러닝 모델 종류와 딥러닝 모델의 인기 이유 손실함수(loss function) 이용한 모델 최적화, 성능지표(performance metrics) 이용한 모델 평가 머신러닝의 일반적 문제에 대한 완화 → 가장 흔한 일반적 문제 : 일반화(generalization) 부족 개요 딥러닝 기술이 어떻게 초기 머신러닝 방법인 Decision tree나 Random forests 등에 의한 발전을 포함할 수 있는지 최적화 모델(optimization model) → 지도 학습(supervised learning) : 경사 하강법(gradient descent) 이용 성능 측정 항목(performance met..