Likelihood Posts
Mastering Complexity
복합적인 비즈니스 환경을 단순 명료한 결론으로 전환하는 EXA의 Unified Intelligence 생태계를 탐험하고, 귀사의 엔터프라이즈 전략을 재정의하십시오.
On-Time Risk 엔진의 출발점: 관측 편차와 2-레짐 혼합분포
이 글은 소설 형식으로 연재된 [BA03 On-Time 자재입고: Bayesian MCMC]편에서 활약한 EXA 엔진의 작동 원리를 규명하는 기술 해설 시리즈의 첫 번째 글입니다. 이번 시리즈는 베이지안 추론 중에서도 고급 기법에 속하는 혼합분포(Mixture Distribution)와 MCMC(Markov Chain Monte Carlo) Gibbs Sampling을 다루는 만큼, 내용이 깊고 계산 과정이 다소 복잡할 수 있습니다. 따라서 이를 가능한 쉽게 소화할 수 있도록 단계별로 나누어 상세히 접근하고자 하며, 제법 긴 여정이 될 것으로 예상됩니다. 전체적인 맥락 이해를 위해 소설 원문을 먼저 일독을 권합니다. 아울러 베이지안 이론은 단계적으로 개념이 확장되므로, BA01 및 BA02의 에피소드와 수학 해설을 먼저 살펴본다면 이번 내용을 받아들이는 데 훨씬 도움이 될 것입니다. 앞선 수학적 개념과 논리들이 이어지고 있습니다.
확률을 결단으로 바꾸는 의사결정 임피던스 매칭
[BA02.[Exa 베이지안 추론] 영업의 보이지 않는 손: 60일의 도박] 에피소드의 지난 [제1부]와 [제2부]를 통해 우리는 베이지안 엔진이 어떻게 '사전 믿음'을 세우고, '시그널'과 '침묵'을 통해 확률의 궤적을 추적하는지 살펴보았다. 이제 우리 손에는 베이지안 파라미터 α와 β에 의해 정교하게 계산된 순수 사후확률 $ P_{raw} $가 들려 있다. 하지만 아직 끊나지 않았다. 마지막 의사결정 과정이 남아있기 때문이다. 60%의 확률이라도, 그것이 단 한 번의 미팅으로 얻은 것인지, 아니면 수십 번의 협상 끝에 도출된 것인지에 따라 결단의 무게는 완전히 다를 수 있다.
침묵도 증거다: 시간 감쇠·로그 가중치·휴리스틱 설계
이 글은 [BA02.베이지안 추론] 영업의 보이지 않는 손: 60일의 도박의 2번째 시리즈 글이다. 지난 [제1부 베이지안 엔진: 불확실성을 관리하는 수학적 연금술]에서는 컬레사전분포와 해석해의 우아함을 다뤘다면 제2부에서는 증거 데이터인 우도(likelihood)의 계산과 비즈니스 현장에서 가장 위협적인 유령, '침묵(Silence)'을 수학적으로 어떻게 처리하는를 검토한다.