Abstract 1

요 약 3

제1장 서론 9

제1절 연구배경 및 목적 11

제2절 연구내용 및 방법 16

제2장 기계학습(Machine Learning) 개념 및 활용 사례 19

제1절 사회보장 빅데이터 및 기계학습 개념 정의 21

제2절 기계학습 기법 활용 사례 29

제3절 딥러닝(Deep Learning) 기법 동향 분석 54

제3장 기계학습(Machine Learning) 통계기법 비교 연구 85

제1절 기계학습 통계기법 소개 87

제2절 기계학습 통계기법 장·단점 비교 분석 106

제4장 기계학습(Machine Learning) 기반 예측모형 평가방법 연구 113

제1절 모형 평가방법 개념 정의 115

제2절 모형 선택 기준 연구 117

제5장 기계학습(Machine Learning) 기반 예측모형 모의분석 123

제1절 복지수급 예측모형 분석 DB 구축 125

제2절 기초통계 및 모형분석 결과 132

제3절 기계학습 기반 예측모형 비교 및 평가 141

제4절 소결 148

제6장 결론 및 정책 제언 151

제1절 기계학습 기법 관련 이슈 153

제2절 정책 제언 156

참고문헌 165

4차 산업혁명의 핵심 기술은 인공지능과 빅데이터로, 대규모로 축적된 데이터에 대한 기계학습(Machine Learning) 기반 알고리즘 성능의 지속적인 강화가 모든 분야에서 중요한 원천 기술이 될 수 있다. 기계학습은 AI 의 한 분야로 데이터를 바탕으로 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이며, 이미지 처리, 영상인식, 음성인식, 검색 등의 다양한 분야의 핵심 기술로 예측(Prediction)에 탁월한 성과를 나타낸다.

이 연구에서는 사회보장 빅데이터의 특성을 파악하고 기계학습 통계기법을 연구함으로써, 사회보장 빅데이터 분석에 적합한 기계학습 기반 예측모형을 설계하고 근거기반 연구에 적용할 수 있는 방법론을 제시한다. 기계학습 기반 예측 모형은 데이터의 활용 가능성을 높이고 다양한 분석을 가능하게 하여 새로운 가치를 도출하는데 기여할 수 있다.