SlideShare uma empresa Scribd logo
1 de 40
Baixar para ler offline
세상의 지식에 밑줄을 긋다
Pitch Deck v2.0 Edited 2021.06.28.
§ WHO WE WORK WITH
§ WHY US
§ WHO WE ARE
§ WHAT WE DO
§ WHAT WE THINK
Table of Contents
WHAT WE THINK
전문 지식과 교양 교육에 대한 수요는 점차 늘어나는 중입니다. 동시에,
전문가 그룹과 대중 지식 생태계 간의 정보 비대칭은 확대되고 있습니다.
전문성과 대중성을 모두 확보한 지식 컨텐츠가 필요한 시점입니다.
What We Think
지식 컨텐츠의 생산에 있어서 최근 기술적으로 두 가지 변화가 있었습니다.
첫 번째, 영상의 제작 비용이 기존보다 감소했고, 자연스레 영상 플랫폼도
성장할 수 있었습니다. 두 번째, 데이터 과학 분야가 빠르게 발전했습니다.
What We Think
우선 지식 영상 컨텐츠에 관해 설명해보자면, 기존에는 전문가가 화면에
직접 등장해 자신의 전공 분야에 관해 강의를 하는 방식이 주류였습니다.
취해 왔습니다. 그러나 이러한 제작 방식에는 몇 가지 한계가 있습니다.
What We Think
첫 번째, ‘사람‘에 대한 의존도가 높아지기 때문에, 강사의 전공 및 연구
분야, 혹은 종사하는 영역이 아닌 경우, 이를 설명할 또 다른 누군가가
등장하지 않는 한 지식 전달의 엄밀성에 문제가 발생할 수 있습니다.
What We Think
두 번째, 교양 방송의 포맷 내지 브랜드 자체가 시청자에게 각인되기
어렵습니다. 한 명의 지식 셀러브리티에게만 이목이 집중되기 때문
입니다. 이는 컨텐츠 브랜드의 성장을 장기적으로 저해하게 됩니다.
What We Think
마지막 세 번째, 시간적으로 지식 셀러브리티는 충분한 전문 지식·연구
역량을 지니기는 어렵습니다. 자연스레 언변이 좋지 않은 전문가보다
엄밀성은 부족해도 전달력은 좋은 셀럽만 방송 시장에 남게 됩니다.
What We Think
모션그래픽에 기반한 지식 애니메이션 컨텐츠는 그 대안이 될 수
있습니다. 텍스트나 음성으로만 접했을 때에는 직관적이지 않은
정보를 쉽게 표현 가능하고, 또 포맷이 인물에 선행하기 때문입니다.
What We Think
수 있으며, 외부 필진과 전문가들의 대본을 활용 시에도 관련 지식 부재로
인한 커뮤니케이션 비용이 없기에 제작 과정이 상당히 효율적입니다.
제작진의 지식 리터러시만 충분하다면, 직접 기획하고 대본도 작성할
What We Think
실제로, 해외에서는 이러한 방식으로 정보성 교양 영상을 제작하는
채널들이 성장하고 있습니다. 독일 컨텐츠 업체인 Kurzgesagt와
미국의 언론사인 Vox가 대표적이며, 많은 구독자 수를 자랑합니
다.
What We Think
한편 영상과는 별개로, 데이터 과학의 기술적 혁신 역시 양질의 지식 컨텐츠
생산에 직·간접적으로 기여할 수 있습니다. 자연어 처리(NLP) 모델의 발전
덕분에 대용량의 텍스트 데이터를 분석·활용할 수 있게 되었기 때문입니다.
What We Think
이는 기존의 데이터를 활용한 사회과학과 결합했을 때 특히 효과적입니다.
다룰 수 있는 데이터의 유형이 넓어지는 것은 물론, 예측(prediction)처럼
공학 분야에서 활용되어 온 기법을 정치·사회 분석에 도입할 수 있습니다.
What We Think
해외의 경우, 미국의 비영리 싱크탱크인 Pew Research Center가
흥미로운 사회 조사 결과들을 자사 웹페이지에 게재해오고 있으며,
FiveThirtyEight은 선거 관련 예측 정보를 실시간으로 제공 중입니다.
What We Think
정리하자면, 영상과 데이터 과학이라는 이질적으로 보일 수 있는 요소들을
적절하게 활용할 경우, 단순한 정보 전달을 넘어서 양질의 지식 컨텐츠를
만들고, 지식의 생산과 전달이라는 두 목표를 함께 달성할 수 있을 것입니다.
What We Think
WHAT WE DO
What We Do
언더스코어는 지식 컨텐츠 개발팀입니다. 계량경제학(econometrics)과
데이터 과학(data science)을 활용한 양질의 사회 조사·분석을 진행하고,
정치·사회·경영과 관련된 데이터 프로덕트를 함께 개발해오고 있습니다.
또, 전문성을 놓치지 않는 정보 전달형 애니메이션 컨텐츠를 제작합니다.
Video Contents Data Analysis
최근 지식의 생산 양상이 다각화되고 있지만, 대학은 여전히 지식의
주요한 생산지입니다. 학계에서 전문 지식을 학습하고 생산하는 훈련을
받은 대학원생 팀원들은 양질의 컨텐츠 개발을 가능케 하는 원동력입니다.
What We Do
내부 대학원생 팀원들과 학계 전문가 네트워크에
기초해 사회과학, 경제학, 통계학, 데이터과학 분
야에 관한 기업·기관 강의 컨텐츠를 기획합니다.
기존의 교양·지식 컨텐츠는 강의에 기반한 경우가
많았습니다. 이에 실사영상과 모션그래픽을 결합
하여 양자의 장점을 취하는 포맷을 개발중입니다.
실사+모션그래픽 컨텐츠 제작 강의 컨텐츠 기획
다소 복잡한 논리와 통계 수치를 시각적으로
명확하게 표현하는 데에 특화된 모션그래픽
지식 컨텐츠를 제작합니다.
모션그래픽 지식 컨텐츠 제작
2018 네이버 오디오클립 “오! 스타 프로젝트”에
선발되어 첫 시즌 1위를 기록했으며, 현재 유튜브
채널에서도 자체 컨텐츠를 업로드 중입니다.
<언더스코어> 자체 채널 운영
WhatWeDo-Contents
What We Do - Data
실시간으로 뉴스 데이터와 유저의 댓글 이력 데
이터를 수집한 후, 개체명인식(NER)을 통해
기업 별 ESG 관련 뉴스의 여론을 분석합니다.
정치 성향 분류 모델과 악플 판별 알고리즘을
적용해서 정당 지지율을 예측합니다. 이는 선거
예측이나 여론 분석에 활용될 수 있습니다.
정당 지지율 예측 모델 (2021.11.공개예정) 기업 별 ESG 여론 분석 모델 (2021.10.공개예정)
QA(질의응답) 모델과 요약 알고리즘을 활용해
국내 주요 뉴스들을 큐레이션하고, 핵심 내용을
QnA 형태로 제공하는 서비스를 개발합니다.
QnA 기반 뉴스 큐레이션 (2021.12.공개예정)
사회 이슈에 대한 조사·분석을 진행합니다. 단순
설문조사 대신 인과추론과 딥러닝 등 학계에서
최근 사용 중인 기법들을 적극적으로 활용합니다.
사회 이슈 조사·분석
WHY US - Video Contents
기획부터
영상 제작까지
일원화
Why Us - Contents
전문 학술지식과
데이터∙통계에 대한
높은 이해도
빠른 제작기간
낮은 제작비용
덕분에 데이터와 전문 지식에 대한 높은 이해도를 갖고 있습니다.
이는 전문성 있는 컨텐츠를 기획하고 제작할 수 있는 강점입니다.
언더스코어는 사회과학 및 공학을 전공하는 대학원생들과 함께합니다.
Why Us - Contents
그리고 BGM 작곡가와 영상 편집자가 함께 모인 팀입니다.
이러한 팀 구성 덕분에, 기획부터 제작까지 내부 일원화가 가능했습니다.
언더스코어는 기획자, 개발자, 데이터 분석가, 웹 디자이너,
Why Us - Contents
이는 정기적인 애니메이션 컨텐츠 제작을 방해하는 주요 요인입니다.
언더스코어는 업계 평균보다 훨씬 적은 시간 ∙ 비용으로 제작합니다.
일반적으로 모션그래픽은 상당한 제작 기간 및 비용을 소요합니다.
Why Us - Contents
WHY US - Data Analysis
Why Us - Data
지난 10년 간의 정치·사회·경영 데이터 분석의 핵심은 설문조사였습니다.
단시간에 정보를 취합할 수 있었던 덕분입니다. 그러나 대용량 데이터가
축적되고 분석 기술이 빠르게 발전하며 이는 아쉬움을 낳기 시작했습니다.
Why Us - Data
첫 번째, 인과관계를 말하기 너무 어려웠기 때문입니다. 일회성 설문연구의
특성 상 대부분은 상관관계를 발견하는 데에 머물렀습니다. 두 번째, 예측
알고리즘을 적용하기에 설문 데이터는 크기와 형식이 적합하지 못했습니다.
Why Us - Data
물론 딥러닝과 같은 예측 모델링도 학계, 혹은 금융·제조·IT 분야 밖에서는
올바르게 활용되지 못해왔습니다. 기본적으로는 최신 연구 성과들을 충분히
반영하지 못한 채 오래되고 부정확한 기법들만 유통되었던 문제가 큽니다.
Why Us - Data
언더스코어는 기존의 문제들을 다음의 두 가지 방식으로 해소하려 합니다.
첫 번째, 학계에서 데이터 분석과 연구 설계를 전문적으로 훈련받은 인력의
참여입니다. 이는 분석의 엄밀성과 기술적 수준을 유지하는 중요 요소입니다.
Why Us - Data
두 번째, 온라인 데이터의 활용입니다. 웹 데이터 특유의 편향성만을 해결
한다면, 대규모로 확보할 수 있는 온라인 공간의 데이터는 분석 가치가 높고
자연어처리(NLP)로 불리는 텍스트 분석과 결합 시 특히 시너지가 큽니다.
Why Us - Data
언더스코어는 궁극적으로 인과 추론(causal inference)과 예측 모델링
(predictive modeling)을 함께 활용해 정치·사회·경영 분야에서의 조사
방식을 선진화하고 데이터 기반 컨텐츠를 제공하고자 합니다.
WHO WE ARE
강태영 / 대표
minvv23@kaist.ac.kr
Education
2019-2020 M.S. 경영공학 (KAIST)
2014-2019 B.A. 사회학/정치학 (서강대학교)
Research Area
〮 전산사회과학 (Computational Social Science)
〮 데이터 기반 인사 관리 (HR Analytics)
〮 자연어 처리 (Natural Language Processing)
Academic Research & Projects
〮 SK 신입사원 자기소개서 채점 자동화 모델 개발·평가
〮 SK Telecom 직원 추천 및 직무 요약 모델 개발
〮 SK Networks 피드백 데이터 평가 알고리즘 개발
〮 BGF리테일 편의점 프랜차이즈 CU 점포 유형화
〮 언론진흥재단 모바일 여론 집중도 조사
〮 제주평화연구원-서울대국제문제연구소 평화지수 개발
WHO WE ARE
Education
2012-2017 B.A. 심리학과 (서강대학교)
Publication & Writing
〮 한국일보 <2030 세상보기> 칼럼니스트
〮 전자신문 <SF 완전사회> 칼럼니스트
〮 대스타 (안전가옥, 2020)
〮 나는 절대 저렇게 추하게 늙지 말아야지 (아작, 2020)
〮 땡스 갓, 잇츠 프라이데이 (안전가옥, 2020)
〮 살을 섞다 (아작, 2019)
〮 대멸종 (안전가옥, 2019)
〮 소멸사회 (그래비티북스, 2019)
Awards
〮 2019 부산국제영화제 토리코믹스 어워드
〮 2019 SF 어워드 중단편 대상
심너울 / 기획
polarmagpie@sogang.ac.kr
WHO WE ARE
임현채 / 영상
hyuntox4@gmail.com
Education
2013- B.A. Fine Art (OTIS college of Art and Design)
Projects & Experience
〮 2018 tvN <학과썰>
〮 2018 tvN <알바머함>
〮 2018 에버랜드 <굳바이 통키>
〮 2019 아이스크림 미디어 <벌써 어른>
〮 2019 한국관광공사 <썸 Scene>
〮 2019 EBS <혐망진창>
〮 2019 EBS <아부지 뭐하시노>
Fields of Interest
〮 영상 감독 (Film Directing)
〮 촬영 (Cinematography)
〮 색채 보정 (Color Grading)
WHO WE ARE
홍성원 / 음악
seongwonhong@kaist.ac.kr
Education
2019-2020 M.S. 경영공학 (KAIST)
2014-2019 B.S. 환경생태공학 (고려대학교)
Research
〮 Seongwon Hong and Jiyong Eom. 2021. “Penalizing
Electric Vehicle ‘Hogging’: Idle fee and Charging behavior
Heterogeneity of EV users.” IFORS.
〮 Seongwon Hong et al. 2018. “Suggestion of additional
PM observatory construction based on GIS Interpolation
Method.” KPA.
Producing Experience
〮 개인 앨범 <당신에 대한 수필>
〮 싱글 앨범 <연애랑 결혼은 다르다던데>
〮 아프리카TV & KUSPA 연합공연 <CollaRize> 편곡
〮 2014/2015 고려대 가을축제 가요제 준우승/우승
WHO WE ARE
WHO WE WORK WITH
팟캐스트 “아메리카노 2020”
연세대학교 사회학과 BK사업단
WHO WE WORK WITH

Mais conteúdo relacionado

Mais procurados

제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천BOAZ Bigdata
 
[메조미디어] 2022 OTT 업종 분석 리포트
[메조미디어] 2022 OTT 업종 분석 리포트[메조미디어] 2022 OTT 업종 분석 리포트
[메조미디어] 2022 OTT 업종 분석 리포트MezzoMedia
 
[메조미디어] Media&Market Report (2022.08)
[메조미디어] Media&Market Report (2022.08)[메조미디어] Media&Market Report (2022.08)
[메조미디어] Media&Market Report (2022.08)MezzoMedia
 
빅데이터 분석 시각화 분석 : 3장 시각화 방법
빅데이터 분석 시각화 분석 : 3장 시각화 방법빅데이터 분석 시각화 분석 : 3장 시각화 방법
빅데이터 분석 시각화 분석 : 3장 시각화 방법Ji Lee
 
[메조미디어] 2023 디지털 마케팅 마일스톤
[메조미디어] 2023 디지털 마케팅 마일스톤[메조미디어] 2023 디지털 마케팅 마일스톤
[메조미디어] 2023 디지털 마케팅 마일스톤MezzoMedia
 
2023년 인공지능 서비스 트렌드
2023년 인공지능 서비스 트렌드2023년 인공지능 서비스 트렌드
2023년 인공지능 서비스 트렌드SK(주) C&C - 강병호
 
스마트시티에서의 디지털사이니지의 역할과 유망서비스 탐색 _2020
스마트시티에서의 디지털사이니지의 역할과 유망서비스 탐색 _2020스마트시티에서의 디지털사이니지의 역할과 유망서비스 탐색 _2020
스마트시티에서의 디지털사이니지의 역할과 유망서비스 탐색 _2020M&M Networks
 
Knowledge Graph Generation from Wikipedia in the Age of ChatGPT: Knowledge ...
Knowledge Graph Generation  from Wikipedia in the Age of ChatGPT:  Knowledge ...Knowledge Graph Generation  from Wikipedia in the Age of ChatGPT:  Knowledge ...
Knowledge Graph Generation from Wikipedia in the Age of ChatGPT: Knowledge ...Heiko Paulheim
 
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)Myungjin Lee
 
[메조미디어] Media&Market Report_2024.01
[메조미디어] Media&Market Report_2024.01[메조미디어] Media&Market Report_2024.01
[메조미디어] Media&Market Report_2024.01MezzoMedia
 
Künstliche Intelligenz (KI)
Künstliche Intelligenz (KI)Künstliche Intelligenz (KI)
Künstliche Intelligenz (KI)Silvan Maaß
 
2023 메조미디어 트렌드 리포트
2023 메조미디어 트렌드 리포트2023 메조미디어 트렌드 리포트
2023 메조미디어 트렌드 리포트MezzoMedia
 
분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질Sun Young Kim
 
Introduction to japanese tokenizer
Introduction to japanese tokenizerIntroduction to japanese tokenizer
Introduction to japanese tokenizerFangda Wang
 
Neo4j : Graphes de Connaissance, IA et LLMs
Neo4j : Graphes de Connaissance, IA et LLMsNeo4j : Graphes de Connaissance, IA et LLMs
Neo4j : Graphes de Connaissance, IA et LLMsNeo4j
 
빅데이터의 활용
빅데이터의 활용빅데이터의 활용
빅데이터의 활용수보 김
 
부대찌개 시장조사
부대찌개 시장조사부대찌개 시장조사
부대찌개 시장조사KyuriKim19
 
Landscape of AI/ML in 2023
Landscape of AI/ML in 2023Landscape of AI/ML in 2023
Landscape of AI/ML in 2023HyunJoon Jung
 
[메조미디어] Media&Market Report_2023.02
[메조미디어] Media&Market Report_2023.02[메조미디어] Media&Market Report_2023.02
[메조미디어] Media&Market Report_2023.02MezzoMedia
 

Mais procurados (20)

제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
 
[메조미디어] 2022 OTT 업종 분석 리포트
[메조미디어] 2022 OTT 업종 분석 리포트[메조미디어] 2022 OTT 업종 분석 리포트
[메조미디어] 2022 OTT 업종 분석 리포트
 
[메조미디어] Media&Market Report (2022.08)
[메조미디어] Media&Market Report (2022.08)[메조미디어] Media&Market Report (2022.08)
[메조미디어] Media&Market Report (2022.08)
 
빅데이터 분석 시각화 분석 : 3장 시각화 방법
빅데이터 분석 시각화 분석 : 3장 시각화 방법빅데이터 분석 시각화 분석 : 3장 시각화 방법
빅데이터 분석 시각화 분석 : 3장 시각화 방법
 
[메조미디어] 2023 디지털 마케팅 마일스톤
[메조미디어] 2023 디지털 마케팅 마일스톤[메조미디어] 2023 디지털 마케팅 마일스톤
[메조미디어] 2023 디지털 마케팅 마일스톤
 
2023년 인공지능 서비스 트렌드
2023년 인공지능 서비스 트렌드2023년 인공지능 서비스 트렌드
2023년 인공지능 서비스 트렌드
 
스마트시티에서의 디지털사이니지의 역할과 유망서비스 탐색 _2020
스마트시티에서의 디지털사이니지의 역할과 유망서비스 탐색 _2020스마트시티에서의 디지털사이니지의 역할과 유망서비스 탐색 _2020
스마트시티에서의 디지털사이니지의 역할과 유망서비스 탐색 _2020
 
Knowledge Graph Generation from Wikipedia in the Age of ChatGPT: Knowledge ...
Knowledge Graph Generation  from Wikipedia in the Age of ChatGPT:  Knowledge ...Knowledge Graph Generation  from Wikipedia in the Age of ChatGPT:  Knowledge ...
Knowledge Graph Generation from Wikipedia in the Age of ChatGPT: Knowledge ...
 
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
 
[메조미디어] Media&Market Report_2024.01
[메조미디어] Media&Market Report_2024.01[메조미디어] Media&Market Report_2024.01
[메조미디어] Media&Market Report_2024.01
 
Künstliche Intelligenz (KI)
Künstliche Intelligenz (KI)Künstliche Intelligenz (KI)
Künstliche Intelligenz (KI)
 
2023 메조미디어 트렌드 리포트
2023 메조미디어 트렌드 리포트2023 메조미디어 트렌드 리포트
2023 메조미디어 트렌드 리포트
 
분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질
 
Introduction to japanese tokenizer
Introduction to japanese tokenizerIntroduction to japanese tokenizer
Introduction to japanese tokenizer
 
Neo4j : Graphes de Connaissance, IA et LLMs
Neo4j : Graphes de Connaissance, IA et LLMsNeo4j : Graphes de Connaissance, IA et LLMs
Neo4j : Graphes de Connaissance, IA et LLMs
 
Responsible AI
Responsible AIResponsible AI
Responsible AI
 
빅데이터의 활용
빅데이터의 활용빅데이터의 활용
빅데이터의 활용
 
부대찌개 시장조사
부대찌개 시장조사부대찌개 시장조사
부대찌개 시장조사
 
Landscape of AI/ML in 2023
Landscape of AI/ML in 2023Landscape of AI/ML in 2023
Landscape of AI/ML in 2023
 
[메조미디어] Media&Market Report_2023.02
[메조미디어] Media&Market Report_2023.02[메조미디어] Media&Market Report_2023.02
[메조미디어] Media&Market Report_2023.02
 

Semelhante a 언더스코어 팀 소개서 v2.0

언더스코어 팀 소개서 v2.1
언더스코어 팀 소개서 v2.1언더스코어 팀 소개서 v2.1
언더스코어 팀 소개서 v2.1Tae Young Kang
 
연구업적 데이터베이스를 활용한 빅데이터 분석시스템 (16 sep2014)
연구업적 데이터베이스를 활용한 빅데이터 분석시스템 (16 sep2014)연구업적 데이터베이스를 활용한 빅데이터 분석시스템 (16 sep2014)
연구업적 데이터베이스를 활용한 빅데이터 분석시스템 (16 sep2014)Han Woo PARK
 
DISC2014_보도자료_ver.5(141126-1)_김장현추가수정1
DISC2014_보도자료_ver.5(141126-1)_김장현추가수정1DISC2014_보도자료_ver.5(141126-1)_김장현추가수정1
DISC2014_보도자료_ver.5(141126-1)_김장현추가수정1Han Woo PARK
 
미창부뉴미디어 정책홍보 활성화
미창부뉴미디어 정책홍보 활성화미창부뉴미디어 정책홍보 활성화
미창부뉴미디어 정책홍보 활성화esther kim
 
학습분석(Learning Analytics) 활용 가능성 및 전망
학습분석(Learning Analytics) 활용 가능성 및 전망학습분석(Learning Analytics) 활용 가능성 및 전망
학습분석(Learning Analytics) 활용 가능성 및 전망Open Cyber University of Korea
 
140628 seminar edu.
140628 seminar edu.140628 seminar edu.
140628 seminar edu.Yoonyi Kim
 
150514 경북대학교(콘텐츠산업과 창업)
150514 경북대학교(콘텐츠산업과 창업)150514 경북대학교(콘텐츠산업과 창업)
150514 경북대학교(콘텐츠산업과 창업)Hee Dae Kim
 
AWS 사업계획서 pt- Yoon Dong Jin
AWS 사업계획서 pt- Yoon Dong JinAWS 사업계획서 pt- Yoon Dong Jin
AWS 사업계획서 pt- Yoon Dong Jin윤 동진
 
ORD-2nd-10-findsteve
ORD-2nd-10-findsteveORD-2nd-10-findsteve
ORD-2nd-10-findsteveVentureSquare
 
포닥스 발표자료1
포닥스 발표자료1포닥스 발표자료1
포닥스 발표자료1Youn Sang Ha
 
Bloter 넥스트 저널리즘 스쿨 강의자료
Bloter 넥스트 저널리즘 스쿨 강의자료Bloter 넥스트 저널리즘 스쿨 강의자료
Bloter 넥스트 저널리즘 스쿨 강의자료neuroassociates
 
진화형 지식처리 인공지능 기술의 동향과 산업전망
진화형 지식처리 인공지능 기술의 동향과 산업전망진화형 지식처리 인공지능 기술의 동향과 산업전망
진화형 지식처리 인공지능 기술의 동향과 산업전망메가트렌드랩 megatrendlab
 
UX디자인을 넘어 서비스디자인으로
UX디자인을 넘어 서비스디자인으로UX디자인을 넘어 서비스디자인으로
UX디자인을 넘어 서비스디자인으로USABLE 윤
 
[탐방계획서]정보통신분야 데이터사이언티스트 양성 선진학과 탐방
[탐방계획서]정보통신분야 데이터사이언티스트 양성 선진학과 탐방[탐방계획서]정보통신분야 데이터사이언티스트 양성 선진학과 탐방
[탐방계획서]정보통신분야 데이터사이언티스트 양성 선진학과 탐방승지 김
 
고려대 교육정보서비스 시스템 4-5주
고려대 교육정보서비스 시스템 4-5주 고려대 교육정보서비스 시스템 4-5주
고려대 교육정보서비스 시스템 4-5주 JM code group
 
About cerebro scholar
About cerebro scholarAbout cerebro scholar
About cerebro scholarJungeunKim49
 
DISC 기본계획서
DISC 기본계획서 DISC 기본계획서
DISC 기본계획서 Han Woo PARK
 
Week1 ot
Week1 otWeek1 ot
Week1 otEun Yu
 

Semelhante a 언더스코어 팀 소개서 v2.0 (20)

언더스코어 팀 소개서 v2.1
언더스코어 팀 소개서 v2.1언더스코어 팀 소개서 v2.1
언더스코어 팀 소개서 v2.1
 
연구업적 데이터베이스를 활용한 빅데이터 분석시스템 (16 sep2014)
연구업적 데이터베이스를 활용한 빅데이터 분석시스템 (16 sep2014)연구업적 데이터베이스를 활용한 빅데이터 분석시스템 (16 sep2014)
연구업적 데이터베이스를 활용한 빅데이터 분석시스템 (16 sep2014)
 
DISC2014_보도자료_ver.5(141126-1)_김장현추가수정1
DISC2014_보도자료_ver.5(141126-1)_김장현추가수정1DISC2014_보도자료_ver.5(141126-1)_김장현추가수정1
DISC2014_보도자료_ver.5(141126-1)_김장현추가수정1
 
미창부뉴미디어 정책홍보 활성화
미창부뉴미디어 정책홍보 활성화미창부뉴미디어 정책홍보 활성화
미창부뉴미디어 정책홍보 활성화
 
학습분석(Learning Analytics) 활용 가능성 및 전망
학습분석(Learning Analytics) 활용 가능성 및 전망학습분석(Learning Analytics) 활용 가능성 및 전망
학습분석(Learning Analytics) 활용 가능성 및 전망
 
140628 seminar edu.
140628 seminar edu.140628 seminar edu.
140628 seminar edu.
 
ISTE Live 2022 브리핑 리포트
ISTE Live 2022 브리핑 리포트ISTE Live 2022 브리핑 리포트
ISTE Live 2022 브리핑 리포트
 
150514 경북대학교(콘텐츠산업과 창업)
150514 경북대학교(콘텐츠산업과 창업)150514 경북대학교(콘텐츠산업과 창업)
150514 경북대학교(콘텐츠산업과 창업)
 
AWS 사업계획서 pt- Yoon Dong Jin
AWS 사업계획서 pt- Yoon Dong JinAWS 사업계획서 pt- Yoon Dong Jin
AWS 사업계획서 pt- Yoon Dong Jin
 
ORD-2nd-10-findsteve
ORD-2nd-10-findsteveORD-2nd-10-findsteve
ORD-2nd-10-findsteve
 
포닥스 발표자료1
포닥스 발표자료1포닥스 발표자료1
포닥스 발표자료1
 
Bloter 넥스트 저널리즘 스쿨 강의자료
Bloter 넥스트 저널리즘 스쿨 강의자료Bloter 넥스트 저널리즘 스쿨 강의자료
Bloter 넥스트 저널리즘 스쿨 강의자료
 
진화형 지식처리 인공지능 기술의 동향과 산업전망
진화형 지식처리 인공지능 기술의 동향과 산업전망진화형 지식처리 인공지능 기술의 동향과 산업전망
진화형 지식처리 인공지능 기술의 동향과 산업전망
 
UX디자인을 넘어 서비스디자인으로
UX디자인을 넘어 서비스디자인으로UX디자인을 넘어 서비스디자인으로
UX디자인을 넘어 서비스디자인으로
 
[탐방계획서]정보통신분야 데이터사이언티스트 양성 선진학과 탐방
[탐방계획서]정보통신분야 데이터사이언티스트 양성 선진학과 탐방[탐방계획서]정보통신분야 데이터사이언티스트 양성 선진학과 탐방
[탐방계획서]정보통신분야 데이터사이언티스트 양성 선진학과 탐방
 
고려대 교육정보서비스 시스템 4-5주
고려대 교육정보서비스 시스템 4-5주 고려대 교육정보서비스 시스템 4-5주
고려대 교육정보서비스 시스템 4-5주
 
About cerebro scholar
About cerebro scholarAbout cerebro scholar
About cerebro scholar
 
Big data
Big dataBig data
Big data
 
DISC 기본계획서
DISC 기본계획서 DISC 기본계획서
DISC 기본계획서
 
Week1 ot
Week1 otWeek1 ot
Week1 ot
 

언더스코어 팀 소개서 v2.0

  • 1. 세상의 지식에 밑줄을 긋다 Pitch Deck v2.0 Edited 2021.06.28.
  • 2. § WHO WE WORK WITH § WHY US § WHO WE ARE § WHAT WE DO § WHAT WE THINK Table of Contents
  • 4. 전문 지식과 교양 교육에 대한 수요는 점차 늘어나는 중입니다. 동시에, 전문가 그룹과 대중 지식 생태계 간의 정보 비대칭은 확대되고 있습니다. 전문성과 대중성을 모두 확보한 지식 컨텐츠가 필요한 시점입니다. What We Think
  • 5. 지식 컨텐츠의 생산에 있어서 최근 기술적으로 두 가지 변화가 있었습니다. 첫 번째, 영상의 제작 비용이 기존보다 감소했고, 자연스레 영상 플랫폼도 성장할 수 있었습니다. 두 번째, 데이터 과학 분야가 빠르게 발전했습니다. What We Think
  • 6. 우선 지식 영상 컨텐츠에 관해 설명해보자면, 기존에는 전문가가 화면에 직접 등장해 자신의 전공 분야에 관해 강의를 하는 방식이 주류였습니다. 취해 왔습니다. 그러나 이러한 제작 방식에는 몇 가지 한계가 있습니다. What We Think
  • 7. 첫 번째, ‘사람‘에 대한 의존도가 높아지기 때문에, 강사의 전공 및 연구 분야, 혹은 종사하는 영역이 아닌 경우, 이를 설명할 또 다른 누군가가 등장하지 않는 한 지식 전달의 엄밀성에 문제가 발생할 수 있습니다. What We Think
  • 8. 두 번째, 교양 방송의 포맷 내지 브랜드 자체가 시청자에게 각인되기 어렵습니다. 한 명의 지식 셀러브리티에게만 이목이 집중되기 때문 입니다. 이는 컨텐츠 브랜드의 성장을 장기적으로 저해하게 됩니다. What We Think
  • 9. 마지막 세 번째, 시간적으로 지식 셀러브리티는 충분한 전문 지식·연구 역량을 지니기는 어렵습니다. 자연스레 언변이 좋지 않은 전문가보다 엄밀성은 부족해도 전달력은 좋은 셀럽만 방송 시장에 남게 됩니다. What We Think
  • 10. 모션그래픽에 기반한 지식 애니메이션 컨텐츠는 그 대안이 될 수 있습니다. 텍스트나 음성으로만 접했을 때에는 직관적이지 않은 정보를 쉽게 표현 가능하고, 또 포맷이 인물에 선행하기 때문입니다. What We Think
  • 11. 수 있으며, 외부 필진과 전문가들의 대본을 활용 시에도 관련 지식 부재로 인한 커뮤니케이션 비용이 없기에 제작 과정이 상당히 효율적입니다. 제작진의 지식 리터러시만 충분하다면, 직접 기획하고 대본도 작성할 What We Think
  • 12. 실제로, 해외에서는 이러한 방식으로 정보성 교양 영상을 제작하는 채널들이 성장하고 있습니다. 독일 컨텐츠 업체인 Kurzgesagt와 미국의 언론사인 Vox가 대표적이며, 많은 구독자 수를 자랑합니 다. What We Think
  • 13. 한편 영상과는 별개로, 데이터 과학의 기술적 혁신 역시 양질의 지식 컨텐츠 생산에 직·간접적으로 기여할 수 있습니다. 자연어 처리(NLP) 모델의 발전 덕분에 대용량의 텍스트 데이터를 분석·활용할 수 있게 되었기 때문입니다. What We Think
  • 14. 이는 기존의 데이터를 활용한 사회과학과 결합했을 때 특히 효과적입니다. 다룰 수 있는 데이터의 유형이 넓어지는 것은 물론, 예측(prediction)처럼 공학 분야에서 활용되어 온 기법을 정치·사회 분석에 도입할 수 있습니다. What We Think
  • 15. 해외의 경우, 미국의 비영리 싱크탱크인 Pew Research Center가 흥미로운 사회 조사 결과들을 자사 웹페이지에 게재해오고 있으며, FiveThirtyEight은 선거 관련 예측 정보를 실시간으로 제공 중입니다. What We Think
  • 16. 정리하자면, 영상과 데이터 과학이라는 이질적으로 보일 수 있는 요소들을 적절하게 활용할 경우, 단순한 정보 전달을 넘어서 양질의 지식 컨텐츠를 만들고, 지식의 생산과 전달이라는 두 목표를 함께 달성할 수 있을 것입니다. What We Think
  • 18. What We Do 언더스코어는 지식 컨텐츠 개발팀입니다. 계량경제학(econometrics)과 데이터 과학(data science)을 활용한 양질의 사회 조사·분석을 진행하고, 정치·사회·경영과 관련된 데이터 프로덕트를 함께 개발해오고 있습니다. 또, 전문성을 놓치지 않는 정보 전달형 애니메이션 컨텐츠를 제작합니다. Video Contents Data Analysis
  • 19. 최근 지식의 생산 양상이 다각화되고 있지만, 대학은 여전히 지식의 주요한 생산지입니다. 학계에서 전문 지식을 학습하고 생산하는 훈련을 받은 대학원생 팀원들은 양질의 컨텐츠 개발을 가능케 하는 원동력입니다. What We Do
  • 20. 내부 대학원생 팀원들과 학계 전문가 네트워크에 기초해 사회과학, 경제학, 통계학, 데이터과학 분 야에 관한 기업·기관 강의 컨텐츠를 기획합니다. 기존의 교양·지식 컨텐츠는 강의에 기반한 경우가 많았습니다. 이에 실사영상과 모션그래픽을 결합 하여 양자의 장점을 취하는 포맷을 개발중입니다. 실사+모션그래픽 컨텐츠 제작 강의 컨텐츠 기획 다소 복잡한 논리와 통계 수치를 시각적으로 명확하게 표현하는 데에 특화된 모션그래픽 지식 컨텐츠를 제작합니다. 모션그래픽 지식 컨텐츠 제작 2018 네이버 오디오클립 “오! 스타 프로젝트”에 선발되어 첫 시즌 1위를 기록했으며, 현재 유튜브 채널에서도 자체 컨텐츠를 업로드 중입니다. <언더스코어> 자체 채널 운영 WhatWeDo-Contents
  • 21. What We Do - Data 실시간으로 뉴스 데이터와 유저의 댓글 이력 데 이터를 수집한 후, 개체명인식(NER)을 통해 기업 별 ESG 관련 뉴스의 여론을 분석합니다. 정치 성향 분류 모델과 악플 판별 알고리즘을 적용해서 정당 지지율을 예측합니다. 이는 선거 예측이나 여론 분석에 활용될 수 있습니다. 정당 지지율 예측 모델 (2021.11.공개예정) 기업 별 ESG 여론 분석 모델 (2021.10.공개예정) QA(질의응답) 모델과 요약 알고리즘을 활용해 국내 주요 뉴스들을 큐레이션하고, 핵심 내용을 QnA 형태로 제공하는 서비스를 개발합니다. QnA 기반 뉴스 큐레이션 (2021.12.공개예정) 사회 이슈에 대한 조사·분석을 진행합니다. 단순 설문조사 대신 인과추론과 딥러닝 등 학계에서 최근 사용 중인 기법들을 적극적으로 활용합니다. 사회 이슈 조사·분석
  • 22. WHY US - Video Contents
  • 23. 기획부터 영상 제작까지 일원화 Why Us - Contents 전문 학술지식과 데이터∙통계에 대한 높은 이해도 빠른 제작기간 낮은 제작비용
  • 24. 덕분에 데이터와 전문 지식에 대한 높은 이해도를 갖고 있습니다. 이는 전문성 있는 컨텐츠를 기획하고 제작할 수 있는 강점입니다. 언더스코어는 사회과학 및 공학을 전공하는 대학원생들과 함께합니다. Why Us - Contents
  • 25. 그리고 BGM 작곡가와 영상 편집자가 함께 모인 팀입니다. 이러한 팀 구성 덕분에, 기획부터 제작까지 내부 일원화가 가능했습니다. 언더스코어는 기획자, 개발자, 데이터 분석가, 웹 디자이너, Why Us - Contents
  • 26. 이는 정기적인 애니메이션 컨텐츠 제작을 방해하는 주요 요인입니다. 언더스코어는 업계 평균보다 훨씬 적은 시간 ∙ 비용으로 제작합니다. 일반적으로 모션그래픽은 상당한 제작 기간 및 비용을 소요합니다. Why Us - Contents
  • 27. WHY US - Data Analysis
  • 28. Why Us - Data 지난 10년 간의 정치·사회·경영 데이터 분석의 핵심은 설문조사였습니다. 단시간에 정보를 취합할 수 있었던 덕분입니다. 그러나 대용량 데이터가 축적되고 분석 기술이 빠르게 발전하며 이는 아쉬움을 낳기 시작했습니다.
  • 29. Why Us - Data 첫 번째, 인과관계를 말하기 너무 어려웠기 때문입니다. 일회성 설문연구의 특성 상 대부분은 상관관계를 발견하는 데에 머물렀습니다. 두 번째, 예측 알고리즘을 적용하기에 설문 데이터는 크기와 형식이 적합하지 못했습니다.
  • 30. Why Us - Data 물론 딥러닝과 같은 예측 모델링도 학계, 혹은 금융·제조·IT 분야 밖에서는 올바르게 활용되지 못해왔습니다. 기본적으로는 최신 연구 성과들을 충분히 반영하지 못한 채 오래되고 부정확한 기법들만 유통되었던 문제가 큽니다.
  • 31. Why Us - Data 언더스코어는 기존의 문제들을 다음의 두 가지 방식으로 해소하려 합니다. 첫 번째, 학계에서 데이터 분석과 연구 설계를 전문적으로 훈련받은 인력의 참여입니다. 이는 분석의 엄밀성과 기술적 수준을 유지하는 중요 요소입니다.
  • 32. Why Us - Data 두 번째, 온라인 데이터의 활용입니다. 웹 데이터 특유의 편향성만을 해결 한다면, 대규모로 확보할 수 있는 온라인 공간의 데이터는 분석 가치가 높고 자연어처리(NLP)로 불리는 텍스트 분석과 결합 시 특히 시너지가 큽니다.
  • 33. Why Us - Data 언더스코어는 궁극적으로 인과 추론(causal inference)과 예측 모델링 (predictive modeling)을 함께 활용해 정치·사회·경영 분야에서의 조사 방식을 선진화하고 데이터 기반 컨텐츠를 제공하고자 합니다.
  • 35. 강태영 / 대표 minvv23@kaist.ac.kr Education 2019-2020 M.S. 경영공학 (KAIST) 2014-2019 B.A. 사회학/정치학 (서강대학교) Research Area 〮 전산사회과학 (Computational Social Science) 〮 데이터 기반 인사 관리 (HR Analytics) 〮 자연어 처리 (Natural Language Processing) Academic Research & Projects 〮 SK 신입사원 자기소개서 채점 자동화 모델 개발·평가 〮 SK Telecom 직원 추천 및 직무 요약 모델 개발 〮 SK Networks 피드백 데이터 평가 알고리즘 개발 〮 BGF리테일 편의점 프랜차이즈 CU 점포 유형화 〮 언론진흥재단 모바일 여론 집중도 조사 〮 제주평화연구원-서울대국제문제연구소 평화지수 개발 WHO WE ARE
  • 36. Education 2012-2017 B.A. 심리학과 (서강대학교) Publication & Writing 〮 한국일보 <2030 세상보기> 칼럼니스트 〮 전자신문 <SF 완전사회> 칼럼니스트 〮 대스타 (안전가옥, 2020) 〮 나는 절대 저렇게 추하게 늙지 말아야지 (아작, 2020) 〮 땡스 갓, 잇츠 프라이데이 (안전가옥, 2020) 〮 살을 섞다 (아작, 2019) 〮 대멸종 (안전가옥, 2019) 〮 소멸사회 (그래비티북스, 2019) Awards 〮 2019 부산국제영화제 토리코믹스 어워드 〮 2019 SF 어워드 중단편 대상 심너울 / 기획 polarmagpie@sogang.ac.kr WHO WE ARE
  • 37. 임현채 / 영상 hyuntox4@gmail.com Education 2013- B.A. Fine Art (OTIS college of Art and Design) Projects & Experience 〮 2018 tvN <학과썰> 〮 2018 tvN <알바머함> 〮 2018 에버랜드 <굳바이 통키> 〮 2019 아이스크림 미디어 <벌써 어른> 〮 2019 한국관광공사 <썸 Scene> 〮 2019 EBS <혐망진창> 〮 2019 EBS <아부지 뭐하시노> Fields of Interest 〮 영상 감독 (Film Directing) 〮 촬영 (Cinematography) 〮 색채 보정 (Color Grading) WHO WE ARE
  • 38. 홍성원 / 음악 seongwonhong@kaist.ac.kr Education 2019-2020 M.S. 경영공학 (KAIST) 2014-2019 B.S. 환경생태공학 (고려대학교) Research 〮 Seongwon Hong and Jiyong Eom. 2021. “Penalizing Electric Vehicle ‘Hogging’: Idle fee and Charging behavior Heterogeneity of EV users.” IFORS. 〮 Seongwon Hong et al. 2018. “Suggestion of additional PM observatory construction based on GIS Interpolation Method.” KPA. Producing Experience 〮 개인 앨범 <당신에 대한 수필> 〮 싱글 앨범 <연애랑 결혼은 다르다던데> 〮 아프리카TV & KUSPA 연합공연 <CollaRize> 편곡 〮 2014/2015 고려대 가을축제 가요제 준우승/우승 WHO WE ARE
  • 39. WHO WE WORK WITH
  • 40. 팟캐스트 “아메리카노 2020” 연세대학교 사회학과 BK사업단 WHO WE WORK WITH