표제지
목차
제1장 오픈소스 플랫폼 기반의 AI 기술 역량 분석 8
제1절 Github 기반의 개발자 역량 분석 8
1. 서론 8
2. 분석 대상 및 방법 9
3. 연구 결과 9
제2절 Kaggle 기반의 인공지능 전문가 현황 분석 13
1. 서론 및 분석 방법 13
제3절 GitHub의 종단적 인용 관계 변화 분석 16
1. 분석의 배경 16
2. 분석의 프레임워크 17
제2장 중국 블록체인 특허분석 67
제1절 기술 통계 분석 67
제2절 대표 특허 분석 81
제3절 심층 분석 88
1. A-CAGR 분석 88
2. IPC 인용도ㆍ소요일 분석 90
3. 특허 네트워크 분석 93
참고문헌 101
판권기 2
〈표 1-1〉 Kaggle 경진대회 주제 예시 13
〈표 1-2〉 주요 IT 기업 별 대표 오픈 플랫폼 및 라이브러리 16
〈표 2-1〉 특허검색식 68
〈표 2-2〉 빅데이터 분야의 IPC 기술분류표 68
〈표 2-3〉 IPC 기술분류별 출원 현황(50건 이상 출원 분야) 69
〈표 2-4〉 연도별 출원 현황 70
〈표 2-5〉 연도별 등록 현황 71
〈표 2-6〉 출원인 현황(20건 이상 출원인 대상, 전체에서의 비중) 72
〈표 2-7〉 기술성숙도별 특허 수(비중) 73
〈표 2-8〉 출원국 현황 74
〈표 2-9〉 국가별 기술군 분류 75
〈표 2-10〉 출원인 국적별 현황(30개 이상 출원국) 76
〈표 2-11〉 발명자 국적별 현황(50개 이상 출원국) 77
〈표 2-12〉 중국 출원인의 등록특허 인용 지표 79
〈표 2-13〉 중국 내 등록된 특허출원인 인용 지표 80
〈표 2-14〉 주요 출원인의 특허 등록 기여도(A-CAGR) 89
〈표 2-15〉 Original IPC 기준, 특허 인용 지표 90
〈표 2-16〉 출원 및 등록 연도별 특허 인용 지표 91
〈표 2-17〉 출원 및 등록 연도별 등록 소요일 92
〈표 2-18〉 IPC 7자리 기준, Main IPC로 채택 횟수 97
〈표 2-19〉 IPC 4자리 기준, Main IPC로 채택 횟수 97
〈표 2-20〉 출원인 국적(중국, 미국)별, 등록연도별 기술군 분포 98
〈표 2-21〉 특허 등록국가(중국, 미국)별, 등록연도별 기술군 분포 99
〈표 2-22〉 특허 등록국가(중국, 미국), 출원인 국적별 기술군 분포 100
[그림 1-1] 지도 학습(supervised learning) 분야 미ㆍ중 비교 10
[그림 1-2] 비지도학습(unsupervised learning)의 미ㆍ중 비교 11
[그림 1-3] 강화 학습(Reinforcement Learning) 분야의 미ㆍ중 비교 12
[그림 1-4] Kaggle의 Unranked Contributors and Novice 예시 14
[그림 1-5] Kaggle 그랜드 마스터 수 보유 현황 15
[그림 1-6] GitHub 구조 및 분석 방법 17
[그림 1-7] 데이터 분석 관련 분야 및 키워드 선정 18
[그림 1-8] 반기별 지역 별 Forking 수 변화(2014~2020년): 주요국 전체 20
[그림 1-9] 반기별 지역 별 Forking 수 변화(2014년 - 2020년): 미국ㆍ중국 21
[그림 1-10] 월별 지역 별 Forking 수 변화(2014~2020년): 주요국 전체 23
[그림 1-11] 월별 지역 별 Forking 수 변화(2014~2020년): 미국ㆍ중국 24
[그림 1-12] 반기별 지역 별 Forking 수 변화(artificial intelligence): 주요국 전체 25
[그림 1-13] 반기별 지역 별 Forking 수 변화(artificial intelligence): 미국ㆍ중국 26
[그림 1-14] 월별 지역 별 Forking 수 변화(artificial intelligence): 주요국 전체 28
[그림 1-15] 월별 지역 별 Forking 수 변화(artificial intelligence): 미국ㆍ중국 29
[그림 1-16] 반기별 지역 별 Forking 수 변화(data mining): 주요국 전체 30
[그림 1-17] 반기별 지역 별 Forking 수 변화(data mining): 미국ㆍ중국 31
[그림 1-18] 월별 지역 별 Forking 수 변화(data mining): 주요국 전체 32
[그림 1-19] 월별 지역 별 Forking 수 변화(data mining): 미국ㆍ중국 33
[그림 1-20] 반기별 지역 별 Forking 수 변화(machine learning): 주요국 전체 34
[그림 1-21] 반기별 지역 별 Forking 수 변화(machine learning): 미국ㆍ중국 35
[그림 1-22] 월별 지역 별 Forking 수 변화(machine learning): 주요국 전체 36
[그림 1-23] 월별 지역 별 Forking 수 변화(machine learning): 미국ㆍ중국 37
[그림 1-24] 반기별 지역 별 Forking 수 변화(supervised learning): 주요국 전체 38
[그림 1-25] 반기별 지역 별 Forking 수 변화(supervised learning): 미국ㆍ중국 39
[그림 1-26] 월별 지역 별 Forking 수 변화(supervised learning): 주요국 전체 40
[그림 1-27] 월별 지역 별 Forking 수 변화(supervised learning): 미국ㆍ중국 41
[그림 1-28] 반기별 지역 별 Forking 수 변화(unsupervised learning): 주요국 전체 42
[그림 1-29] 반기별 지역 별 Forking 수 변화(unsupervised learning): 미국ㆍ중국 43
[그림 1-30] 월별 지역 별 Forking 수 변화(unsupervised learning): 주요국 전체 44
[그림 1-31] 월별 지역 별 Forking 수 변화(unsupervised learning): 미국ㆍ중국 45
[그림 1-32] 반기별 지역 별 Forking 수 변화(reinforcement learning): 주요국 전체 46
[그림 1-33] 반기별 지역 별 Forking 수 변화(reinforcement learning): 미국ㆍ중국 47
[그림 1-34] 월별 지역 별 Forking 수 변화(reinforcement learning): 주요국 전체 48
[그림 1-35] 월별 지역 별 Forking 수 변화(reinforcement learning): 미국ㆍ중국 49
[그림 1-36] 반기별 지역 별 Forking 수 변화(recognition): 주요국 전체 50
[그림 1-37] 반기별 지역 별 Forking 수 변화(recognition): 미국ㆍ중국 51
[그림 1-38] 월별 지역 별 Forking 수 변화(recognition): 주요국 전체 52
[그림 1-39] 월별 지역 별 Forking 수 변화(recognition): 미국ㆍ중국 53
[그림 1-40] 반기별 지역 별 Forking 수 변화(deep learning): 주요국 전체 54
[그림 1-41] 반기별 지역 별 Forking 수 변화(deep learning): 미국ㆍ중국 55
[그림 1-42] 월별 지역 별 Forking 수 변화(deep learning): 주요국 전체 56
[그림 1-43] 월별 지역 별 Forking 수 변화(deep learning): 미국ㆍ중국 57
[그림 1-44] 반기별 Forking 수 변화(USA/CAN 지역) 58
[그림 1-45] 반기별 Forking 수 변화(China/Taiwan 지역) 59
[그림 1-46] 월별 Forking 수 변화(USA/CAN 지역) 60
[그림 1-47] 월별 Forking 수 변화(China/Taiwan 지역) 61
[그림 1-48] 반기별 Forking 비율 변화(USA/CAN 지역) 62
[그림 1-49] 반기별 Forking 비율 변화(China/Taiwan 지역) 63
[그림 1-50] Forking 비율 변화(USA/CAN 지역) 64
[그림 1-51] Forking 비율 변화(China/Taiwan 지역) 65
[그림 2-1] 대표 도안(고인용수 대상 특허1) 81
[그림 2-2] 대표 도안(고인용수 대상 특허2) 82
[그림 2-3] 대표 도안(고인용수 대상 특허4) 83
[그림 2-4] 대표 도안(대상특허에 다수 피인용 특허1) 84
[그림 2-5] 대표 도안(대상특허를 다수 인용한 특허1) 86
[그림 2-6] 대표 도안(중국내 고인용수 대상 특허1) 87
[그림 2-7] IPC코드 7자리 기준 연구대상 특허 네트워크(좌)와 내부의 메인 그룹(우) 94
[그림 2-8] 확대한 메인 그룹(좌)과 20회 이상 엣지만 필터링한 네트워크(우) 94
[그림 2-9] 25회 이상 엣지만 필터링한 네트워크와 9개의 최빈 노드(우) 95
[그림 2-10] IPC코드 4자리 기준 연구대상 특허 네트워크(좌)와 내부의 메인 그룹(우) 95
[그림 2-11] 20회 이상 엣지만 필터링한 네트워크와 20개의 최빈 노드(우) 96