ㅁ 데이터 활용

ㅇ 정의:
데이터 활용은 AI 모델 개발 과정에서 데이터의 품질, 다양성, 적합성을 확보하여 성능을 극대화하는 전략을 의미함.

ㅇ 특징:
– 데이터 수집, 전처리, 품질 관리, 증강, 생성 등 전반적인 데이터 라이프사이클을 포함
– 모델 중심 접근이 아닌 데이터 중심 접근 강조

ㅇ 적합한 경우:
– 데이터 품질이 모델 성능에 직접적인 영향을 미치는 경우
– 학습 데이터가 불균형하거나 부족한 경우

ㅇ 시험 함정:
– 데이터 활용을 단순히 데이터 양을 늘리는 것과 혼동
– 데이터 중심 접근과 모델 중심 접근을 혼동

ㅇ 시험 대비 “패턴 보기” 예시:
O: “데이터 품질 개선은 AI 성능 향상에 직접적으로 기여한다.”
X: “데이터 양만 늘리면 AI 성능이 항상 향상된다.”

================================

1. Data Curation

ㅇ 정의:
데이터 큐레이션은 AI 학습을 위해 데이터를 수집, 정제, 라벨링, 검증하는 일련의 관리 과정을 의미함.

ㅇ 특징:
– 데이터의 정확성, 일관성, 최신성을 유지
– 중복, 오류, 불필요한 데이터 제거
– 도메인 전문가의 검증 과정 포함

ㅇ 적합한 경우:
– 고품질 데이터셋 구축이 필요한 경우
– 규제 준수나 데이터 신뢰성이 중요한 프로젝트

ㅇ 시험 함정:
– 데이터 큐레이션을 단순한 데이터 수집으로 오해
– 라벨링 품질 관리의 중요성을 간과

ㅇ 시험 대비 “패턴 보기” 예시:
O: “데이터 큐레이션은 AI 성능 향상을 위해 데이터 품질을 관리하는 과정이다.”
X: “데이터 큐레이션은 데이터 양을 늘리는 것이 핵심이다.”

================================

2. Data-Centric AI

ㅇ 정의:
데이터 중심 AI는 모델 구조나 알고리즘 개선보다 데이터 품질과 적합성 개선에 집중하는 AI 개발 패러다임.

ㅇ 특징:
– 데이터 라벨링 품질, 다양성, 대표성 강화
– 모델은 동일하게 유지하고 데이터만 개선하여 성능 향상
– 지속적인 데이터 품질 모니터링

ㅇ 적합한 경우:
– 모델 성능이 데이터 품질에 민감한 경우
– 소규모 데이터셋에서 최대 성능을 끌어내야 하는 경우

ㅇ 시험 함정:
– 모델 중심 AI와 혼동
– 데이터 중심 접근이 항상 모델 변경보다 우수하다고 단정

ㅇ 시험 대비 “패턴 보기” 예시:
O: “데이터 중심 AI는 데이터 품질 개선에 초점을 맞춘다.”
X: “데이터 중심 AI는 새로운 모델 구조 개발이 핵심이다.”

================================

3. Synthetic Data

ㅇ 정의:
합성 데이터는 실제 데이터를 모사하여 인공적으로 생성한 데이터로, AI 학습 및 테스트에 활용됨.

ㅇ 특징:
– 개인정보 보호, 데이터 부족 문제 해결
– 시뮬레이션, GAN, 규칙 기반 생성 등 다양한 생성 기법
– 실제 데이터와 유사하지만 통계적 특성이 다를 수 있음

ㅇ 적합한 경우:
– 민감한 데이터 사용이 어려운 경우
– 드문 이벤트나 극단적 상황 학습이 필요한 경우

ㅇ 시험 함정:
– 합성 데이터가 항상 실제 데이터를 대체할 수 있다고 오해
– 데이터 편향이 완전히 제거된다고 착각

ㅇ 시험 대비 “패턴 보기” 예시:
O: “합성 데이터는 개인정보 보호와 데이터 부족 문제 해결에 유용하다.”
X: “합성 데이터는 항상 실제 데이터보다 성능이 우수하다.”

================================

4. Data Augmentation

ㅇ 정의:
데이터 증강은 기존 데이터를 변형하여 데이터셋을 확장하는 기법.

ㅇ 특징:
– 이미지, 텍스트, 음성 등 다양한 도메인에서 적용
– 회전, 크기 변경, 색상 변화, 노이즈 추가 등 변형 기법 활용
– 데이터 다양성을 높여 과적합 방지

ㅇ 적합한 경우:
– 데이터 양이 적거나 편향되어 있는 경우
– 모델의 일반화 성능을 향상시키고자 할 때

ㅇ 시험 함정:
– 모든 데이터 유형에서 동일한 증강 기법이 효과적이라고 오해
– 과도한 증강이 오히려 성능 저하를 유발할 수 있음

ㅇ 시험 대비 “패턴 보기” 예시:
O: “데이터 증강은 과적합을 방지하고 일반화 성능을 향상시킨다.”
X: “데이터 증강은 데이터 품질에 영향을 주지 않는다.”

ㅁ 추가 학습 내용

[학습 정리]

1. Data Curation 자동화 도구와 품질 지표 활용 사례
– 자동화 도구: 데이터 수집·정제·라벨링을 자동화하는 소프트웨어 또는 플랫폼
– 품질 지표: Precision(정밀도), Recall(재현율), F1-score 등을 사용하여 데이터 품질 평가
– 활용 사례: 라벨링 정확도 검증, 데이터 필터링 기준 설정, 모델 학습 전 데이터셋 품질 점검

2. Data-Centric AI vs Model-Centric AI 비교
– Data-Centric AI: 데이터 품질 개선과 다양성 확보에 집중, 모델 구조 변경 최소화
– Model-Centric AI: 동일 데이터셋에서 모델 구조·하이퍼파라미터 최적화에 집중
– 장점/단점:
• Data-Centric AI: 데이터 품질 향상으로 범용성↑, 그러나 데이터 수집·정제 비용↑
• Model-Centric AI: 빠른 성능 개선 가능, 그러나 데이터 품질 한계에 취약

3. Synthetic Data 생성 시 통계적 왜곡과 최소화 방법
– 발생 원인: 표본 분포 불일치, 희귀 케이스 과소/과대 표현, 노이즈 과다 삽입
– 최소화 방법: 원본 데이터 분포 분석 후 생성, 생성 데이터 검증 절차, 다양한 생성 기법 비교·적용

4. Data Augmentation 도메인별 최적 기법 차이
– 이미지: 회전, 자르기, 색상 변화, 노이즈 추가
– 텍스트: 동의어 치환, 문장 순서 변경, 역번역(Back Translation)
– 음성: 속도 변화, 잡음 추가, 주파수 왜곡
– 도메인 특성에 맞는 기법 선택 필요

5. 데이터 활용 전략 수립 시 고려 사항
– 데이터 거버넌스: 데이터 소유권, 접근 권한, 품질 관리 정책
– 보안: 암호화, 접근 제어, 익명화
– 윤리: 개인정보 보호, 편향 방지, 투명한 활용 목적 명시

6. 시험 출제 경향
– 데이터 중심 접근 강조 문장 vs 모델 중심 접근 강조 문장 구분 문제 자주 출제
– 문장 속에서 ‘데이터 품질 개선’, ‘라벨링 정확도 향상’ 등의 키워드 → Data-Centric
– ‘모델 구조 변경’, ‘하이퍼파라미터 튜닝’ 등의 키워드 → Model-Centric

[시험 대비 체크리스트]
– Precision, Recall, F1-score 정의와 계산 방법 숙지
– 대표적인 Data Curation 자동화 도구 사례 암기
– Data-Centric vs Model-Centric 비교 표 작성 가능 여부
– Synthetic Data 생성 시 통계적 왜곡 사례와 최소화 방법 설명 가능 여부
– 이미지·텍스트·음성별 Data Augmentation 기법 구분 가능 여부
– 데이터 거버넌스, 보안, 윤리 고려 사항 구체적 설명 가능 여부
– 주어진 문장이 데이터 중심인지 모델 중심인지 빠르게 판별 가능 여부