ㅁ 생성 기법 ㅇ 정의: 실제 데이터를 직접 사용하지 않고, 통계적 특징이나 패턴을 학습하여 새로운 데이터를 인공적으로 생성하는 방법. ㅇ 특징: – 개인정보 보호와 데이터 부족 문제 해결에 활용 – 생성 품질은 학습 데이터의 다양성과 품질에 의존 – 이미지, 텍스트, 표형 데이터 등 다양한 형태에 적용 가능 ㅇ 적합한 경우: – 민감 데이터의 비식별화 필요
ㅁ 기술/아키텍처 ㅇ 정의: ㅇ 특징: ㅇ 적합한 경우: ㅇ 시험 함정: ㅇ 시험 대비 “패턴 보기” 예시: ================================ 1. 온디바이스 AI ㅇ 정의: 클라우드가 아닌 스마트폰, IoT 기기, 엣지 디바이스 등 로컬 기기에서 AI 모델을 실행하여 데이터 처리와 추론을 수행하는 기술. ㅇ 특징: 네트워크 연결이 불안정해도 동작, 개인정보 로컬 처리로 보안성 향상, 지연시간 감소,
ㅁ 주요 과제 1. AI 투명성 ㅇ 정의: AI 시스템의 의사결정 과정, 데이터 사용, 알고리즘 구조 등을 이해 가능하게 공개하는 원칙과 절차. ㅇ 특징: 모델 설계 문서, 데이터 출처, 처리 과정, 의사결정 로직을 명확히 기록 및 공유. 블랙박스 모델의 경우 시각화·설명 도구를 활용. ㅇ 적합한 경우: 규제 산업(금융, 의료)이나 공공 서비스처럼 이해관계자가 결과 근거를 요구하는
ㅁ 융합/응용 ㅇ 정의: 심볼릭 접근과 뉴럴 네트워크 기반 접근을 결합하여 복잡한 문제를 해결하는 AI 응용 분야. ㅇ 특징: – 규칙 기반 추론과 패턴 인식의 장점을 모두 활용. – 데이터 기반 학습과 명시적 지식 표현을 동시에 지원. ㅇ 적합한 경우: – 복잡한 도메인 지식과 불완전한 데이터를 함께 처리해야 하는 경우. ㅇ 시험 함정: – 단순히
ㅁ 구성/활용법 1. Agentic AI ㅇ 정의: – 스스로 목표를 설정하고, 계획을 수립하며, 환경과 상호작용하여 문제를 해결하는 AI 형태. – 단순 응답형이 아닌 능동적 의사결정과 행동을 수행. ㅇ 특징: – 환경 인식, 계획 수립, 실행, 피드백 루프 포함. – 외부 도구/API 호출 가능. – 장기 목표를 세우고 중간 단계를 관리. ㅇ 적합한 경우: – 복잡한
ㅁ 경량화 ㅇ 정의: 모델의 메모리 사용량과 연산량을 줄여 경량화하여 배포 및 추론 속도를 향상시키는 기술. ㅇ 특징: – 정확도 손실을 최소화하면서 모델 크기와 연산량 감소. – 모바일, 임베디드 환경 등 자원 제약 환경에서 필수. ㅇ 적합한 경우: – 실시간 추론이 필요한 경우. – 배터리 소모를 최소화해야 하는 경우. ㅇ 시험 함정: – 단순히 모델
ㅁ 전처리 확대 ㅇ 정의: 비정형 데이터(이미지, PDF, 스캔본, 다양한 문서 포맷 등)를 AI 학습이나 검색, 분석에 활용하기 위해 구조화·정제하는 사전 처리 범위를 확장하는 것. ㅇ 특징: – OCR, 문서 파서, 메타데이터 추출, 데이터 변환 API 등 다양한 기술 조합 – 데이터 품질 향상 및 처리 자동화 – 다양한 입력 포맷 대응 ㅇ 적합한 경우:
ㅁ AutoML/자동화 ㅇ 정의: – 데이터 전처리, 모델 선택, 하이퍼파라미터 튜닝, 평가 등을 자동화하여 비전문가도 머신러닝 모델을 구축할 수 있게 하는 기술. ㅇ 특징: – 다양한 알고리즘 후보를 자동으로 탐색하고 최적 조합을 선택. – 반복 실험과 튜닝 과정 단축. – GUI 기반 또는 코드 최소화 환경 제공. ㅇ 적합한 경우: – 빠른 프로토타이핑이 필요한 경우.
ㅁ 기술 1. Federated Learning ㅇ 정의: – 중앙 서버에 데이터를 모으지 않고, 각 클라이언트(디바이스, 기관)에서 모델을 학습하고 파라미터만 공유하여 전역 모델을 갱신하는 분산 학습 방식. ㅇ 특징: – 데이터 프라이버시 보호 강화. – 네트워크 부하 감소(모델 파라미터만 전송). – 클라이언트 환경 다양성(Non-IID 데이터)으로 인한 성능 편차 발생 가능. ㅇ 적합한 경우: – 의료, 금융
ㅁ 효율화 ㅇ 정의: AI 시스템의 설계·운영 과정에서 에너지 사용과 자원 소비를 최소화하여 지속 가능성을 높이는 접근. ㅇ 특징: – 연산 효율 최적화, 하드웨어 활용 극대화 – 모델 경량화, 데이터 처리 효율 증대 – 환경적 영향 최소화 목표 ㅇ 적합한 경우: – 장기간 운영되는 AI 서비스 – 데이터센터 운영비 절감 필요 시 ㅇ 시험 함정: