ㅁ 하드웨어/응용 1. Edge TPU ㅇ 정의: 구글이 개발한 저전력 고성능 AI 추론 전용 ASIC 칩으로, 엣지 디바이스에서 머신러닝 모델을 빠르게 실행하도록 설계됨. ㅇ 특징: – TPU 아키텍처 기반, 초저전력(수백 mW 수준)으로 동작 – TensorFlow Lite 모델 최적화 지원 – 클라우드 연결 없이 로컬 추론 가능 ㅇ 적합한 경우: – IoT 기기에서 실시간 이미지 분류,
ㅁ 불확실성 추정 ㅇ 정의: 확률적 모델링을 통해 예측 결과의 신뢰도나 불확실성을 정량적으로 추정하는 기법. ㅇ 특징: – 출력값뿐만 아니라 예측의 불확실성까지 제공 – 의사결정 리스크를 줄이는 데 유용 – 모델의 과적합 여부나 데이터 부족 상황 판단 가능 ㅇ 적합한 경우: – 의료 진단, 금융 리스크 분석 등 오판 비용이 큰 분야 – 데이터가 불완전하거나
ㅁ 최신 이슈 ㅇ 정의: 대규모 언어모델(LLM) 연구에서 최근 주목받는 기술적/윤리적 과제 및 개선 기법들을 의미하며, 모델의 성능·안전성·사용자 경험 향상을 목표로 함. ㅇ 특징: – 빠르게 변화하는 기술 트렌드 반영 – 모델 훈련·추론·평가 등 전 과정에 걸친 개선 포인트 포함 – 윤리적·법적 이슈와 직결되는 경우 많음 ㅇ 적합한 경우: – 최신 연구 동향 파악이 필요한
ㅁ 프롬프트 설계 1. Zero-shot ㅇ 정의: 사전 예시 없이 모델에 질문이나 명령을 주어 바로 답변을 생성하게 하는 프롬프트 기법. ㅇ 특징: – 학습 시 포함된 일반 지식을 활용. – 빠르고 간단하지만, 복잡한 문제에서는 정확도가 낮을 수 있음. ㅇ 적합한 경우: – 단순 질의응답. – 분류 기준이 명확한 경우. ㅇ 시험 함정: – 예시 없이도
ㅁ 대표 기법 1. 클러스터링 ㅇ 정의: 데이터의 유사도나 거리 기반으로 그룹을 자동으로 나누는 비지도 학습 기법. ㅇ 특징: 라벨이 없는 데이터에서 패턴을 찾음, K-means, DBSCAN, 계층적 클러스터링 등 다양한 알고리즘 존재. ㅇ 적합한 경우: 고객 세분화, 이상치 탐지, 문서 분류 등. ㅇ 시험 함정: K-means는 구형(球形) 클러스터에 적합하다는 점, 초기 중심값 설정에 따라 결과가
ㅁ 주요 기법 1. FFT ㅇ 정의: – Fast Fourier Transform으로, 시계열 데이터를 주파수 영역으로 변환하는 알고리즘. ㅇ 특징: – 시간 영역 데이터를 주파수 성분으로 분해하여 주기성을 분석. – 계산 속도가 빠르고 대규모 데이터 처리에 효율적. ㅇ 적합한 경우: – 주기성 분석, 신호 처리, 잡음 제거. ㅇ 시험 함정: – FFT는 시간-주파수 동시 해석이 불가능하며,
ㅁ 보안 기술 ㅇ 정의: 데이터 전처리 단계에서 개인정보, 기밀 정보 등을 보호하기 위한 다양한 기술과 방법을 총칭. ㅇ 특징: 데이터 유출 방지, 무단 접근 차단, 데이터 변조 방지 등 보안 목표를 달성하기 위한 기술 집합. ㅇ 적합한 경우: 민감 데이터 처리, 규제 준수 필요, 외부 공유 전 데이터 보호가 필요한 경우. ㅇ 시험 함정:
ㅁ 라벨링 방법 ㅇ 정의: 데이터에 의미 있는 태그나 클래스를 부여하는 절차로, 모델 학습을 위해 입력 데이터와 정답(label)을 매핑하는 과정. ㅇ 특징: 데이터 품질과 모델 성능에 직접적인 영향을 미치며, 라벨링 방법에 따라 비용, 시간, 정확도가 달라짐. ㅇ 적합한 경우: 데이터셋 구축 초기 단계, 모델 성능 향상을 위해 정확한 정답 데이터가 필요한 경우. ㅇ 시험 함정:
ㅁ 의료 AI ㅇ 정의: 의료 분야에서 인공지능 기술을 활용하여 진단, 치료, 예후 예측, 약물 개발 등을 지원하는 기술 영역. ㅇ 특징: 대규모 의료 데이터(의료 영상, 전자의무기록, 유전체 데이터 등)를 분석하여 의사결정 지원, 자동화, 예측 모델을 제공. ㅇ 적합한 경우: 방대한 환자 기록과 영상 데이터가 축적되어 있고, 분석 속도와 정확성이 중요한 의료 환경. ㅇ 시험
ㅁ 합성 데이터 ㅇ 정의: 실제 데이터를 수집하지 않고 인공적으로 생성한 데이터로, AI 모델 학습이나 테스트 목적에 활용됨. ㅇ 특징: 개인정보 침해 위험이 적고, 데이터 부족 문제를 해결하며, 다양한 시나리오를 재현 가능. ㅇ 적합한 경우: 민감정보 보호가 필요한 의료·금융 데이터, 희귀 이벤트 데이터 확보가 어려운 경우. ㅇ 시험 함정: 합성 데이터가 항상 실제 데이터의 통계적