ㅁ 하드웨어/응용 1. Edge TPU ㅇ 정의: – 구글이 개발한 저전력 고속 머신러닝 추론 전용 ASIC으로, 엣지 디바이스에서 TensorFlow Lite 모델을 효율적으로 실행하기 위해 설계됨. ㅇ 특징: – 초당 수십억 번의 연산 가능 (TOPS 단위) – 전력 소모가 수백 mW 수준으로 낮음 – 클라우드 의존도를 줄이고 지연 시간 최소화 ㅇ 적합한 경우: – 실시간 이미지
ㅁ 불확실성 추정 ㅇ 정의: – 모델의 예측 결과에 대한 신뢰도나 불확실성을 정량적으로 측정하는 기법. – 확률 분포를 통해 예측값의 변동성을 파악. ㅇ 특징: – 단일 값 예측보다 예측 분포를 제공. – 의사결정 과정에서 위험 관리에 활용. ㅇ 적합한 경우: – 의료 진단, 자율주행 등 오판 비용이 큰 분야. – 데이터 부족 또는 분포 변화
ㅁ 최신 이슈 1. Instruction-tuning ㅇ 정의: – 대규모 언어 모델(LLM)에 특정 지시문(Instruction)에 맞게 응답하도록 추가 학습시키는 기법. – 모델이 프롬프트를 이해하고 특정 작업 지시를 따를 수 있도록 지도학습 데이터로 미세 조정. ㅇ 특징: – 기존 사전학습 모델에 비해 사용자 지시에 대한 응답 정확도가 높음. – 다양한 작업을 하나의 모델에서 수행 가능. – 데이터셋 품질과
ㅁ 프롬프트 설계 ㅇ 정의: 사용자가 AI 모델에 원하는 작업을 수행하도록 지시하는 입력 문장을 구조적으로 설계하는 과정. ㅇ 특징: – 모델의 출력 품질과 정확도에 직접적인 영향을 미침 – 문맥, 예시, 지시문 등의 요소를 포함하여 설계 – 다양한 기법(Zero-shot, Few-shot, Chain-of-Thought 등)을 활용 ㅇ 적합한 경우: – 모델의 성능을 최대화하고 특정 작업에 맞춘 답변을 유도할 때
ㅁ 대표 기법 1. 클러스터링 ㅇ 정의: – 데이터의 유사도나 거리 기반으로 비슷한 데이터들을 그룹(클러스터)으로 묶는 기법. ㅇ 특징: – 사전 레이블 없이 데이터 패턴을 발견. – K-means, DBSCAN, 계층적 군집 등 다양한 알고리즘 존재. – 거리 계산 방식(유클리드, 맨해튼 등)에 따라 결과가 달라짐. ㅇ 적합한 경우: – 고객 세분화, 이상치 탐지, 문서 주제 분류
ㅁ 주요 기법 1. FFT ㅇ 정의: – Fast Fourier Transform의 약자로, 시계열 데이터를 주파수 영역으로 변환하는 알고리즘. – 시간 영역에서의 신호를 주파수 성분으로 분해하여 분석. ㅇ 특징: – 연산 속도가 빠르고 대규모 데이터 처리에 적합. – 주기성, 진동 패턴 분석에 유리. – 노이즈 제거, 필터링, 스펙트럼 분석 등에 활용. ㅇ 적합한 경우: – 주기성이
ㅁ 보안 기술 1. 암호화 ㅇ 정의: 데이터를 인가되지 않은 사용자가 이해할 수 없도록 수학적 변환을 적용하는 기술. ㅇ 특징: 대칭키/비대칭키 방식이 있으며, 데이터 기밀성 보장. 전송 중, 저장 시 모두 적용 가능. ㅇ 적합한 경우: 개인정보, 금융정보, 기밀문서 전송 및 저장 시. ㅇ 시험 함정: 암호화는 데이터 무결성을 보장하지 않는다는 점을 혼동하는 경우가 있음.
ㅁ 라벨링 방법 ㅇ 정의: 데이터에 의미 있는 태그나 클래스를 부여하는 다양한 방식으로, 모델 학습을 위한 정답 데이터를 생성하는 절차. ㅇ 특징: 정확도, 비용, 속도, 확장성 측면에서 방식별로 차이가 있음. ㅇ 적합한 경우: 데이터 특성, 예산, 인력, 프로젝트 기간에 따라 적절한 방법을 선택. ㅇ 시험 함정: 라벨링 방법 간 장단점을 혼동하거나 특정 방법을 모든 상황에
ㅁ 의료 AI ㅇ 정의: 의료 분야에서 인공지능 기술을 활용하여 진단, 치료, 예방, 환자 관리 등 다양한 의료 서비스를 지원하는 기술 영역. ㅇ 특징: 대규모 의료 데이터(영상, 생체신호, 전자의무기록 등)를 기반으로 하며, 정확성과 신뢰성이 매우 중요하고 규제와 윤리적 고려가 필수. ㅇ 적합한 경우: 대규모 환자 데이터를 분석해 의사결정을 지원하거나, 반복적이고 표준화된 진단 업무를 자동화할 때.
ㅁ 합성 데이터 ㅇ 정의: 실제 데이터를 수집하지 않고 알고리즘, 시뮬레이션, 생성 모델 등을 통해 인공적으로 만들어낸 데이터. ㅇ 특징: – 개인정보 유출 위험이 적음 – 데이터 부족 문제 해결 가능 – 실제 데이터와 유사한 통계적 특성을 가짐 – 품질은 생성 알고리즘 성능에 의존 ㅇ 적합한 경우: – 개인정보 보호가 중요한 의료, 금융 분야 –