ㅁ 데이터 프레임과 SQL 1. Pandas ㅇ 정의: 파이썬 기반의 데이터 분석 라이브러리로, 표 형태의 데이터 처리를 위한 DataFrame과 Series 자료구조를 제공. ㅇ 특징: – 메모리 내 연산으로 속도가 빠르지만 대규모 데이터 처리에는 한계가 있음. – 풍부한 데이터 조작 함수와 인덱싱 기능 제공. – CSV, Excel, SQL DB 등 다양한 데이터 소스와 연동 가능. ㅇ
ㅁ 데이터 소스 및 저장소 ㅇ 정의: 데이터 분석, 처리, 활용을 위해 원천 데이터를 저장하거나 불러오는 다양한 형태의 저장 위치 및 시스템. ㅇ 특징: 데이터 형식, 접근 속도, 확장성, 비용 구조가 저장소 유형마다 다름. ㅇ 적합한 경우: 프로젝트 요구사항, 데이터 크기, 처리 빈도에 따라 선택. ㅇ 시험 함정: 저장소별 특징과 장단점을 혼동하기 쉬움. ㅇ 시험
ㅁ 확장현실(XR) 통합 ㅇ 정의: 현실과 가상 환경을 결합하여 사용자가 몰입형 경험을 할 수 있도록 하는 기술을 통합적으로 구현하는 개념. ㅇ 특징: – AR, VR, MR 등 다양한 XR 기술을 하나의 플랫폼이나 애플리케이션에서 결합. – 실시간 센서 데이터 처리와 3D 공간 인식이 필수. – AI 기반의 환경 이해 및 상호작용 기능 강화. ㅇ 적합한 경우:
ㅁ 엣지/휴머노이드 ㅇ 정의: 사람과 유사한 외형과 동작, 또는 현장에서 실시간 AI 처리를 수행하는 로봇 기술을 포괄하는 분야. ㅇ 특징: – 사람과 유사한 신체 구조, 감각, 의사소통 능력을 갖춤 – 엣지 컴퓨팅 기반으로 지연시간 최소화 – 다양한 센서, AI 알고리즘, 네트워크 연결성 필수 ㅇ 적합한 경우: – 제조, 물류, 서비스 산업에서 사람과 협업 필요 시
ㅁ 새로운 응용 ㅇ 정의: ㅇ 특징: ㅇ 적합한 경우: ㅇ 시험 함정: ㅇ 시험 대비 “패턴 보기” 예시: ================================ 1. 디지털 트윈 ㅇ 정의: 실제 환자의 신체·생리 데이터를 기반으로 가상 환경에 동일한 ‘쌍둥이’ 모델을 만들어 질병 예측, 치료 시뮬레이션, 맞춤형 치료 계획을 수립하는 기술. ㅇ 특징: – 센서, IoT, 웨어러블 기기 등을 통해 실시간
ㅁ 환경/지속가능 ㅇ 정의: 인공지능 기술을 활용하여 에너지 효율을 극대화하고, 환경 영향을 최소화하며, 지속가능한 개발을 지원하는 분야. ㅇ 특징: – 에너지 절감, 탄소 배출 저감, 친환경 모델 학습 기법 포함 – 산업, 건물, 데이터센터 등 다양한 분야 적용 가능 – 정책, 규제와 연계되는 경우 많음 ㅇ 적합한 경우: – 에너지 비용 절감 목표가 있는 조직
ㅁ 미래 컴퓨팅 1. Quantum AI ㅇ 정의: 양자 컴퓨팅의 병렬 연산 능력을 인공지능 학습·추론에 적용하여 기존 AI보다 비약적으로 빠른 계산과 복잡한 문제 해결을 가능하게 하는 기술. ㅇ 특징: – 큐비트 기반의 연산으로 동시에 여러 상태를 계산. – 양자 알고리즘(예: Grover, Shor)을 AI 모델 학습에 응용. – 고차원 데이터 처리와 최적화 문제에 강점. ㅇ 적합한
ㅁ 신호처리 융합 ㅇ 정의: 서로 다른 형태의 생체 신호나 감각 데이터를 통합하여 의미 있는 정보로 변환하는 기술 영역. ㅇ 특징: – 다양한 센서로부터 수집된 데이터를 실시간 처리 및 분석. – 노이즈 제거, 신호 증폭, 특징 추출 등의 전처리 필수. – AI 모델과 결합하여 개인 맞춤형 분석 가능. ㅇ 적합한 경우: – 웨어러블 기기에서 다중
ㅁ 신형 칩/플랫폼 1. NPU ㅇ 정의: – Neural Processing Unit의 약자로, 인공지능 연산(특히 딥러닝 추론)을 가속하기 위해 설계된 전용 프로세서. ㅇ 특징: – 행렬 연산 및 병렬 처리에 최적화. – CPU, GPU 대비 전력 소모가 적고, 모바일/엣지 환경에 적합. ㅇ 적합한 경우: – 스마트폰, IoT 디바이스에서 실시간 AI 추론이 필요한 경우. – 전력 효율이
ㅁ 운영 자동화 ㅇ 정의: AI Ops 환경에서 반복적이고 복잡한 운영 작업을 AI/ML 기반으로 자동화하여 시스템 안정성과 효율성을 높이는 활동. ㅇ 특징: – 실시간 데이터 수집 및 분석 – 이벤트 기반 자동 대응 – 예측 기반 자원 배분 가능 ㅇ 적합한 경우: – 대규모 인프라 운영 – 장애 탐지 및 복구 시간 단축 필요 ㅇ