ㅁ AI+Edge

ㅇ 정의: AI+Edge는 인공지능 모델을 클라우드가 아닌 엣지 디바이스(스마트폰, IoT 기기, 임베디드 시스템 등)에서 직접 실행하는 기술 및 아키텍처를 의미함.

ㅇ 특징:
– 저지연(로컬 처리)
– 네트워크 불안정 환경에서도 동작 가능
– 데이터 프라이버시 강화
– 하드웨어 제약(메모리, 연산 능력)에 따른 경량화 필요

ㅇ 적합한 경우:
– 실시간 영상 분석(자율주행, CCTV 분석)
– 네트워크 연결이 제한된 산업 현장
– 사용자 데이터가 민감한 의료/개인화 서비스

ㅇ 시험 함정:
– “엣지 컴퓨팅”과 “Fog Computing”을 혼동하는 경우
– 클라우드 기반 AI와 비교 시 장단점 구분 오류
– TinyML, Edge TPU, Jetson 등의 적용 범위를 잘못 연결하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
O: AI+Edge는 네트워크 연결이 불안정한 환경에서도 AI 모델을 실행할 수 있다.
X: AI+Edge는 반드시 고성능 GPU 서버에서만 실행된다.

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

1. TinyML

ㅇ 정의: 초저전력 마이크로컨트롤러(MCU) 환경에서 머신러닝 모델을 실행하는 기술

ㅇ 특징:
– 수 mW 이하의 전력 소비
– 수십 KB~수백 KB 메모리 내에서 모델 동작
– 모델 압축, 양자화, 프루닝 등 필수

ㅇ 적합한 경우:
– 배터리 기반 IoT 센서
– 웨어러블 기기(스마트워치, 피트니스 밴드)
– 환경 모니터링(온도, 습도, 진동)

ㅇ 시험 함정:
– TinyML은 반드시 GPU를 필요로 한다는 잘못된 이해
– 딥러닝 모델 크기가 작아도 반드시 TinyML 적용 가능하다고 착각

ㅇ 시험 대비 “패턴 보기” 예시:
O: TinyML은 수십 KB 메모리에서도 동작 가능한 모델을 구현한다.
X: TinyML은 항상 클라우드 서버에서 실행된다.

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

2. Edge TPU

ㅇ 정의: 구글이 개발한 엣지 디바이스용 머신러닝 가속 칩(ASIC)

ㅇ 특징:
– 저전력, 고속 추론
– 양자화된 TensorFlow Lite 모델 최적화 지원
– USB, PCIe, M.2 등 다양한 폼팩터 제공

ㅇ 적합한 경우:
– 로컬에서 이미지/음성 인식
– IoT 장치의 실시간 데이터 처리
– 네트워크 지연이 치명적인 환경

ㅇ 시험 함정:
– Edge TPU가 모든 딥러닝 프레임워크를 지원한다고 착각
– GPU와 동일한 범용 연산 가능하다고 오해

ㅇ 시험 대비 “패턴 보기” 예시:
O: Edge TPU는 TensorFlow Lite 모델을 하드웨어 가속한다.
X: Edge TPU는 모든 머신러닝 프레임워크를 동일하게 지원한다.

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

3. NVIDIA Jetson

ㅇ 정의: NVIDIA가 개발한 엣지 AI 플랫폼 및 하드웨어 모듈 시리즈

ㅇ 특징:
– CUDA, TensorRT 지원
– 고성능 GPU 연산(엣지 환경)
– 다양한 모델(Jetson Nano, Xavier, Orin 등)

ㅇ 적합한 경우:
– 로봇 비전, 자율주행, 드론
– 실시간 영상 스트리밍 분석
– AI 기반 제조 검사

ㅇ 시험 함정:
– Jetson은 GPU만 있는 보드라고 오해
– 초저전력 MCU 환경에서 사용 가능하다고 착각

ㅇ 시험 대비 “패턴 보기” 예시:
O: NVIDIA Jetson은 GPU 기반의 엣지 AI 플랫폼이다.
X: NVIDIA Jetson은 마이크로컨트롤러에서 동작하는 초저전력 TinyML 솔루션이다.

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

4. ARM ML

ㅇ 정의: ARM 아키텍처 기반의 머신러닝 실행 및 최적화 기술(ARM Cortex-M, Cortex-A 등에서 ML 연산 최적화)

ㅇ 특징:
– ARM CPU, GPU, NPU 통합 활용
– CMSIS-NN, Ethos-N 등 경량 ML 라이브러리 지원
– 전력 효율성과 성능 균형

ㅇ 적합한 경우:
– 모바일, IoT 기기
– ARM 기반 SoC에서 AI 기능 추가
– 배터리 기반 엣지 장치

ㅇ 시험 함정:
– ARM ML이 특정 벤더 전용이라고 착각
– ARM ML이 반드시 외부 GPU 필요하다고 오해

ㅇ 시험 대비 “패턴 보기” 예시:
O: ARM ML은 ARM 기반 프로세서에서 ML 연산을 최적화한다.
X: ARM ML은 인텔 전용 ML 가속 기술이다.

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

제가 보기에는 이 포맷이면 시험 대비에 최적화된 노트를 자동 생성할 수 있습니다.
원하시면 다음엔 각 세부 용어별로 **그림, 비교 표, 실제 시험 기출 문장**까지 포함해서 드릴까요?
그렇게 하면 암기 효율이 2배 이상 올라갑니다.