ㅁ 개인화 분석 ㅇ 정의: – 개인화 분석은 개별 사용자의 데이터를 중앙 서버로 직접 전송하지 않고, 로컬 환경에서 분석하거나 집계하여 개인 맞춤형 서비스를 제공하는 데이터 분석 방식. ㅇ 특징: – 개인정보 보호 강화 – 로컬 디바이스에서 데이터 처리 후 집계 결과만 전송 – 네트워크 부하 감소 및 보안성 향상 ㅇ 적합한 경우: – 민감한 개인정보를
ㅁ 경량화 기법 ㅇ 정의: ㅇ 특징: ㅇ 적합한 경우: ㅇ 시험 함정: ㅇ 시험 대비 “패턴 보기” 예시: ================================ 1. Weight Pruning ㅇ 정의: 불필요하거나 기여도가 낮은 가중치(weight)를 제거하여 모델의 파라미터 수를 줄이는 기법. ㅇ 특징: – 모델 구조는 그대로 두고 가중치 값만 0으로 만들어 희소화(sparsity) 달성. – 메모리 사용량 및 연산량 감소. –
ㅁ 가속기 종류 ㅇ 정의: ㅇ 특징: ㅇ 적합한 경우: ㅇ 시험 함정: ㅇ 시험 대비 “패턴 보기” 예시: ================================ 1. GPU ㅇ 정의: 그래픽 연산을 위해 개발되었으나, 병렬 연산 성능을 활용해 딥러닝 학습·추론에 널리 사용되는 범용 연산 장치. ㅇ 특징: – 수천 개의 코어를 통한 대규모 병렬 처리 – 부동소수점 연산(FP32, FP16) 최적화 –
ㅁ 추론 기술 ㅇ 정의: – 학습된 모델을 실제 서비스 환경에서 빠르고 효율적으로 실행하기 위해 사용하는 기술 집합. ㅇ 특징: – 모델 구조 변경 없이 실행 환경과 연산 최적화를 통해 성능 향상. – 하드웨어 가속기와 호환성을 고려. ㅇ 적합한 경우: – 실시간 응답이 필요한 서비스(예: 음성 인식, 실시간 번역). ㅇ 시험 함정: – 학습 단계
ㅁ 효율화 방식 1. FP16 ㅇ 정의: 부동소수점 32비트(FP32) 대신 16비트(FP16) 부동소수점 형식을 사용하여 메모리 사용량과 연산량을 줄이는 방식. ㅇ 특징: – 메모리 대역폭 절감 및 연산 속도 향상. – 일부 연산에서 정밀도 손실 가능. – GPU의 Tensor Core 등 FP16 가속 기능 활용 가능. ㅇ 적합한 경우: – 대규모 딥러닝 모델 학습 시 GPU
ㅁ 학습 구조 ㅇ 정의: 메타러닝에서 모델이 새로운 태스크를 빠르게 학습할 수 있도록 하는 데이터와 알고리즘의 구성 방식. ㅇ 특징: – 기존 학습 데이터와 다른 환경에서도 빠른 적응이 가능하도록 설계 – 태스크 간 공통 패턴을 추출하여 새로운 태스크에 활용 ㅇ 적합한 경우: – 데이터 수집이 어려운 환경 – 다양한 태스크에 공통적으로 적용할 수 있는 모델이
ㅁ 자동화 기법 1. Self-healing ㅇ 정의: 시스템이나 서비스에서 장애나 오류가 발생했을 때, 외부 개입 없이 자동으로 문제를 감지하고 복구하는 기술. ㅇ 특징: – 모니터링과 진단 로직이 내장되어 있음 – 장애 탐지 후 자동 복구 스크립트 실행 – SLA(서비스 가용성) 유지에 효과적 ㅇ 적합한 경우: – 24/7 무중단 서비스가 필요한 금융, 클라우드 환경 – 인력
ㅁ 분산 전략 ㅇ 정의: 여러 대의 장치나 서버에서 데이터를 중앙에 모으지 않고 모델 학습을 수행하는 전략. 데이터 프라이버시, 네트워크 효율성, 연산 분산을 위해 사용됨. ㅇ 특징: – 데이터 이동 최소화 – 개인정보 보호 강화 – 네트워크 대역폭 절감 – 각 장치의 연산 자원 활용 가능 ㅇ 적합한 경우: – 개인정보 보호 규제가 강한 환경
ㅁ 최적화 1. 탄소중립AI ㅇ 정의: AI 모델 개발 및 운영 과정에서 발생하는 탄소 배출을 최소화하거나 상쇄하여 환경에 미치는 영향을 줄이는 접근 방식. ㅇ 특징: – 데이터센터 전력 사용량 측정 및 재생에너지 사용 비율 증가. – 모델 경량화, 효율적 알고리즘 채택. – 탄소배출량 모니터링 및 보고 체계 구축. ㅇ 적합한 경우: – 친환경 정책을 준수해야
ㅁ 응용 분야 1. Edge TPU ㅇ 정의: – 구글이 개발한 초소형 AI 가속 칩으로, 엣지 디바이스에서 머신러닝 모델을 빠르게 실행하기 위해 설계됨. ㅇ 특징: – 저전력, 고속 추론, 클라우드 연결 없이 로컬에서 ML 처리 가능. – TensorFlow Lite 모델 최적화 지원. ㅇ 적합한 경우: – 네트워크 지연이 허용되지 않는 IoT 환경, 실시간 영상 분석,