ㅁ 데이터 활용 ㅇ 정의: 데이터 활용은 AI 모델 개발 과정에서 데이터의 품질, 다양성, 적합성을 확보하여 성능을 극대화하는 전략을 의미함. ㅇ 특징: – 데이터 수집, 전처리, 품질 관리, 증강, 생성 등 전반적인 데이터 라이프사이클을 포함 – 모델 중심 접근이 아닌 데이터 중심 접근 강조 ㅇ 적합한 경우: – 데이터 품질이 모델 성능에 직접적인 영향을 미치는

ㅁ 책임 있는 AI ㅇ 정의: 인공지능 기술의 개발과 활용 과정에서 사회적, 법적, 윤리적 책임을 준수하며 인권과 공정성을 보장하는 접근 방식. ㅇ 특징: – 공정성, 투명성, 설명 가능성, 편향 감지, 거버넌스 등을 포함 – 규제 및 표준 준수 강조 – 이해관계자 참여와 지속적인 모니터링 필요 ㅇ 적합한 경우: – 사회적 영향이 큰 AI 서비스 개발

ㅁ 지속가능성 ㅇ 정의: AI 기술 개발과 운영 과정에서 에너지 효율성과 환경 영향을 최소화하여 지속 가능한 발전을 추구하는 접근 방식. ㅇ 특징: – 전력 소비 절감 및 탄소 배출 저감 – 재생 에너지 사용 장려 – 모델 경량화 및 효율적 학습 기법 활용 ㅇ 적합한 경우: – 대규모 AI 모델 운영 시 전력 비용과 환경

ㅁ 개인 맞춤 서비스 ㅇ 정의: 개인 맞춤 서비스는 사용자의 행동, 선호, 상황 데이터를 활용하여 개별 사용자에게 최적화된 콘텐츠, 제품, 서비스를 제공하는 기술 및 접근 방식. ㅇ 특징: – 대규모 데이터 분석과 AI 알고리즘을 활용해 사용자별 차별화된 경험 제공 – 실시간 데이터 반영 가능 – 추천 시스템, 개인화 마케팅, 맞춤형 UI/UX 등에 적용 ㅇ 적합한

ㅁ 기술 및 응용 1. Multimodal Models ㅇ 정의: – 텍스트, 이미지, 오디오, 비디오 등 서로 다른 형태의 데이터를 동시에 처리하고 이해하는 AI 모델. ㅇ 특징: – 서로 다른 모달리티 간의 상호 연관성을 학습. – 복합 입력을 기반으로 더 정교한 추론 가능. – 대규모 데이터와 연산 자원 필요. ㅇ 적합한 경우: – 이미지 캡션 생성,

ㅁ 자율 시스템 ㅇ 정의: 스스로 환경을 인식하고 의사결정을 내려 목표를 달성하는 AI 시스템. ㅇ 특징: – 외부 개입 없이 주어진 목표를 달성하기 위해 계획, 실행, 학습을 반복. – 센서, 환경 모델, 의사결정 모듈로 구성. ㅇ 적합한 경우: – 동적 환경에서 실시간 의사결정이 필요한 경우. ㅇ 시험 함정: – 단순 자동화 시스템과 혼동하기 쉬움. ㅇ

ㅁ 최신 알고리즘 1. Reinforcement Learning ㅇ 정의: 에이전트가 환경과 상호작용하며 보상을 최대화하는 방향으로 행동 정책을 학습하는 기계학습 방법. ㅇ 특징: – 시퀀스 의사결정 문제 해결에 적합 – 명시적인 지도 데이터 없이 보상 신호를 통해 학습 – 탐험(Exploration)과 활용(Exploitation)의 균형 필요 ㅇ 적합한 경우: – 게임 AI, 로보틱스 제어, 자율주행 등 연속적 의사결정이 필요한 분야

ㅁ AI 및 사회 ㅇ 정의: 인공지능 기술이 사회 전반에 미치는 영향과 그에 따른 윤리적, 안전성, 환경적, 경제적 고려 사항을 다루는 분야. ㅇ 특징: 기술 발전 속도가 빠르며, 법·제도·문화적 대응이 병행되어야 함. 다양한 이해관계자(정부, 기업, 시민사회)가 얽혀 있음. ㅇ 적합한 경우: AI 프로젝트 기획, 정책 수립, 사회적 영향 평가 시. ㅇ 시험 함정: 기술적 세부

ㅁ 고성능 컴퓨팅 ㅇ 정의: 대규모 연산을 빠르게 처리하기 위해 고성능 하드웨어와 병렬 처리 기술을 활용하는 컴퓨팅 방식. ㅇ 특징: 슈퍼컴퓨터, GPU 클러스터, 고속 네트워크, 대용량 메모리 등을 활용하며, 과학연산, AI 모델 학습 등에 사용. ㅇ 적합한 경우: 대규모 데이터 처리, 복잡한 시뮬레이션, 대규모 AI 학습 및 추론. ㅇ 시험 함정: 단순히 CPU 속도만 높이는

ㅁ 도구와 전략 1. AutoML ㅇ 정의: – 데이터 전처리, 특징 엔지니어링, 모델 선택, 하이퍼파라미터 튜닝 등을 자동으로 수행하는 머신러닝 자동화 기술. ㅇ 특징: – 비전문가도 모델 개발 가능, 개발 시간 단축, 다양한 알고리즘 자동 탐색. ㅇ 적합한 경우: – 빠른 프로토타이핑, 데이터 과학 인력이 부족한 조직, 반복적인 모델 개발. ㅇ 시험 함정: – AutoML은