연합학습 개념​

• 데이터를 중앙 저장하지 않고 다수의 로컬 디바이스에서 모델 훈련 후, 훈련된 모델 파라미터를 중앙서버로 전송해 모델을 업데이트하는 분산 인공지능 학습모델
• 데이터 프라이버시, 보안, 통신비용 절감, 확장성, 속도

연합학습 구성도, 주요 기법, 보안​

연합학습 구성도​

연합학습 주요 기법​

연합학습 보안​

연합학습 고려사항​

• 다양한 하드웨어와 네트워크 조건에서 일관된 성능을 보장할 수 있도록 흐름제어, 오류제어 필요

귀납적 사고 개념​

• 특정한 사례나 데이터에서 패턴을 발견하고 일반적인 결론이나 규칙을 도출하는 사고방식
• 데이터 기반 의사결정, 예측 가능성, 지식 확장

귀납적 사고와 머신러닝 관계도, 유형, 활용방안​

귀납적 사고와 머신러닝 관계도​

귀납적 머신러닝 유형​

머신러닝 활용방안​

머신러닝 고려사항​

• 안전하고 지속가능한 AI 생태계를 위해 AI 거버넌스 확립 필요

인공지능 학습용 데이터 품질관리 가이드라인 개념​

• 인공지능 학습용 데이터 구축시 구축계획수립 단계부터 데이터 획득, 수집, 정제, 가공 등에 대한 절차 및 활동에 대한 기준서
• 수집 데이터 일관성, 데이터 유용성/신뢰성, 품질 문제 사전 예방/해결방안 제공

인공지능 학습용 데이터 품질관리체계 개념도, 범위, 지표​

인공지능 학습용 데이터 품질관리체계 개념도​

 ------------------------------------------------------------------------------------
 |                            품질관리 원칙/대상/기준/조직/절차                             |
 -----------------------------------------------------------------------------------|
 |  계획  |  품질관리  |       구축단계 품질관리       |  적재   |    운영/학습단계 품질관리      |
 |  단계  | -------> |---------------------------| -----> |--------------------------|
 |  품질  |   계획    |  구축 프로세스  |  구축 데이터  |        |  품질오류  |  데이터품질진단   |
 |  관리  |          |  품질관리      |  품질관리    |        |  신고관리  |  개선관리        |
 ------------------------------------------------------------------------------------
 |                             품질관리 도구 및 지원 인프라                                |
 ------------------------------------------------------------------------------------

인공지능 학습용 데이터 품질관리 범위​

인공지능 학습용 데이터 품질관리 지표​

인공지능 학습용 데이터 품질관리 고려사항​

• 데이터의 수집과 활용 단계에서 개인정보 보호 및 법적 규정 준수 필요

참조​

• AI Hub: 인공지능 학습용 데이터 품질관리 가이드라인 v3.1

튜링테스트 개념​

• 인공지능의 수준을 평가하기 위해 인간과 인공지능의 사고능력을 비교하는 블라인드 테스트
• 자연어 처리기술 발전, 기계와 인간 구분의 모호성, AI활용 서비스 증가

튜링테스트 구성도, 구성요소, 활용사례​

튜링테스트 구성도​

튜링테스트 구성요소​

튜링테스트 활용사례​

튜링테스트 고려사항​

• LLM의 발전으로 사람보다 더 뛰어난 답변으로 GPT4o모델을 구별해낼 수 있어 튜링테스트 실패 가능
• 인공지능 품질속성을 기반으로 새로운 평가체계마련 필요

클러스터링 개념​

• 데이터 포인터들을 여러 군집으로 나누어 각 군집 간 유사성을 최소화, 군집 내 유사성을 최대화하는 비지도학습 알고리즘
• 데이터 내 잠재적 패턴, 그룹 발견, 군집별 맞춤 전략 수립, 군집별 전처리 및 축소

K-means, DBSCAN 클러스터링 개념, 비교​

K-means 클러스터링 개념 및 특징​

DBSCAN 클러스터링 개념 및 특징​

K-means, DBSCAN 클러스터링 비교​

클러스터링 고려사항​

• 데이터 크기, 형태, 노이즈에 따라 적절한 알고리즘 선택 필요
• Dunn Index, Silhouette Coefficient 등의 지표로 클러스터링 결과 평가 후 하이퍼파라미터 조정

DSML 개념​

• 데이터 사이언스와 머신러닝을 활용하여 데이터에서 가치를 창출하고 예측모델을 구축하는 프로젝트
• 복잡한 워크플로우, 협업의 어려움, 모델 배포의 어려움, 모델 신뢰성과 지속가능성 문제
• 효율적인 모델관리, 지속적 통합 배포, 모델 모니터링, 유지보수, 향상된 협업을 위해 MLOps

MLOps 개념도, 구성요소, 적용방안​

MLOps 개념도​

MLOps 구성요소​

MLOps 성숙단계​

MLOps 고려사항​

• ISO25029 AI품질속성에 따라 모델의 품질 검증 절차 자동화 필요

전자정부 UI/UX 설계기준 개념​

• 전자정부 웹사이트 구축시 사용자 경험 최적화와 접근성 제고를 위해 표준화된 지침
• 사용자중심 설계, 접근성 향상, 법적요구사항 준수, 일관성 유지, 유지보수성

전자정부 UI/UX 설계기준 구성도, 구성요소, 적용범위 및 항목​

전자정부 UI/UX 설계기준 구성도​

• 원칙을 기반으로 스타일, 컴포넌트, 패턴을 확장하여 설계

전자정부 UI/UX 설계기준 구성요소​

전자정부 UI/UX 설계기준 적용범위 및 항목​

• UI/UX 스타일 가이드와 컴포넌트 패턴 가이드를 모두 준수 필요

전자정부 UI/UX 가이드라인 활용방안​

빅테이터 플랫폼 아키텍처 개념​

• 빅데이터의 3V(크기, 다양성, 속도) 측면을 효과적으로 처리, 분석하기 위한 시스템 아키텍처

빅데이터 플랫폼 아키텍처 구성도, 구성요소, 적용방안​

빅데이터 플랫폼 아키텍처 구성도​

빅데이터 플랫폼 아키텍처 구성요소​

빅데이터 플랫폼 아키텍처 적용방안​

빅데이터 플랫폼 아키텍처 고려사항​

머신러닝 최적화 알고리즘​

• 머신러닝 모델 학습과정에서 모델의 오차를 최소화하거나, 정확도를 최대화하기 위해 파라미터를 조정하여 모델 성능을 최적화하는 알고리즘
• 손실함수를 최소화하여 정확도 향상, 학습 효율화, 과적합 방지

머신러닝 최적화 개념도, 주요 알고리즘, 고려사항​

머신러닝 최적화 개념도​

머신러닝 최적화 주요 알고리즘​

머신러닝 최적화 알고리즘 고려사항​

강화학습 개념​

• 에이전트가 환경과 상호작용하여 보상을 최대화하는 행동을 학습하는 방법
• 복잡한 환경에서의 문제 해결, 환경 상호작용, 보상 기반 학습

강화학습 구성도, 주요 알고리즘, 적용방안​

강화학습 구성도​

• 상태를 인식하고, 행동을 취하며, 보상을 최대화하는 최적의 정책 학습

강화학습 주요 알고리즘​

강화학습 적용방안​

강화학습 고려사항​

• Exploitation과 Exploration 사이의 적절한 균형을 찾는 알고리즘 선택