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​

구분	내용
개념	데이터셋을 K개의 클러스터로 나눠 각 데이터가 가장 가까운 클러스터 중심에 할당하여 군집화하는 알고리즘
특징	초기 중심점 설정 민감, 이상치 민감
-	가벼운 시간 복잡도, 구형 클러스터 적합

DBSCAN 클러스터링 개념 및 특징​

구분	내용
개념	밀도가 높은 지역에서 클러스터를 형성하고, 밀도가 낮은 지역은 노이즈로 간주하는 알고리즘
특징	클러스터 모양이 불규칙해도 좋은 성능
-	입실론 거리와 최소 포인트 수 조정이 성능의 핵심 요소

K-means, DBSCAN 클러스터링 비교​

구분	K-means	DBSCAN
기반	거리기반	밀도기반
클러스터 형태	구형 클러스터 적합	임의 모양 식별 가능
노이즈 처리	약함	강함
처리 속도	빠름	느림
초기화	초기 중심점 선택 중요	덜 민감

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​

구분	내용	비고
자동화 파이프라인	데이터준비, 모델훈련/배포과정 자동화로 효율성 증대	개발 및 운영 프로세스
버전 관리	모델 리뷰, 변경 관리, 롤백 절차 수립	VCS 사용
플랫폼 엔지니어링	데이터사이언티스트, 엔지니어, 이해관계자 협업 플랫폼 제공	모델 거버넌스 확립

MLOps 성숙단계​

레벨	단계	내용
2	최적화	ML 파이프라인 오케스트레이션, 모델 추적 관리
1	통합	ML 파이프라인 자동화, 지속적 모델 훈련
0	도입	수동 워크플로우로 데이터 사이언티스트와 엔지니어가 별도 작업

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​

구분	내용	비고
원칙	방향성과 설꼐 기준	상위원칙, 준수방안
스타일	컴포넌트, 패턴을 시각적 일관성을 표현하기 위한 규칙	시각적 경험, 규칙 기반
컴포넌트	UI의 기본단위로 공통 요소에 대한 가이드	특성, 역할, 유형, 용례
기본패턴	컴포넌트의 조합으로 사용되는 UI 집합	공통 과업 패턴
서비스패턴	사용자 여정 기반 UX 설계 가이드	필수, 권장, 우수 단계

전자정부 UI/UX 설계기준 적용범위 및 항목​

구분	적용범위	항목
중앙행정기관	정부로고, 독자로고 사용 중앙행정기관 어플리케이션	공식 배너, 헤더, 푸터
공공기관	공공기관 대표 운영 어플리케이션	헤더, 푸터
지방자치단체	지방자치단게 운영 어플리케이션	공식 배너, 헤더, 푸터

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

전자정부 UI/UX 가이드라인 활용방안​

구분	내용	비고
요구사항 정의	프로젝트 초기 요구사항에 설계기준 포함	명확한 목표 설정
설계 및 개발	설계 기준과 가이드라인 참고 UI/UX 설계, 개발	일관된 디자인 보장
테스트	품질 점검표 사용 UI/UX 품질 검사	오류/개선점 식별
유지보수	정기적 UI/UX 평가 및 개선	지속적 사용자 만족도유지

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​

구분	내용	비고
데이터수집	실시간 데이터 수집	Kafka
데이터저장	대용량 데이터 저장	HDFS, S3, NoSQL DB
데이터처리	배치 및 실시간 처리	Spark, MapReduce
데이터분석	SQL 기반 데이터 분석	Hive, Spark SQL
데이터시각화	분석 결과 시각화	Tableau, Grafana

빅데이터 플랫폼 아키텍처 적용방안​

구분	내용	비고
소셜미디어 분석	사용자 행동 패턴 분석	실시간 처리
로그 분석	시스템 장애 예측, 최적화	대용량 처리
금융사기탐지	이상거래 탐지, 사기 탐지	실시간 처리, AI

빅데이터 플랫폼 아키텍처 고려사항​

구분	내용	비고
확장성	데이터 증가에 따른 유연한 대응	수평적 확장 고려
성능	빠른 데이터 처리 분석 속도	실시간 처리 요구사항
보안	데이터 접근통제 암호화	분석 후 폐기, RBAC
비용	효율적 자원 활용, 스케일 다운	클라우드 기반 아키텍처

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​

구분	내용	비고
경사하강법	기울기를 사용하여 손실함수 값 최소화하여 파라미터 업데이트	보편적 알고리즘
확률적 경사하강법	한 개의 데이터 셋을 샘플링하여 파라미터 업데이트	학습속도 향상
미니배치 경사하강법	적당한 크기의 미니 데이터셋으로 나눠 경사하강법 적용	병렬 컴퓨팅
모멘텀 최적화	이전 기울기를 사용하여 관성기반 파라미터 업데이트 가속화	지역최소값 회피
RMSProp	기울기 크기에 따라 학습률을 조정하여 파라미터 최적화	효율적, 지속적 학습
Adam	모멘텀과 RMSProp 장점 결합 최적화 수행	높은 성능

머신러닝 최적화 알고리즘 고려사항​

구분	내용	비고
모델 선택	문제 특성에 맞는 모델 선택	데이터 크기, 특성
하이퍼파라미터 튜닝	학습률, 배치 크기 등 하이퍼파라미터 조정하여 모델 성능 최적화	실험적 접근 필요
초기화방법	파라미터 초기화는 수렴속도와 성능에 영향을 주므로, 적절한 초기화 전략 선택	무작위, Xavier 초기화
정규화	L1, L2 정규화를 통한 과적합 방지	리지 패널티, 라쏘, 티코노프

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​

구분	내용	비고
Q-Learning	가치기반 학습방법, 각 상태-행동 쌍에 대한 가치를 업데이트하여 최적 정책 학습	오프라인학습, 단순 문제
SARSA	실제 정책을 사용하여 상태-행동 가치함수를 학습하는 시간차 방법	온라인 학습
DQN	딥러닝을 이용한 Q-Learning, 신경망을 사용하여 Q값을 근사 처리	복합한 문제
Policy Gradient	보상 기대값을 최대화하는 방향의 정책을 직접 학습	연속적 행동 적합
Actor-Critic	정책기반과 가치기반 알고리즘 결합, 액터는 정책경사모델로 행동 결정, 크리틱은 Q러닝으로 행동 비평	안정성, 효율성

강화학습 적용방안​

구분	내용	비고
게임AI	게임 내 최적 전략을 학습하여 사람과 경쟁가능한 AI 개발	Starcraft, Dota2
로봇제어	로봇 움직임을 강화학습하여 자율적 환경 탐색 및 작업 수행	자율주행, 드론제어
금융거래	거래 데이터로 강화학습하여 최적의 거래 전략 학습/적용	리스크 관리, 포트폴리오 최적화

강화학습 고려사항​

• Exploitation과 Exploration 사이의 적절한 균형을 찾는 알고리즘 선택

알고리즘 시간복잡도, 공간복잡도 개념​

• 시간복잡도: 주어진 입력에 따라 알고리즘이 실행되는데 걸리는 시간의 양
• 공간복잡도: 주어진 입력에 따라 필요한 저장 공간의 양
• 성능 예측, 효율성 비교, 자원 최적화

알고리즘 복잡도 표기법, 시간복잡도, 공간복잡도​

알고리즘 복잡도 표기법​

구분	내용	비고
Big O	알고리즘이 최악의 성능일 때 평가	일반적 분석
Big Ω	알고리즘이 최상의 성능일 때 평가	최적 상황 분석
Big θ	알고리즘의 평균 성능 평가	전반적 성능 분석

• 주로 Big O 표기법으로 알고리즘의 복잡도 평가 및 측정

알고리즘 시간복잡도​

구분	내용	사례
$O(1)$	상수 시간복잡도, 입력 크기와 관계 없이 실행	해시테이블
$O(logn)$	로그 시간복잡도, 입력에 따라 로그에 비례	이진 검색
$O(n)$	선형 시간복잡도, 입력에 따라 시간 증가	선형 검색
$O(nlogn)$	선형로그 시간복잡도, 효율적 정렬 알고리즘	병합정렬, 퀵정렬
$O(n^2)$	이차 시간복잡도, 중첩 루프 사용	버블정렬, 삽입정렬
$O(2^n)$	지수 시간복잡도, 피보나치 수열 계산	피보나치 재귀
$O(n!)$	팩토리얼 시간복잡도, 매우 비효율적	순열 생성

알고리즘 공간복잡도​

구분	내용	사례
$O(1)$	상수 공간복잡도, 입력 상관없이 일정 공간 사용	스왑 알고리즘
$O(n)$	선형 공간복잡도, 입력 크기 비례 공간 사용	배열, 리스트
$O(n^2)$	이차 공간복잡도, 이차원 배열 사용 공간	행렬 곱셈

알고리즘 복잡도 측정방법​

구분	시간복잡도	공간복잡도
실제 측정	실행시간 측정하여 복잡도 측정	메모리 프로파일러 통한 사용량 측정
이론적 측정	빅오 표기법 등 복잡도를 수학적 유도로 분석	알고리즘이 사용하는 변수, 자료구조 분석

• 데이터의 정렬 여부, 중복 여부에 다른 알고리즘의 성능 차이 고려

전이학습 개념​

• 한 도메인에서 학습된 모델이나 지식을 다른 모데인으로 전이하여 학습 성능을 향상시키는 기법
• 데이터 부족 문제 해결, 학습시간 단축, 모델성능 향상, 컴퓨팅 리소스 절약

전이학습 구성도, 구성요소, 적용방안​

전이학습 구성도​

• 전이학습시 전수되는 은닉층은 가중치 고정, 나머지 은닉층은 타겟도메인에 맞게 미세조정

전이학습 구성요소​

구분	내용	비고
소스도메인	기존 학습 데이터 및 모델이 있는 도메인	풍부한 데이터 보유
타겟도메인	지식 전이하여 학습할 신규 도메인	데이터 부족 해결
특징 추출기	소스 도메인에서 추출된 중요 특징을 타겟 도메인 모델 활용	초기 가이드라인 제공
모델 최적화	타겟도메인 데이터를 통해 모델 재학습 또는 미세조정	성능 최적화

전이학습 적용방안​

구분	내용	비고
자연어 처리	번역 및 감정분석시 사전학습 언어모델 활용하여 신규언어 적용	확장성, 적응력 향상
게임 개발	캐릭터 및 환경 생성시 사전학습 모델활용 컨텐츠 생성	학습시간 단축, 현실감
의료 진단	X-Ray, MRI 등 의료 이미지 분석시 사전 학습모델 미세조정 활용	희귀 질병 진단 가능

전이학습 고려사항​

• 소스도메인에서 사용된 모델이 타켓도메인에 적합한지 적절성 평가 필요
• 학습률 조정, 드롭아웃 등 정규화 기법을 통해 과적합 방지

정렬 알고리즘 개념​

• 데이터를 특정 기준에 따라 순서대로 나열하는 기법
• 검색 효율성 향상, 데이터 중복 관리, 알고리즘 성능 향상, 데이터 분석 및 시각화

버블정렬, 삽입정렬, 퀵정렬 개념​

버블정렬 개념​

구분	내용
개념도	2 <-4-> 3 5
개념	두 인접요소를 비교하고 필요시 치환
시간복잡도	평균 $O(n^2)$, 최상 $O(n)$

삽입정렬 개념​

구분	내용
개념도	2->4 3 5
개념	리스트 요소를 하나씩 탐색하여 비교 후 올바른 위치에 삽입
시간복잡도	평균 $O(n^2)$, 최상 $O(n)$

퀵정렬 개념​

구분	내용
개념도	2 <-4 pivot-> 3 5
개념	피벗을 기준으로 리스트를 분할 후 각각 정렬한 뒤 결합
시간복잡도	최악 $O(n^2)$, 평균 $O(nlogn)$

버블정렬, 삽입정렬, 퀵정렬 비교​

구분	버블정렬	삽입정렬	퀵정렬
시간복잡도	$O(n^2)$	$O(n^2)$	$O(nlogn)$
공간복잡도	$O(1)$	$O(1)$	$O(logn)$
안정성	안정적	안정적	불안정
구현난이도	쉬움	쉬움	어려움
사용사례	소량 데이터	거의 정렬된 소량 데이터	대량 데이터

정렬 알고리즘 고려사항​

• 어셈블리로 컴파일 후 AI를 활용하여 기계어의 병렬성을 최적화, 추가 정렬 성능 확보

DID 개념​

• 화면을 통해 텍스트, 이미지, 비디오, 인터렉티브 요소와 같은 동적 컨텐츠를 표시하는 시각적 커뮤니케이션 도구
• 물리적 자료 인쇄, 배포에 드는 비용 절감, 효율적인 정보 전달 가능

DID 구성도, 구성요소, 활용사례​

DID 구성도​

• CMS를 통해 다양한 디스플레이 장치에 정보 표현

DID 구성요소​

구분	내용	핵심기술
디스플레이 장치	텍스트, 이미지, 비디오 등 다양한 형태의 컨텐츠 표시	LCD/LED/OLED 디스플레이
콘텐츠 관리 시스템	디스플레이에 표시될 컨텐츠 생성, 편집, 관리 소프트웨어	웹 기반, 데이터베이스
네트워크	디스플레이 장치와 CMS 간의 데이터 전송, 원격 업데이트용 네트워크 인프라	엣지 컴퓨팅
인터렉티브 요소	사용자와 상호작용할 수 있는 기능 제공하여 경험 향상	터치스크린, 센싱

DID 활용사례​

구분	사례	비고
공공	항공정보, 안내방송, 광고 등 공공 정보 제공	실시간 업데이트
금융	수업 시간표, 이벤트 알림, 공지사항 등 정보 제공	정보 집중도 증가
민간	회의 일정, 공지사항, 직원 정보 제공	내부 커뮤니케이션

DID 고려사항​

• 앰비언트 컴퓨팅을 활용하여 사용자에게 맞춤형, 적응형 컨텐츠 표현