문제6) 개인정보 보호를 위한 분산 인공지능(AI, Artifical Intelligence) 학습 모델인 연합학습 (Federated Learning) 에 대하여 아래 사항을 설명 하시오. 가. 연합학습의 동작 원리 나. 연합학습의 주요 알고리즘 다. 연합학습의 보안 및 프라이버시 보장형 기술 답) 1. 분산 인공지능 학습 모델인 연합학습(Federated Learning)의 개요 정의 개인정보 보호를 위해 기기나 기관 등 여러 위치에 분산 저장된 데이터를 직접 공유하지 않으면서, 서로 협력하며 AI 모델을 학습할 수 있는 분산형 머신러닝 기법 주요특징 우수한 연산 속도 중앙 서버에서 일괄 연산이 아닌 로컬 디바이에서 개별 연산 개인정보 보호 개인 데이터는 중앙 서버에 전송하지 않고 로컬에 보관 모델의..

문제 9) 독립표본 t-검정(Independent t-test)과 대응표본 t-검정(Paired t-test) 답) 1. 두 집단 이하의 평균 차이 검정, t-test(t-검정)의 개요 두 집단 이하의 표본 평균 간의 차이를 검증하고자 할 때 이용되는 평균 차이 검정 기법 2. 독립표본 t-검정(Independent t-test)의 설명 구분 설명 개념 서로 독립적인 두 집단간의 평균(또는 비율)이 서로 차이가 있는지 확인하기 위한 검정방법 각기 다른 두 모집단을 대표하는 표본들을 독립적으로 추출하여 표본 평균을 비교함으로써모집단 간의 유사성을 검정하는 방법 조건 두 표본 집단의 등분산성 가정 충족 필요 두 개의 표본이 서로 관계 없는 모집단에서 추출 되었을 것. 표본 간에는 아무런 관계가 없을 것. 가..

문제5) 과학기술정보통신부가 발표한 '메타버스 윤리원칙'에 대하여 다음을 설명하시오. 1) 3대 지향가치와 8대 실천원칙 2) 인터넷 윤리, 인공지능 윤리 및 메타버스 윤리 비교 답) 1. 메타버스 윤리원칙 제정 배경 메타버스의 생태계 구현과 운영 활성화에 따라 다양한 윤리적인 문제 발생에 따라 건강한 생태계 구성을 위해 기본 윤리 원칙 제정 2. 메타버스 윤리원칙 기본 구조 설명 가. 메타버스 윤리원칙 기본 구조 개념 ‘안전하고 신뢰할 수 있는 메타버스 구현’을 위한 실천윤리의 기능을 충족할 수 있는 메타버스 윤리원칙 구조도 3대 지향가치 메타버스와 관계를 맺는 개인적, 사회적, 시간적 영역에서 추구해야하는 ‘온전한 자아, 안전한 향유, 지속적 번영’ 제시 8대 실천 원칙 3대 지향가치를 추구하는데 참..

문제6) 텐서플로(TensorFlow) 답) 1. 구글의 인공지능 플랫폼 라이브러리, TensorFlow 개념 가. TensorFlow 정의 머신러닝 모델의 손쉬운 제작과 빌드 및 배포를 위해 구굴에서 만든 엔드 투 엔드 오픈소스 플랫폼 나. TensorFlow 특징 직관적 API 케라스, 파이썬, C++API 이외 Backword Compatible 지원 이중모드 CPU, GPU 모드별로 ML 연산과 단순작업 분할 TPU 텐서플로우 전용 최적화 칩셋 활용 2. TendorFlow Architecture 및 구성요소 가. TensorFlow Architecture (2.0 기준) 간소화된 API 기반으로 케라스(Keras)와 에커엑스큐션(eager execution)을 활용한 모델 구축 나. Tensor..

문제3) EfficentNet과 EfficentDet의 비교 답) 1. CNN 성능과 효율 향상 모델, EfficientNet과 EfficientDet 개념 비교 EfficientNet EfficientDet Compound Scaling을 통해 적은 파라미터수를 가지고 정확성과 효율성을 향상시간 Image Classification 모델 AutoML 및 모델 확장을 통해 정확성과 효율성을향상 EfficientNet을 backbone으로 하고 BiFPN과Compund Scaling을 조합하여 적은 파라미터수로 더욱 좋은 성능을 보여주는 Object Detection 모델 EfficientNet은 Image Classification 문제를 타겟으로 EfficientDet은 Object Detection ..

문제4) 앙상블(Ensemble)모형의 Bagging과 Boosting 알고리즘을 설명하시오. 답) 1. 앙상블 모형의 개요 주어진 데이터를 이용하여 여러개의 모델을 학습 후 여러 모델의 예측 결과들을 종합해 정확도를 높이는 기법 단일 학습모델의 성능을 보완하기 위해 여러개의 학습모델 활용 2. Bagging 알고리즘 가. Bagging 알고리즘의 개념 및 개념도 개념 학습데이터를 균일한 확률분포에 따라 반복적으로 샘플링(부트스트랩)하여 모델링 한 후 결합하여 최종 예측모형을 만드는 알고리즘 개념도 나. Bagging 알고리즘 설명 구분 항목 설명 절차 1) Sampling Data 구성 2) 분류기 생성 3) Vote 4) 최종모델 생성 Bootstrap 기법을 통해 Sampling Data 생성 Sa..

문제4) SNN(Spiking Neural Network) 답) 1. 생물학적 신경망을 모방한 차세대 신경망 SNN 의 개요 심층신경망에 생물학적 근사성을 반영 입력되는 정보를 시간적인 신호로 처리하는 뉴런의 중요한 생물학적특징을 모사하는 인공신경망. 2. 스파이킹 신경망의 구조 및 코드화 기법 가. 스파이킹 신경망의 구조 스파이킹 신경망을 구성하는 뉴런은 많은 입력을 받고 하나의 스파이크 신호를 출력 디렉 델타 함수 뉴런간의 신호전달은 활동전위에 의한 이산적 스파이크를 통해 일어나며 시간에 따라 지속적으로 발생하는스파이크를 스파이크 열 Spike Train) 이라 함. 나. 스파이킹 신경망의 코드화 기법 코드요소 설명 빈도 코드화 (Rate Coding) 스파이크의 발생 빈도를 이용하는 코드화 기법 시..

문제 11) 과적합(Overfitting)의 발생 이유와 해결방안 답) 1. 과잉 학습으로 인한 폐해, 과적합(Overfitting)의 개요 개념도 정의 기계학습 시 관심집단을 대표할 수 있는 패턴이나 관계를 찾아 훈련 데이터 집합 생성하는 과정에서 너무 학습을 많이해서 불필요한 내용까지 학습된 상태 2. 과적합의 발생 이유와 해결방안 가. 과적합의 발생 이유 구분 세부 설명 모델 측면 차원의 저주 데이터 샘플링을 높이기 위해 고차원 사용시 모델의 복잡도를증가시키며, 필요한 데이터의 양도 Exponentially하게 증가하며,기존에 사용하던 Metric이 비정상 동작 모델 복잡도 정교한 모델이라도 지나치게 복잡하다면, 단순 1차 방정식 형태의 모델보다 성능이 낮은 경우 발생 Bias-Variance Tr..

문제10) SVM(Support Vector Machine) 답) 1. 여백을 최대화하는 통계적 분석 기법, SVM(Support Vector Machine)의 개요. 가. SVM(Support Vector Machine)의 정의 데이터가 사상 된 공간에서 경계선과 가장 근접한 데이터(Support Vector)간의 거리가 가장 큰 경계를 식별하는 알고리즘(MMH: Maximum Margin Hyper plane) 여백(Margin)을 최대화하여 일반화 능력의 극대화하여 결정직선을 찾는 두 범주를 갖는 객체들을 분류하는 방법 나. SVM(Support Vector Machine)의 목적 주어진 많은 데이터들을 가능한 멀리 두 개의 집단으로 분리시키는 최적의 초평면(hyperplane) Training d..

문제4) 기계학습(Machine Learning) 모델링(Modeling)과 모델옵스(ModelOps)에 대해 설명하시오. 답) 1. 데이터 기반 패턴 학습, 기계학습 모델링의 설명 개념 수집된 데이터와 알고리즘, 모델로부터 빠른 패턴과 해결책, 예측을 찾아가는 반복적인 과정 과정 모델 생성주기에 수반되는 수동반복적 작업 해결위해 ModelOps 탄생 2. 모델옵스(ModelOps)의 개념 및 주요 기능 가. 모델옵스(ModelOps)의 개념 블록체인 기술 이용하여 하나의 토큰을 다른 토큰으로 대체하는 것이 불가능한 가상 토큰 나. 모델옵스(ModelOps)의 주요 기능 구분 기능 설명 모델링 테스팅 반복적 훈련 테스트 자동화 모델 관리 모델 저장 및 모델 버전 관리 운영 CI/CD 지속적 통합/배포로 ..