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 ..

문제2) IT-ROI 투자 성과평가 모델에 대하여 설명하시오 답) 1. IT 성과측정을 통한 생산성 패러독스 극복, IT-ROI 투자 성과평가 모델의 개념 IT 프로젝트의 사전, 중간, 사후 평가를 통해 IT 예산, 인력, 운영 측정 지표값을 도출할 수 있는 평가체계를 제공하는 투자 성과평가 모델 IT 투자의 타당성 및 당위성을 표현할 수 있는 모델로 중요성이 지속적으로 증가하는 추세 2. IT-ROI 투자성과 평가 모델 설명 가. IT-ROI 투자성과 평가 모델의 개념도 데이터 기반으로 IT 투자의 사전평가, 중간평가, 사후평가를 지속적으로 수행하는 점진 개선이 가능한 모델 나. IT-ROI 투자성과 모델의 구성요소 구분 요소 설명 구성체계 사전평가 IT 투자의 타당성 및 당위성을 측정 및 평가하기 위..

문제3) 딥뷰(DeepView)의 개념과 기술요소를 설명하시오 답) 1. 인공지능 시각지능 딥뷰의 등장배경 인공지능 특이점 진화 과정 중 딥러닝, 기계학습, 지성/시각/음성 등의 다양한 인공지능 기술들이 필요하며그 중 시각을 중심으로 한 인공지능인 딥뷰가 지속 활용되며 부각됨 2. 딥뷰(DeepView) 의 개념도 및 설명 가. 딥뷰의 개념도 개념 사람이 사물을 인지하고 시공간적으로 상황을 파악하여 직관적으로 사물을 인지하듯 사람처 럼 인지하는 시각 인공지능 기술 시각 인공지능 기술을 이용하여 다양한 사회 문제를 해결하기 위해 딥뷰를 사용 나. 딥뷰(DeepView)의 특징 특징 설명 영상인식 영상 속 사람과 사물을 정확하게 인식 내용파악 영상 속 인식 기반 내용이 무엇인지 사람만큼 정확하게 파악 실시간..

문제5) 데이터 차원 축소(Data Dimensionality Reduction) 답) 1. 차원의 저주 해결, 데이터 차원 축소(Data Dimensionality Reduction)의 개요 가. 데이터 차원 축소(Data Dimensionality Reduction)의 정의 매우 많은 피처로 구성된 다차원 데이터 세트의 차원을 축소해 새로운 차원의 데이터 세트를 생성 나. 데이터 차원 축소의 목적 직관적 분석 다량의 차원을 2,3차원으로 변환하여 시각적으로 빠른 분석이 가능 차원의 저주 완화 샘플의 특성이 너무 많으면 학습이 매우 어려워지지 않도록 함 2. 데이터 차원 축소 개념도 및 주요 유형 가. 데이터 차원 축소의 개념도 데이터 차원 축소는 선형, 비선형 기법으로 나누어 사용할 수 있음 나. 데..