문제3) 설비 예지정비(Predictive Maintenance) 시스템 구축 시 LangChain 프레임워크를 활용할 수 있는 방안에 대하여 다음을 설명하시오. 가. 설비 예지정비의 개념 및 필요성나. LangChain 프레임워크와 LLM(Large Language Model)다. LangChain을 이용한 설비 예지정비 답) 1.설비 예지정비의 개념 및 필요성 가. 설비 예지정비의 개념설비이상 사전 예측, 설비고장이 더 진행되기 이전에 정비 조치를 통해 대응하게 함으로써, 비계획 가동정지 예방과 설비의 수리비용 절감을 위한 기술  나. 설비 예지정비의 필요성구분필요성상세 설명운영장비 신뢰성 향상설비 고장 및 장애예방을 통한 장비 신뢰성 향상생산량 증가설비 효율성 최적화 및 비계획적 다운타임 최소화통한..

문제3) 다음과 같이 형태소 분석을 통하여 문서별로 단어의 횟수가 식별되었다. 각 문서의 TF-IDF(Term Frequency – Inverse Document Frequency)를 식별하기 위한 계산 과정과 그 결과를 설명하시오.(단, Inverse Document Frequency 계산시 log 를 취하여 구하되 Document Frequency 값을 임의로 가공하지 않아야 하며 , 주어진 log 값만을 활용한다.) 답)  1. 단어 중요도 산출, TF-IDF 개요정의여러 문서로 이루어진 문서군이 있을 때 어떤 단어가 특정 문서내에서 얼마나 중요한 것인지를 나타내는 수치DTM에서는 단순하게 단어의 빈도수를 측정하기 때문에, 각 단어의 중요도 자체를 신경 쓰지 않는다는 단점을보완하기 위해 사용 2. ..

문제2) 머신러닝의 분류 모델인 서포트 벡터 머신(Support Vector Machine) 중 선형 서포트 벡터 머신의 마진(Margin) 분류 방법 2가지를 설명하시오. 답) 1.머신러닝의 최대 Margin 분류 모델, 서포트 벡터 머신(SVM) 개요 가. 서포트 벡터 머신(Support Vector Machine) 개념 및 특징개념데이터가 사상 된 공간에서 각 집단으로 구분되는 데이터 중 경계선과 근접한 데이터 (Support Vector) 간의 거리가 가장 큰 경계를 식별하는 알고리즘주요특징1) 지도학습에서 과적합 회피최대 마진을 찾는 과정에 일반화 성능이 높아짐2) 분류와 회귀에 모두 사용선형과 비선형 분류, 회귀 및 이상값 분류에 사용3) 최대 마진 목적최대 마진을 갖도록 경계면을 찾는 것이 ..

문제 3) 베이지안 최적화답) 1. 하이퍼파라미터 최적화 기법, 베이지안 최적화의 개요 가. 베이지안 최적화(Bayesain Optimization)의 개념모델 최적화에 필요한 최적의 하이퍼파라미터를 구하기위해, 미지의 목적함수(Objective Function)를 상정하여, 대체 모델(Surrogate Model)에서 최적의 하이퍼파라미터를 최적화하는 기법  나. 베이지안 최적화의 등장배경등장배경설명기존 튜닝 기법 보완GridSearch와 RandomSearch의 최적화 파라미터 도출의 한계를 극복GridSearch : 최적화 시간이 필요 -> 최적화 도출 시간 단축RandomSearch : 정확도 부족 -> 정확도 부족 부분을 획득 함수로 최적화사전 정보 활용기존에 탐색이 완료된 값을 기반으로 미지의..

문제2) 최근 데이터사이언스와 기계학습이 융합된 DSML(Data Science & Machine Learning) 프로젝트가 확산되고 있다. 성공적인 DSML 프로젝트를 수행하기 위해 아래 항목을 설명하시오. 1) DSML 프로젝트 수명주기 2) 기계학습 운영화(Machine Learning Operationalizations/Operations: MLOps) 답) 1. 인공지능에 대한 기대와 현실, DSML(Data Science & Machine Learning) 프로젝트 문제점 DSML을 이용하여 기업의 가치를 극대화 하고자 하지만 경영진과의 의견 충돌, 조직의 거부, 시스템 장애,인력난 등으로 인해 80~90% 이상 DSML 프로젝트가 실패를 겪고 있음 2. DSML(Data Science & ..

문제4) 온디바이스 AI(Artificial Intelligence)에 대한 아래의 사항을 설명하시오. 가. 온디바이스 AI의 개념 나. 온디바이스 AI의 하드웨어 및 소프트웨어 기술 다. 온디바이스 AI의 시사점 답) 1. 온디바이스 AI(Artificial Intelligence)의 개념 정의 멀리 떨어진 클라우드 서버를 거치지 않고 스마트기기 자체적으로 정보를 수집하고 연산할 수 있는 AI 기술 2. 온디바이스 AI의 하드웨어 및 소프트웨어 기술 가. 온디바이스 AI의 하드웨어 기술 구분 기술 설명 국내 인공지능 가속기 뉴로모픽 기술에 집중하여 엣지 및 디바이스에서 사용 가능한 인공지 능 가속기 기술 NeuroMem 기술 에너지 효율적 소형 폼팩터 구성을 위한 기술 NPU(Neural Process..

문제12) 술어 논리(Predicate Logic) 답) 1. 지식표현 언어로서의 술어논리 개념 개념도 정의 명제의 내용을 다루기 위해 변수변수, 함수 등을 도입하고 이들 값에 따라 참참, 거짓이 결정되도록 명제논리를 확장한 논리표현 기법기법 명제논리(Proposition Logic)의 관계성 파악한계를 개선한 서술어 중심의 논리표현 방식방식 2. 술어논리 구문과 지식표현 사례 가. 술어논리 구문 구분 구성요소 설명 예시 기호 존재 한정사 ∃x) 할당된 변수 x에 대해 적어도 하나이상 참 값을 가짐가짐 ∃ x Friend(John,x) 전칭 한정사 ∀x) 할당된 변수 x에 대해 모든 할당에 대해 참값을 가짐가짐 ∀ x[King(x) Person(x)] 연결자 (￢ , ∧∧, ∨∨, ⇒⇒) 논리명제의 주술..

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..

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 ..