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..

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..