LeeHyunjoo

AWS Certified AI Practitioner 취득 후기를 남겨본다. 이 시험에 대해서는 잘 몰랐는데 우연히 관련 책을 보게 되었고 평소에 관심이 있는 AI분야 자격증이라 궁금하기도 하고 공부해보고 싶어 준비하게 되었다. 어렵지 않은 시험일 거라고 생각하고 준비했는데 내가 모르는게 많다는 걸 다시 한번 알 수 있었고 기존에 알고 있었던 개념들 정리하면서 공부에 도움되었다. [ 시험 개요 ]시험은 정보는 아래와 같다.시험 시간100 Minutes시험 형식65개 문항응시료100 USD = 131525 KRW시험 유형객관식 또는 복수 정답 선택시험 옵션Pearson VUE 테스트 센터 또는 온라인 감독 시험제공 언어영어, 일본어, 한국어, 포르투갈어(브라질), 중국어 간체합격 기준100-1000점 스..

1. 컴플라이언스(Compliance)란?컴플라이언스란 조직이나 시스템이 법률, 규제, 산업 표준, 내부 정책 등에 적합하게 운영되고 있음을 의미하는 개념이다. 주로 외부의 법적 요구사항이나 내부 가이드라인을 위반하지 않도록 시스템을 설계하고 관리하는 데 초점을 둔다. 컴플라이언스가 중요한 이유법적 책임 회피: GDPR(유럽연합의 개인정보 보호법), HIPAA(미국의 의료정보 보호) 등의 규정을 위반할 경우 벌금이나 제재가 부과될 수 있다.신뢰 확보: 규정을 준수함으로써 고객 및 파트너의 신뢰를 얻을 수 있다.보안 강화: 프레임워크에 따라 시스템을 설계하면 자연스럽게 보안 수준이 강화된다.감사 대응: 외부 감사에 필요한 로그 및 리포트를 사전에 준비할 수 있다. 2. 주요 글로벌 규정 및 표준규정/ 표..

책임감 있는 AI란?AI시스템을 개발할 때는 책임감 있는 AI를 통합하는 것이 중요하다. 책임감 있는 AI란 잠재적 위험과 부정적 결과를 완화하면서 AI시스템이 투명하고 신뢰할 수있도록 보장하는 관행 및 원칙을 말한다. 이러한 책임감 있는 표준은 AI 앱의 전체 수명 주기동안 고려해야 하며 초기 설계, 개발, 배포, 모니터링 및 평가 단계가 포함된다. 1. AI 유형 : 기존 AI , 생성형 AI기존 AI생성형 AI기존 머신러닝 모델은 사용자 데이터에 기반해 하나의 특정 작업만 수행합니다. 순위 예측, 감정 분석, 이미지 분류 등이 이에 해당하며, 정확한 예측을 위해서는 정교한 학습이 필요합니다.예로는 추천 시스템, 게임 AI, 음성 비서 등이 있다.생성형 AI(Generative AI)은 파운데이션 ..

1. 파운데이션 모델(Foundation Model)이란?파운데이션 모델은 라벨이 없는 대규모 데이터를 기반으로 자기지도 학습을 통해 사전 학습된 후, 다양한 태스크에 전이 학습이나 프롬프트 기반 학습으로 쉽게 적용할 수 있는 범용 인공지능 모델을 의미한다.텍스트, 이미지, 코드, 음성 등 멀티모달 입력을 처리할 수 있으며, 하나의 모델이 번역, 요약, 생성, 분류 등 여러 작업을 수행할 수 있는 것이 특징이다. 쉽게 말해, 하나의 초거대 모델을 만들어 여러 가지 문제에 재사용할 수 있는 AI의 범용 엔진이라고 볼 수 있다. 인공지능 (AI: Artificial Intelligence)└── 머신러닝 (ML: Machine Learning) ├── 지도학습 (Supervised Learning) ..

생성형 AI의 기본 구조로 쓰이는 핵심 모델 아키텍처부터 정리해보면 아래와 같다.모델 구조주요 생성 대상설명GAN(Generative Adversarial Network)이미지, 영상, 음성생성자(Generator)와 판별자(Discriminator)가 경쟁하여 사실적인 데이터를 생성VAE(Variational Autoencoder)이미지, 음성잠재 공간에서 샘플링을 통해 연속적이고 부드러운 데이터 생성LSTM / RNN(Recurrent Neural Network)텍스트, 음악, 시계열과거 시점 정보를 고려하여 시퀀스 형태의 데이터를 생성Transformer텍스트, 코드, 시퀀스문맥을 이해하고 고품질 텍스트를 생성하는 기반 구조 (GPT, BART 등 기반)Diffusion Models이미지, 멀티모달..

자주 나왔던 개념들만 간단히 정리해보기!시험에서 각 개념에 대해 깊이있게 물어보지는 않아서 간단하게만 정리해 보았다. 1. 머신러닝 학습 방식 정리: 지도학습, 비지도학습, 강화학습학습 방법입력 데이터정답(라벨) 유무학습 목표대표 사례지도학습있음있음입력에 대한 정답을 예측분류, 회귀 문제비지도학습있음없음데이터 내 숨겨진 구조나 패턴 발견군집화, 차원 축소강화학습있음즉각적인 정답은 없고 보상 존재보상을 최대화하는 최적의 행동 학습게임 전략, 자율 주행 1-1) 지도학습 (Supervised Learning)지도학습은 입력값과 그에 대응하는 정답(라벨)을 함께 제공하여 학습하는 방법으로 모델은 주어진 입력에 대해 정답을 예측하는 방향으로 학습을 진행한다. 정답과 예측값 사이의 오차를 줄여가며 학습이 이루어..