PE Notes
AI
정보관리기술사 토픽을 도메인별로 모읍니다. 게시된 문서만 표시합니다.
AI
AI Agent와 기계고객
목표를 인식–추론–행동 루프로 반복하는 AI Agent와, 탐색·구매·협상을 대신하는 기계고객을 가릅니다. ReAct, 도구 호출, 자율성 수준과 승인·최소 권한을 정리합니다.
AI
AI 리스크 — 보안, 프라이버시, 사회
비결정 행동과 데이터 의존, 사회 파급을 보안·프라이버시·사회적 리스크로 가르고, 피해 주체와 탐지 시점, 레드티밍·차분 프라이버시·인간 개입으로 대응하는 법을 정리합니다.
AI
AI 슈퍼컴퓨팅 플랫폼
수천 GPU를 고속 인터커넥트로 묶어 거대 모델을 학습하는 전용 인프라입니다. 가속기·NVLink·InfiniBand와 데이터·텐서·파이프라인 병렬, ZeRO 샤딩을 정리합니다.
AI
유전 알고리즘
해 집단을 선택·교차·돌연변이로 진화시켜 근사 최적해를 찾는 메타휴리스틱입니다. 연산자 유형과 탐색–활용 균형, NAS·스케줄링 쓰임새를 정리합니다.
AI
고영향 인공지능
기본권·안전·생계에 직접 닿는 고영향 AI를 국내 기본법과 EU AI Act 고위험으로 읽고, 신고·영향평가·설명·인간 감독 의무를 일반 AI와 비교합니다.
AI
다중 에이전트 시스템 (MAS)
여러 자율 에이전트가 공유 환경에서 협력·경쟁·협상하는 MAS를 오케스트레이터–워커와 집중·분산 토폴로지로 읽고, 단일 에이전트 대비 확장과 조율 비용을 비교합니다.
AI
다층 신경망 설계 — FC 계층, One-Hot, Softmax
입력–은닉–출력의 완전연결 다층망에서 One-Hot 정답과 Softmax 확률, Cross-Entropy 손실이 어떻게 맞물리는지, 폭·깊이·정규화 설계 축을 정리합니다.
AI
멀티모달 기술요소
텍스트·이미지·음성·센서를 한 표현 공간으로 모으는 인코더–융합–디코더와, Early/Late Fusion·크로스 어텐션, CLIP 정렬과 VQA 흐름을 정리합니다.
AI
Physical AI와 생성형 AI 비교
디지털 콘텐츠를 만드는 생성형 AI와, 센서–계획–액추에이터로 물리 세계를 움직이는 Physical AI를 작동 공간·오류 대가·실시간성으로 비교하고, Sim-to-Real과 VLA를 정리합니다.
AI
가상발전소(VPP)와 AI 기술
분산 에너지 자원을 하나의 발전소처럼 묶는 VPP에서, 시계열 딥러닝은 예측, 강화학습은 충·방전·입찰, 그래프신경망은 망 위상을 맡는 역할을 비교합니다.
AI
AI 학습용 데이터 품질관리
정확성·완전성·대표성 등 학습 데이터 품질 요소와, 국내 가이드라인 v2.0에서 v4.0으로의 확대, 어노테이션·IAA·편향 검증 절차를 정리합니다.
AI
AI 윤리 — 원칙, 기본법, 실천
정부 AI 윤리 3대 원칙과 10대 요건, AI 기본법의 고영향 관리, 개발·운영·이용자 권리로 내리는 실천을 한 장에서 연결합니다.
AI
AI 거버넌스
AI 수명주기 전반의 책임·투명·공정·안전을 원칙·프로세스·역할로 묶는 거버넌스와, 위험 통제, 성숙도, 국제 표준 정합을 정리합니다.
AI
오토인코더·VAE, NER, 임베딩, 트랜스포머
재구성과 생성으로 갈리는 오토인코더와 VAE, 개체명 인식, 정적·문맥 임베딩, Self-Attention 트랜스포머, 그리고 서빙 체감인 TTFT·TPOT을 한 장에서 잇습니다.
AI
벤치마크 데이터셋
과업별로 공개된 표준 평가셋과 지표, LLM 벤치마크, 그리고 오염·포화·실제 성능 괴리를 한 장에서 정리합니다.
AI
AI 신뢰성 검인증 (CAT)
공공·산업 AI를 성능만이 아니라 안전·공정·설명까지 제3자가 시험하는 국내 신뢰성 검인증의 구성, 항목, 신청부터 사후관리까지의 절차를 한 장으로 정리합니다.
AI
클라우드 AI vs 온디바이스 AI
원격 서버 추론과 단말 로컬 추론을 지연·프라이버시·모델 규모·비용으로 비교하고, 경량화와 NPU를 전제로 한 하이브리드 선택을 정리합니다.
AI
혼동행렬과 분류 지표
맞힌 것과 놓친 것을 칸으로 나눈 혼동행렬에서 정밀도·재현율·F1을 읽고, 불균형에서는 ROC보다 PR을, 다중 클래스에서는 Macro·Micro·Weighted를 고릅니다.
AI
데이터마이닝 — K-means, DBSCAN, SVM, LSTM·GRU
비지도 군집(K-means·DBSCAN)과 지도 분류·순차모델(SVM·LSTM·GRU)을 같은 장에서 나누고, 과업과 데이터 형에 맞춰 고르는 기준을 정리합니다.
AI
의사결정나무
루트에서 리프까지 if-then으로 가르는 의사결정나무의 불순도 기준, CART 절차, 가지치기와 랜덤포레스트·부스팅으로의 확장을 비교합니다.
AI
DSML 프로젝트 — 수명주기, MLOps, ITSM
데이터 과학·머신러닝 프로젝트의 반복 수명주기, 실험-운영 격차를 메우는 MLOps, 사고·변경·SLA로 모델을 IT 서비스에 올리는 ITSM 연계를 정리합니다.
AI
연합학습, 전이학습, AutoML
원본 데이터를 모으지 않고 파라미터만 모으는 연합학습, 사전학습 지식을 새 과제에 옮기는 전이학습, 파이프라인 탐색을 자동화하는 AutoML을 한 장에서 구분합니다.
AI
GAN, DCGAN, Defense GAN
생성자와 판별자가 겨루는 GAN의 학습과 모드 붕괴, 합성곱으로 안정화한 DCGAN, 적대적 입력을 잠재 공간에 투영하는 Defense GAN을 구분합니다.
AI
생성형 AI 저작권과 이용자 보호
학습 데이터 이용과 AI 생성물 귀속이라는 저작권 쟁점을 개발사·창작자 입장으로 가르고, 고지·워터마크·자동화 결정 이의 등 이용자 보호 항목을 대응표로 정리합니다.
AI
경사하강법 — 오버슈팅과 지역최소점
손실의 기울기 반대 방향으로 가중치를 갱신하는 경사하강법의 배치 유형, 오버슈팅·지역최소점·안장점, 그리고 학습률·모멘텀·적응형 옵티마이저로 막는 법을 정리합니다.
AI
KV 캐시 (Key-Value Cache)
오토리그레시브 생성에서 이미 계산한 Key·Value를 저장해 재계산을 없애는 KV 캐시의 프리필·디코딩, 메모리 최적화, 속도와 보안 트레이드오프를 정리합니다.
AI
MCP 보안 취약점
LLM 호스트와 외부 도구를 잇는 MCP의 공격 표면을 클라이언트·프로토콜·서버로 가르고, 프롬프트 인젝션·과도한 권한·공급망에 최소 권한과 사람 승인을 대응합니다.
AI
기계학습 모델링과 ModelOps
문제 정의부터 평가까지 이어지는 기계학습 모델링 사이클과, 배포 이후 드리프트·재학습·거버넌스를 표준화하는 ModelOps를 MLOps와 구분해 정리합니다.
AI
머신러닝 파이프라인과 지도·비지도학습
수집부터 재학습까지를 한 흐름으로 묶는 ML 파이프라인과, 레이블 유무로 갈리는 지도·비지도·준지도·자기지도학습을 비교합니다.
AI
모델 전도 공격
공개 API의 확률 출력만으로 학습 원문·민감 속성을 거꾸로 추정하는 모델 전도와, 멤버십 추론·추출 공격과의 차이, 차분 프라이버시 중심의 대응을 정리합니다.
AI
OWASP Top 10 for LLM
웹 취약점 목록으로는 잡히지 않는 LLM 서비스의 열 가지 위협을 입력·모델·출력·도구 층으로 읽고, 프롬프트 인젝션과 단계별 가드레일을 구분합니다.
AI
공공부문 초거대AI 도입·활용 가이드라인
공공기관이 초거대·생성형 AI를 쓸 때 사람 책임, 개인정보, 환각, 보안을 어떻게 나누는지, 버전 변화와 위험 등급·책임 체계를 기준으로 정리합니다.
AI
양자머신러닝 (QML)
큐비트의 중첩·얽힘을 학습에 쓰는 QML의 흐름과, 완전 양자·하이브리드 알고리즘, NISQ 시대의 한계를 고전 ML과 비교해 정리합니다.
AI
강화학습
상태·행동·보상으로 정책을 익히는 강화학습을 가치 기반, 정책 경사, Actor-Critic으로 나누고, 이산·연속 행동에 따라 DQN·PPO·SAC를 고르는 기준을 정리합니다.
AI
유사도 — 자카드, 코사인, 실루엣계수
집합 겹침을 보는 자카드, 벡터 방향만 보는 코사인, 군집 응집·분리를 보는 실루엣계수를 입력 유형과 활용으로 구분합니다.
AI
SNN, 메타휴리스틱스, 튜링 테스트, 라벨링
스파이크로 시간을 인코딩하는 SNN, 근사 탐색인 메타휴리스틱스, 행동으로 지능을 묻는 튜링 테스트, 정답을 붙이는 라벨링·어노테이션을 구분합니다.
AI
TEXT2SQL — 자연어에서 SQL로
자연어 질의를 SQL로 바꾸는 TEXT2SQL의 스키마 링킹·생성·검증 흐름, 규칙·미세조정·프롬프트 접근, 환각과 방언·보안 한계를 정리합니다.
AI
적대적공격과 생성형 AI 보안취약점
학습·추론 단계를 가르는 적대적공격 네 유형과, 프롬프트 인젝션부터 도구 연동까지 생성형 AI의 공격 표면을 구분합니다.
AI
모델 평가와 신뢰성 AI
분류·회귀·생성·군집·검증으로 나눈 평가 지표와, 안전성·공정성·설명가능성 등 신뢰성 AI의 핵심 속성을 한 장에서 연결합니다.
AI
인공신경망 (ANN)
입력·은닉·출력층과 가중치로 비선형 관계를 근사하는 인공신경망의 순전파·역전파, 활성화함수 선택, 딥러닝으로의 확장을 정리합니다.
AI
편향, 과적합 해결, 최적화 알고리즘, 차원축소
공정성 관점의 편향 유형, 과적합을 데이터·모델·학습 단계에서 줄이는 기법, GD에서 Adam까지의 옵티마이저, 선형·비선형 차원축소를 구분합니다.
AI
환각현상, 모라벡의 역설, RLHF·RAFT, 과적합
LLM이 사실이 아닌 답을 자신 있게 내는 이유, 감각·운동이 기계에 더 어려운 이유, 인간 선호 정렬의 두 경로, 학습이 너무 맞거나 덜 맞는 상태를 한 장에서 구분합니다.
AI
PLM, 프롬프트·하네스 엔지니어링, Multimodal LLM
사전학습 언어모델이 어떻게 만들어지고, 프롬프트와 실행 환경(하네스)이 무엇을 나누며, 이미지·음성·텍스트를 한 코어에서 다루는 멀티모달 LLM을 정리합니다.
AI
RAG, RIG, MCP, MoE — LLM 최적화 기법
검색으로 지식을 붙이고, 생성 중 근거를 확인하고, 도구를 표준으로 연결하고, 필요한 전문가만 깨우는 네 가지 LLM 최적화 축을 구분합니다.
AI
sLLM — Smaller Large Language Model
초거대 LLM을 증류·양자화·가지치기로 줄여, 온프레미스와 온디바이스에서 낮은 지연으로 쓰는 소형 언어모델의 위치와 한계를 정리합니다.