I. 머신러닝 파이프라인(ML Pipeline)의 개요 가. 머신러닝 파이프라인의 개념 데이터 수집부터 전처리, 학습 모델 배포, 예측까지 전과정을 순차적으로 처리하도록 설계된 머신러닝 아키텍처 나. 머신러닝 파이프라인의 필요성 머신러닝 자동화 머신러닝 모델 전 과정 지속 수행 위한 파이프라인 기반 자동화 예측 정확성 향상 내부 구조 이해를 통한 머신러닝 성능(예측의 정확성) 향상 II. 머신러닝 파이프라인의 데이터 처리
I. 영상 처리, GPU (Graphic Processing Unit)의 개념 컴퓨터 모니터에 픽셀(화소)로 투영되는 그래픽 처리를 위해 부동소수점 연산 기반 병렬 처리 특화 처리 장치 특히 인공지능(AI)에서 많은 수의 데이터 학습 시 성능 향상, 다중 코어 병렬 연산 환경이 필수적이므로 최근 GPU 활용 폭발적 증가 II. GPU의 구조/구성요소와 핵심 기술 가. 그래픽카드의 구조와 GPU의 구조/구성요소 그래픽카드
I. GPU 기반 범용 연산, GPGPU 가. GPGPU(General Purpose Graphic Processing Unit)의 개념 GPU를 그래픽 연산뿐 아니라 일반 컴퓨팅 영역에서 활용 위해 일반 계산에 GPU를 사용하는 기술 나. 등장배경 및 주요 특징 구분 내용 설명 등장 배경 기계 학습 성장 기계학습 기반 딥러닝 폭발적 성장 빅데이터 처리 단순 비정형 등 GPU로 처리 충분 주요 특징 초병렬 SIMD/SIMT 제어, 캐시 간소화 집적/병렬처리 플랫폼 지원 CUDA, OpenCL 등