1. KDD (Knowledge Discovery in Database)의 개요 (1) KDD의 개념 및 특징 개념 특징 DW, OLAP, SQL, 데이터 마이닝 Tool 등을 이용하여 데이터에 잠재된 유용한 지식 및 패턴을 발견하여 조직의 구조와 프로세스를 변경하는 데이터 분석 방법론 – 데이터 범람 문제 해결 지원 – 유용한 정보 검색 위한 선별 작업 – DB 이론, 통계, 패턴인식 등
1. ODS (Operational Data Store)의 개념 및 특징 개념 데이터에 추가 작업 위해 다양한 데이터 원천(Source)들로부터의 데이터를 추출·통합한 데이터베이스 특징 데이터 통합/보정 – 데이터 클린징, 중복 제거, 비즈니스 규칙에 따른 무결성 점검 하위 수준 데이터 저장 – 실시간(Real-time), 실시간 근접(Near Real-time) 트랜잭션이나 원자성을 지닌 하위 수준 데이터 저장 ODS 내 데이터는 향후 비즈니스 지원을 위해
1. AI 거버넌스 플랫폼의 개념/필요성 AI 거버넌스 플랫폼 (AI Governance Platforms) 개념 AI 시스템의 법적, 윤리적, 운영적 성과 관리를 위해 AI TRiSM 기반 AI 사용 정책 및 투명성을 제공하는 플랫폼 필요성 투명한 의사 결정과 설명 가능성 AI 시스템의 의사 결정 방식 이해하여 결정에 책임을 지고 윤리적 의사 결정을 내릴 수 있도록 해야 함 장기간 윤리적
1. AI TRiSM의 개념 및 필요성 AI TRiSM: AI Trust(신뢰), Risk(위험), and Security Management(보안 관리)를 의미 개념 AI의 잠재적 위험 관리를 위해 설명 가능성, ModelOps, AI App 보안, 개인정보 보호를 통합한 보안 프레임워크 필요성 인공지능은 현대 사회에 많은 이점을 제공하지만 의사 결정의 불투명성, 윤리 문제, 프라이버시 침해 등 여러 문제점이 존재하므로 보안 프레임워크로 통합 관리
1. BLE (Bluetooth Low Energy)의 개념 및 특징 (1) BLE의 개념 블루투스 기반 저전력 통신을 위해 작은 데이터 전송 단위 및 Duty Cycle, 긴 수면(Sleep) 시간을 적용한 근거리 무선 통신 기술 (2) BLE의 특징 저전력 동작 동작 사이클을 줄여 긴 수면(Sleep) 시간을 통해 전력 소모 최소화 연결 절차 간소화 GAP 기반 게시와 연결을 제어하여 연결
1. 앰비언트 인비저블 인텔리전스의 개념 앰비언트 인비저블 인텔리전스 (Ambient Invisible Intelligence) 개념도 개념 소형 스마트 태그와 센서를 통해 대상의 상태를 추적 및 감지하여 명시적이지 않은 사용자의 요구를 예측하고 지원하는 지능형 기술 사용자에게 거의 인식되지 않지만 환경의 모든 변화를 실시간으로 감지할 수 있어, 저전력 및 메시지 전송 기술과 지능형 의사결정 기술을 통해 비즈니스와 일상생활에 사용자의 요구
1. 인간-기계 시너지, 공간 컴퓨팅 (Spatial Computing) 개념도 개념 주변 환경, 실제 세계, 신체 등을 다양하게 활용하기 위해 디지털 정보를 물리적 공간에 통합하는 인간-컴퓨팅 상호작용 기술 특징 몰입감 사용자가 특정 활동이나 경험에 디지털 세계와 현실 세계를 구분하지 못하고 실감 나는 경험을 제공 상호 작용성 사용자가 제스처, 손, 목소리 등을 사용하여 디지털 객체 즉 주변 환경과
1. 지도 학습 모델, 의사결정나무 (Decision Tree)의 개념 개념도 개념 빅데이터 및 인공지능 분석을 위해 의사결정 규칙을 나무 구조로 도표화하여 분류와 예측을 수행하는 분석 기법 의사결정 나무 (의사결정 트리)는 두 개 이상의 변수가 결합하여 목표 변수에 어떻게 영향을 주는지 쉽게 알 수 있으며, 트리 구조로 표현되기 때문에 모형을 쉽게 이해 2. 의사결정나무 기반 분석
1. 카오스 테스트 (Chaos Test) 시스템 신뢰성 확인을 위해 운영 시스템에 각종 장애를 주입하여 문제 발생 여부를 테스트하는 기법 2. 카오스 테스트 단계 별 수행 절차 및 세부 절차 설명 (1) 카오스 테스트 단계 별 수행 절차 (2) 카오스 테스트 단계 별 세부 절차 설명 단계 세부 절차 사례 정상 상태 – 시스템의 측정
1. 차원 축소 및 잡음 제거, 주성분 분석 (PCA)의 개요 주성분 분석(PCA: Principal Component Analysis) (1) 주성분 분석의 개념 개념도 3차원의 데이터셋을 분산값이 큰 영의 축(Axis)인 PC1을 식별하여PC2 축의 방향을 Projection하여 2차원으로 차원을 축소한 사례 개념 고차원 공간의 표본들을 선형 연관성이 없는 저차원 공간(주성분)의 표본으로 변환하여 분석하는 알고리즘 (2) 주성분 분석의 목적 차원의 축소 고차원의