1. 재난안전통신망 (1) 재난안전통신망의 개념 및 필요성 개념 필요성 경찰, 소방, 해경 등 재난 관련 기관들이 재난 대응업무에 활용하기 위해 전용으로 사용하는 전국 단일 무선 통신망 – 일사불란한 현장대응, 골든타임 확보 – 연계 서비스로 일상 재난예방업무로 확장 가능 – 기관 중복 투자 방지, 국가 차원 효율적 운영 (2) 재난안전통신기술의 유형 구분 기술 유형 기능 표준화
1. C-TAS (Cyber Threat Analysis & Sharing)의 개요 개념 침해사고 공동 대응 위해 악성코드, 감염IP 등 위협정보를 수집 및 상호 교환하는 사이버 위협정보 분석·공유 체계 개념도 필요성 여러 산업 분야에 걸쳐 광범위하게 발생하는 침해사고 예방 및 대응을 위해 2014년 부터 민·관 공동 참여하여 위협정보를 공유 2. C-TAS 기반 위협정보 공유 절차 및 위협정보 (1)
1. 5G NR의 AI/ML 기술 적용 필요성 및 유스케이스 AI/ML 기술 관련 응용 서비스는 전 산업 분야에서 광범위하게 사용되고, 5G/6G 등 모바일 통신 분야에서도 응용 서비스 창출에 큰 영향 2. 5G NR(New Radio)의 AI/ML 프레임워크 (1) 5G NR의 AI/ML 프레임워크 구성도/동작 과정 (2) AI/ML 프레임워크 구성요소 구분 구성요소 역할 추론 및 학습 기능 추론
1. 플랫폼 엔지니어링 (Platform Engineering)의 개요 개념 기업 문화와 생산성 및 수익성 개선 위해 내부 플랫폼(IDP, Internal Developer Platform)의 워크플로우 및 도구를 설계, 구축, 유지관리하는 활동 목적 – IDE, CI/CD 등 도구를 활용하여 개발자 경험 최적화 – 기능 및 프로세스 제공하여 최종 사용자 생산성 향상 데브옵스에서 얻은 경험적 지식을 더 구체적이고 재현 가능한 형식으로 적용하는
1. 랜덤 포레스트 (Random Forest)의 개요 개념도 개념 분류/회귀 분석 등에 사용하기 위해 다수 의사결정 트리를 결합하여 분류/회귀 모형을 생성하는 앙상블 기반 머신러닝 학습 기법 특징 임의성 임의로 각 트리들이 서로 다른 특성을 가짐 과적합 극복 임의화를 통한 과적합 문제를 극복 앙상블 학습 기법 중 bagging 보다 더 많은 임의성을 주어 학습기 생성 후 결합하여
1. PET (Privacy-Enhancing Technology)의 개요 PET(Privacy-Enhancing or Privacy-Enhanced Technology): 개인정보 보호 강화 기술 배경 디지털전환 가속화로 데이터 분석을 통해 가치있는 정보를 생산/획득할 수 있게 되었지만 데이터 처리 과정에서 역공학 등으로 악용 사례가 증가하여 EU의 GDPR, 국내 데이터 3법 등을 통해 데이터를 안전하게 수집·처리·파기할 수 있는 제도가 마련됨 이러한 데이터 보호 제도에 맞추어 안전하게 대규모 데이터
1. 데이터 마이닝 방법론, SEMMA의 개념 SEMMA (Sample, Explore, Modify, Model, and Assess): 샘플링, 탐색, 수정, 모델링, 평가 절차 개념 이전에 알려지지 않았던 패턴 발견 위해 대량의 데이터를 샘플링, 탐색, 수정, 모델링 및 평가하는 데이터 마이닝 방법론 특징 데이터 샘플링 샘플은 중요한 정보 포함하고 처리 가능한 크기여야 함 데이터 패턴 도출 예상 못한 추세, 이상
1. 데이터 마이닝 방법론, CRISP-DM의 개념 CRISP-DM (Cross-Industry Standard Process for Data Mining): 데이터 마이닝을 위한 산업 간 표준 절차 개념 비즈니스 이해를 바탕으로 데이터를 분석하기 위해 6단계 프로세스 기반 비즈니스 상황에 따른 통계적 규칙, 패턴을 찾아내는 데이터 마이닝 방법론 특징 6단계 프로세스 ① 비즈니스 이해 ② 데이터 이해 ③ 데이터 준비 ④ 모델링 ⑤
1. 데이터 마이닝 방법론, KDD의 개요 KDD (Knowledge Discovery in Database) (1) KDD의 개념 및 특징 개념 특징 DW, OLAP, SQL, 데이터 분석 Tool 등을 이용하여 데이터에 잠재된 유용한 지식 및 패턴을 발견하여 조직의 구조와 프로세스를 변경하는 데이터 마이닝 방법론 – 데이터 범람 문제 해결 지원 – 유용한 정보 검색 위한 선별 작업 – DB
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