1. 인-밴드 네트워크 텔레메트리의 개념 및 특징 인-밴드 네트워크 텔레메트리 (INT, In-band Network Telemetry) 개념 네트워크에서 생성되는 다양한 트래픽 정보 수집을 위해 패킷 단위 행위를 수집, 저장, 분석하는 모니터링 프레임워크 특징 Out-of-band 방식은 별도의 탐지 패킷을 생성하여 텔레메트리 데이터를 수집하는 반면, In-band 방식은 기존 데이터 트래픽에 텔레메트리 데이터를 삽입하여 별도의 탐지 패킷 생성 없이 텔레메트리
1. RDMA (Remote Direct Memory Access)의 개념 개념 인공지능, 빅데이터 등 대용량 데이터 고속 처리를 위해 CPU 사용 없이 원격 노드의 메모리로 데이터를 직접 전송하는 기술 특징 인공지능, 빅데이터 등 대용량 데이터의 폭발적인 증가로 데이터센터 내 초고속 데이터 전송을 위해 인피니밴드, RoCE, iWARP 등의 기술 기반 RDMA를 통해 고속 데이터 전송 가능 2. RDMA
1. 시간 복잡도와 공간 복잡도의 개요 (1) 시간 복잡도와 공간 복잡도의 개념 시간 복잡도 (Time Complexity) 알고리즘의 효율성 측정을 위해 필요한 입력 데이터 대비 연산 시 수행 시간을 나타내는 척도 공간 복잡도 (Space Complexity) 알고리즘의 효율성 측정 위해 프로그램 수행 시 사용되는 메모리 공간의 크기를 나타내는 척도 (2) 효율적 알고리즘을 위한 요소 시간 효율성 주어진
1. TCP/IP 통신의 접점, 소켓 (Socket)의 개념 개념도 개념 원격지 호스트 간 상호 통신을 위해 TCP/IP 기반 연결 및 데이터 전송을 수행하는 네트워크 종단점(Endpoint) TCP/IP 기반 통신 수행 시 호스트 내 전송 계층과 응용 프로그램 간 인터페이스 역할 수행하며, TCP와 UDP 프로토콜을 통해 데이터 전송 2. TCP 소켓 (TCP Socket) 동작 과정 및 소켓
1. 멀티모달 인공지능 (Multimodal AI)의 개념 개념도 개념 텍스트, 이미지, 오디오 등 서로 다른 유형의 데이터를 동시에 처리하고 분석하는 인공지능 기술 예를 들어, 사용자가 텍스트로 상황을 기술하면, 이를 기반으로 이미지나 동영상을 생성할 수 있으며, 최근 입력과 출력 양식이 다른 크로스 모달 형태가 주목 받고 있음 2. 멀티모달 인공지능의 주요 유형 및 구성요소 (1) 멀티모달
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