I. 인간의 학습 과정 모방, 기계 학습 대량의 데이터를 지도/비지도, 강화 학습 등을 통해 문제의 해답을 찾아내는 기법 지도학습(Supervised Learning) 비지도학습(Unsupervised Learning) 강화학습(Reinforcement Learning) 준지도학습(Semi-Supervised Learning) II. 지도 학습과 비지도 학습의 개념 지도 학습 비지도 학습 – 입출력이 쌍으로 구성된 학습 예제로부터 맵핑하는 함수 학습 형태 – 목표값 없이 입력값으로 공통 특성을 파악하는 귀납적
I. 디스크 고가용성, RAID(Redundant Array of Independent Disks) 여러 개의 하드 디스크에 데이터를 나누어 저장하여 하나의 디스크처럼 사용하는 디스크 고가용성 기술 II. RAID 유형I (표준 레이드 레벨) 가. RAID-0 (블록 레벨 스트라이핑) 항목 설명 개념 블록 저장 시 각 블록을 다른 디스크에 나누어 저장하는 방식, 최소 2개 – 가용용량: D – 고장허용: 0 ※
I. 성능 향상을 위한 데이터 중복 허용, 반정규화 개념 필요성 데이터베이스 정규화 후 성능향상, 개발편의성 등 위해 정규화기법 위배행위 의도적 수행 기법 – 다수 Join시 성능하락 방지 – 개발 및 운영 단순화 – DB 검색 성능 향상 II. 반정규화 필요 대상 및 유형 가. 반정규화 필요 대상 구분 필요 대상 설명 접근빈도 측면 고빈도 테이블 – 단일
I. 공개키 기반 구조, PKI 가. PKI(Public Key Interface)의 개념 인증 기관의 전자 서명된 인증서 분배를 통해 공중망 상호인증 기반 전자 거래 인터페이스 나. PKI의 목적 목적 요소 기술 주요 내용 인증 Certificate, X.509 – 사용자 확인, 검증 기밀성 AES, SEED, 3DES – 송수신 정보 암호화 무결성 SHA, MD5 – 송수신 정보 위/변조 방지 부인봉쇄
I. 소형기기 최적화 임베디드 운영체제, IoT 운영체제 IoT 장치의 하드웨어와 소프트웨어를 효과적으로 관리하기 위해 IoT 장치에 최적화된 운영체제 II. 스마트더스트 프로젝트, TinyOS 가. TinyOS 개념/특징 개념 특징 스마트더스트 프로젝트 사용 위해 제작한 컴포넌트기반 임베디드 장치용 소형 운영체제 – Event-Driven (인터럽트 기반) – 초소형(4KB OS코드, 256B MEM) – 단일 어플리케이션으로 구성 – 전용언어(nesC), FIFO 스케줄러 나. TinyOS 구조/구성요소
I. 검색엔진 스코어 알고리즘, TF-IDF 가. TF-IDF(Term Frequency – Inverse Document Frequency) 개념 핵심어 추출 및 검색 결과 순위 결정을 위해 단어의 특정 문서 내 중요도를 산출하는 통계적 가중치 알고리즘 나. TF와 IDF의 개념 TF(Term Frequency) IDF(Inverse Document Frecuency) – 단어의 문서 내 등장빈도 – 고빈도 출현시 중요도 높음 – 문서 빈도수(DF)의 역수값 – DF
I. 프로젝트 수행 시 요구사항 보장 방안 – SW개발 사업에서 최초 요구사항의 상세화와 요구사항 분석, 설계 전문화 위해 분할 발주 필요, 산출물에 대한 검증 활동인 감리 수행 시 프로젝트 전체 단계 요구사항 활동 필요 II. 소프트웨어사업 요구사항 상세화 및 발주 방안 – 설계 과정에서 요구사항 불명확으로 재작업이 발생하면 사업 효율성 저하 및 S/W 산업
I. Security for AI, Evasion Attack – 인공신경망 인식 시 원래 Class가 아닌 다른 Class로 인식하게 하는 입력 데이터 변조 공격 II. Evasion Attack의 생성 원리 및 공격 유형 가. Evasion Attack 생성 원리 ① 변환기에 원본 샘플 x와 원본 Class y 입력 ② 출력값으로 원본샘플 x에 노이즈 w 추가 ③ 변형 샘플의 클래스
I. 가상메모리 페이징 속도향상, TLB 가. TLB(Translation Look-aside Buffer)의 정의 자주 참조되는 가상 메모리 주소를 실제 메모리 주소로 매핑 시 성능 개선 위해 MMU에서 사용하는 고속 캐시 나. TLB의 특징 특징 설명 변환 결과 테이블 – 매번 주소를 변환하는 대신 변환 결과를 테이블에 저장하여 사용 특수 고속 캐시 – 페이지 테이블 항목에 대한 특수 고속 캐시
I. 데이터 일관성 보장의 이해, 함수적 종속성 개념도 개념 – 두 튜플 T1, T2에 대하여, T1[x]=T2[x]이면, T1[y]=T2[y] 데이터 속성의 의미와 속성 간 상호 관계로부터 발생하는 제약조건(Constraints)의 일종, FD – FD(Functional Dependency) II. 함수적 종속성의 유형 유형 종속성 사례 설명 정규화 완전/부분 함수 종속 [학번] → 이름: 부분 [학과,과목]→성적:완전 – 부분함수 종속 제거 2차 정규화 적용