5G NR (New Radio)의 AI/ML 기술

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

플랫폼 엔지니어링 (Platform Engineering)

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

랜덤 포레스트 (Random Forest)

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

PET (Privacy-Enhancing Technology)

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

SEMMA (Sample, Explore, Modify, Model, and Assess)

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

CRISP-DM (Cross-Industry Standard Process for Data Mining)

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

KDD (Knowledge Discovery in Database)

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

ODS (Operational Data Store)

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

AI 거버넌스 플랫폼 (AI Governance Platforms)

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

AI TRiSM (AI Trust, Risk and Security Management)

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