I. 단일 통합 데이터 저장소, 데이터 레이크(Data Lake)의 개요 가. 데이터 레이크(Data Lake)의 개념 정형, 반정형, 비정형의 다양한 원형(Raw) 데이터들을 실시간으로 수집, 전처리, 변환, 저장, 제공하는 통합 데이터 저장소, 데이터 호수 나. 데이터 레이크(Data Lake)의 부각 배경 부각 배경 주요 이슈 Hadoop의 등장 데이터 레이크로의 전환 용이 비즈니스 민첩성 요구 비즈니스 유연성 및 신속성 제공
I. 이용자 중심의 지능정보사회를 위한 원칙의 배경과 목적 원칙의 배경 원칙의 목적 – 인간 의사결정 보조/대체 혁신 서비스 출현 (맞춤형 뉴스·콘텐츠 추천시스템, AI 스피커 등) – 공정하고 책임있는 AI 알고리즘 중요성 부각 – AI의 일상적 사용 지능정보사회 시대 대비 – 신기술의 위험으로부터 안전한 환경 조성 – 지능정보사회 구성원 공동 기본 원칙 제시 “이용자 중심의 지능정보사회를
I. 데이터 활용 패러다임의 전환, 데이터 주권 가. 데이터 주권의 개념과 국가 동향 개념 신체나 재산의 권리처럼, 각 주체에 정보 권리를 부여해 자신의 데이터가 어디서, 어떻게, 어떤 목적으로 사용될 지 결정할 수 있는 권리 국가 동향 나. 데이터 주권의 중요성 구분 중요성 세부 설명 국가차원 국내 데이터 보호 자국 내 데이터 현지 보관, 해외반출 금지
I. 트래픽 로컬화, CDN의 개요 가. CDN (Content Delivery Network)의 개념 콘텐츠의 효율적 전달 위해 다수 노드 보유 네트워크에 데이터를 저장하여 근접 노드에서 전달하는 기술 나. CDN의 특징 지역성(Locality) 원리 적용 액세스된 기억장소에 다시 액세스할 가능성이 높은 원리 적용 다수 복제본 생성 동일한 내용의 콘텐츠 복제본을 여러 노드에 생성하여 서비스 서비스 지연율 최소화 병목현상을 제거하여
I. 자연어처리 기술, NLP의 개념 기계와 인간 사이의 자연어처리 대화형 플랫폼 적용을 위해 자연 언어를 분석하고 생성하는 음성 변환, 언어 처리, 대화 관리 기술 II. NLP의 처리 구조 및 기술 요소 가. NLP의 처리 구조 나. NLP의 기술 요소 구분 기술 요소 세부 구현 기술 음성 변환 STT (Speech-to-Text) – 4KHz 음성신호를 문자(Text)로 변환
I. 차량 전자제어장치(ECU) 플랫폼, AUTOSAR의 개요 가. AUTOSAR (AUTomobile Open Software ARchitecture) 개념 자동차의 제어기(ECU, Electronic Control Unit)에 공통으로 들어가는 소프트웨어(플랫폼/미들웨어: OS, 통신, 메모리, I/O, HW, 디바이스 드라이버 등)에 대한 표준화 규격 나. AUTOSAR의 특징 하드웨어와 소프트웨어 분리 소프트웨어 재사용성과 확장성 향상을 도모 모델 기반 개발방법론 모델 기반 개발이 가능한 개발 도구 사용 XML 문서로
I. 개방형 OS(운영체제)의 개념 및 필요성 개념 Linux Mint, Ubuntu 등 GPL, MIT 라이선스 기반 소스코드가 공개된 개방지향 시스템 운영체제 필요성 윈도OS 기술지원 종료(윈도XP ’14년, 윈도7 ’20년 종료)로 인한 전환 검토 벤더 Lock-in을 탈피하여 교섭력 확보, 예산 효율화 가능 II. 국내외 개방형 OS 적용 동향 가. 해외 EU, 미국의 개방형 OS 적용 동향 구분
I. 블록체인 합의 알고리즘의 개요 가. 블록체인 합의 알고리즘 (Blockchain Consensus Algorithm)의 개념 블록체인 네트워크 상에서 데이터(블록)의 무결성 검증 및 생성을 위한 노드 간 미리 정의된 절차 기반 의사결정 알고리즘 나. 분산 네트워크에서 신뢰성 문제점에 따른 합의 알고리즘의 필요성 분산 네트워크에서의 신뢰성 문제점 합의 알고리즘의 필요성 문제점1. Double Spending 블록생성 시간 차에 따른 이중 지불
I. 비지도 학습의 개요 가. 비지도 학습 (Unsupervised Learning, 자율 학습)의 개념 입력데이터에 대한 목표값 없이 데이터가 어떻게 구성되었는지를 알아내는 기계 학습(Machine Learning) 기법 나. 비지도 학습의 특징 비정제 데이터를 입력하여 훈련데이터 없이 데이터의 특징 요약과 군집 (Clustering) 수행 목표값을 정해주지 않아도 되고 사전 학습이 필요없으므로 속도가 빠름 II. 비지도 학습의 기법 및 알고리즘
I. 지도 학습의 개요 가. 지도 학습 (Supervised Learning)의 개념 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning) 기법 나. 지도 학습의 특징 명시적인 정답이 주어진 상황에서 기계를 학습 시키기 위해 데이터와 레이블을 사용 사람이 목표값에 개입하므로 정확도가 높으나 시간이 오래걸리고 필요 데이터량이 많음 II. 지도 학습의 기법 및 알고리즘 가. 지도