도리의 디지털라이프

I. 산업 구조의 새로운 패러다임, 4차 산업혁명의 개요 가. 4차 산업혁명의 등장 배경 및 개념 등장 배경 개념 다품종 대량생산 기술 및 산업 간 초연결, 초지능, 초융합 기반 산업 혁신 패러다임 나. 연대별 산업혁명의 특징 4차 산업혁명은 3D 프린터, 로봇공학 등의 발전을 토대로 산업 간 융합을 통한 생산성 향상이 목표   II. 초연결/초지능 측면의 4차

I. 프로그램 실행 여부 기반, 정적-동적 테스트 가. 정적-동적 테스트 개념 정적 테스트 동적 테스트 프로그램을 실행 전 소스코드 파싱 기반 문법, 코드 등 잠재적 취약점 발견 기법 프로그램 실행 후 실제 발생 오류 발견 및 문제 해결 분석 기법 나. 정적-동적 테스트 특징/장단점 항목 정적 테스트 동적 테스트 특징 – 코딩 규칙, 가이드 준수

I. 강화 학습 기법, Q-러닝(Q-Learning) 특정 상태에서 행동에 대한 미래값(Q)을 계산하여, 최적 정책을 찾는 마르코프 의사결정 기반 강화학습 기법 마르코프 의사결정 : 다음 상태의 확률은 오직 현재 상태와 행동에만 영향을 받고, 이전 상태에서 영향 받지 않는 의사결정   II. Q-러닝 학습 절차 및 구성요소 가. Q-러닝의 학습 절차 학습 절차 설명 ① value table Q

I. 복합 프로그래머블 논리 소자, CPLD 가. CPLD의 개념 내부에 논리 블록(PLD)과 이를 서로 연결해 주는 스위치 행렬이 내장된 반도체 소자 나. CPLD의 특징 중앙 스위치 방식 – 양쪽 블록 사이에 스위치가 위치한 형태로 양쪽 블록을 배선 연결하여 로직 구성 PAL 방식 구조 – 일부 AND, OR gate가 고정되어 데이터에 따라 배선이 되는 구조   II. CPLD

I. 빅데이터 품질관리의 특징 데이터 활용 패러다임 → 빅데이터 특징 – IT는 단순도구 아닌 가치 창출의 핵심 도구 – 데이터의 팽창 및 대량 비정형 분석 처리 기술 발전 빅 데 이 터 등 장 – 기계, 프로그램에 의해 수집되는 대량의 데이터 – 미세하고 정밀한 데이터 – 데이터 소유자 불분명 데이터는 수동적 관리 대상에서 새로운 가치

I. 데이터 유출 방지, DLP 가. DLP(Data Loss Prevention)의 개념 기업의 지적재산(IP)를 보호하는 기밀성과 데이터의 외부 유출 방지 및 감사 솔루션  II. DLP 구성도 및 주요 기능 가. DLP 구성도 정책 적용과 필터링, 감사 실시하여 검색된 패턴, 키워드 기반 신규 정책 생성 나. DLP의 주요 기능 주요 기능 설명 사례 접근통제 – 정보를 중요도로 그룹화

I. 초고속/초연결 차세대 이동통신, 5G의 개념 20Gbps 속도, 1ms 지연율, Massive MIMO 등 초연결을 지향하는 차세대 이동통신 기술   II. 5G 네트워크 성능요구사항 – ITU-R WP 5D 26차(2017.2) 구분 기술성능 요구사항 성능 목표값 속도 최대 전송 속도 eNB 20Gbps, UE 10Gbps 사용자 체감 속도 eNB 100Mbps, UE 50Mbps 면적 당 트래픽 용량 eNB 10Mbps/m2 대역폭

I. 생각으로 컴퓨터 제어, BCI 가. BCI (Brain Computer Interface)의 개념 인간의 두뇌와 컴퓨터를 직접 연결해 뇌파를 통해 컴퓨터를 제어하는 인터페이스 기술 나. BCI의 장단점 장점 단점 – 생체신호 측정 비용 저렴 – 비침습형의 경우 인체 무해 – 실시간 뇌파 정보 제공 – 직관적인 인터페이스 – 비침습형은 잡파 혼입 – 침습형은 외과시술 필요하며 부작용의 부담

I. 소프트웨어 테스트 국제 표준, ISO/IEC 29119 개념 필요성 체계적 S/W 테스트 절차와 원리/가이드 지원을 위한 SW 개발 생명주기 전 과정 Test 절차, 산출물 국제표준 – 테스트 체계 정립 – 테스트 표준 및 기준 – 테스트 자원 필요성 증대   II. ISO/IEC 29119 구성도와 세부 Part 가. ISO/IEC 29119 구성도 나. ISO/IEC 29119 세부 Part/주제

I. CNN과 RNN의 융합 기술, CRNN 특징 추출과 시계열 모델을 통합하여 이미지에서 시계열 데이터를 인식하는 고성능 학습 모델   II. CRNN의 수행 절차 및 구성요소 가. CRNN의 수행 절차 Convolution Net. 최상부에서 출력된 Feature Sequence의 프레임 예측 위해 Recurrent Net. 사용 나. CRNN의 구성요소 구분 구성요소 설명 계층 요소 CNN – Feature Map, Pooling, Sampling