I. 협대역 사물인터넷 LTE기반 LPWAN 기술, NB-IoT 가. NB-IoT의 개념 이동통신망 이용 사물인터넷 통신을 위한 LPWA 기반 셀룰러 협대역 무선 전송 기술 나. NB-IoT의 특징 저전력/원격 조작 – 저전력 소모 LTE 기반 원거리 조작 LPWAN/IoT – SigFox/LoRa와 대등 수준 LPWA 기술 통신사 주도 – 셀룰러 네트워크 기반으로 통신사 주도 II. NB-IoT 요구사항 및 운용
I. 연속 단어의 응답 생성, seq2seq 문장에 대한 응답을 생성하기 위해 여러 개의 Neural Network Cell을 조합하여 구성한 자연어처리모델 II. seq2seq의 구성도 및 구성요소 가. seq2seq의 구성도 – Encoder 부분에서 입력 응답을 받아 하나의 hidden code 값으로 표현, Decoder에서는 hidden code와 start tag기반 적합한 결과 단어 추출 나. seq2seq 구현을 위한 구성요소 구성요소 처리
I. SW 분할발주의 문제점 – 공공SW 발주체계 개선위해 분할발주를 시행하였으나, 책임소재, 행정처리 등 다양한 문제 도출 II. SW 분할발주의 유형 가. SW 분할발주 개념도 – 분할발주를 광의로 해석 시 기능, 부품 분할도 포함 나. SW 분할발주 유형 세부 설명 구분 세부특징 설명 공정 분할 – 설계우선 – 설계분할 – 2회 걸친 발주로 사업자 선정
I. 지식재산권의 개념 가. 지식재산권의 개념 법령 등에 따라 인정되거나 보호되는 지식재산에 관한 권리로써 산업재산권, 저작권, 신지식권을 포괄하는 무형적 권리 나. 지식재산권의 필요성 구분 설명 시장에서 독점적 지위 확보 특허 등 지식재산권은 독점배타적 재산권으로 신용창출, 소비자신뢰도 향상, 로열티 수입가능 특허분쟁의 예방 및 권리보호 발명 기술을 출원하여 타인과 분쟁을 예방하고 권리 침해 시 적극 대응하여 법적
I. 탐험을 위한 액션 선택의 필요성 – 기계학습 에이전트는 강화학습을 위해 최대한 많은 경험과 최적의 정책 결정 위한 액션 선택 필요 II. 탐험을 위한 액션선택 방법의 개념과 선택 기준 방법 개념 액션기준 / 구성요소 그리디 접근법 – 현재 순간 최대 보상 기대하는 환경 보상 구조 기반 액션 선택 방법 – 현재시점 보상치 – 최대
I. Cache와 Main Memory 일관성 유지 기법, Cache Clean, Flush 가. Cache Clean, Flush 개념 Cache Clean Cache line의 data를 Memory에 update 하는 data 일관성 기법 Cache Flush Cache line의 data를 0으로 변경하여 초기화하는 Cache line 초기화 기법 – Cache write through 방식 사용 시 필요치 않으나, write back 방식 사용 시 Clean, Flush 필요 나. Cache의
I. 대용량 실시간 로그 처리, 카프카 가. 카프카의 개념 대용량 실시간 처리 위한 확장성과 고가용성을 가지는 publish-subscribe 구조의 오픈소스 분산 메시징 시스템 나. 카프카의 특징 비휘발성 메시지 – 디스크 구조로 설계, 별도의 설정하지 않아도 데이터 영속성 보장 TCP 기반 프로토콜 – TCP 기반의 프로토콜을 사용하여 프로토콜에 의한 오버헤드 감소 II. 카프카의 아키텍처 및 구성 요소 가.
I. CVE와 CWE 개념 CVE (Common Vulnerabilities and Exposure) CWE (Common Weakness Enumeration) 발견된 보안 취약점을 분석하여 체계적으로 정리한 보안 취약점 고유 번호 CVE를 관리하는 MITRE 프로젝트로 주요 취약점, 보안 문제 정리 프로젝트 – CVE 표기방식: CVE + 취약점 발견 년도 + 취약점 고유번호 II. CVE와 CWE 세부 비교 항목 CVE CWE 목적 – 취약점
I. 저전력 장거리 IoT 기술, LPWAN 가. LPWAN의 개념 센서와 같은 소규모 장치의 저속 통신 위한 IoT 기반 저전력 장거리 통신 기술 나. LPWAN의 주요 특징 저전력 – 충전이 어려운 사물 인터넷 환경 위한 저전력 장거리 – 기존 통신 기술의 거리 제한 문제 극복 낮은 비용 – 저가 통신칩, 저가 단말의 대규모 접속 지원 넓은
I. word embedding 성능 향상, Word2Vec 가. Word2Vec의 개념 단어를 벡터 평면에 배치하여 컴퓨터가 인식할 수 있도록 문맥적 의미를 보존하는 워드임베딩 기법 – 출력 스코어에 Softmax 적용하여 정답과 비교해 역전파 수행 II. Word2Vec 신경망 연산 기법 및 학습 모델 가. Word2Vec의 신경망 연산 기법 – 은닉 벡터(h) = 입력(x) x 입력 가중치 행렬(W) –