도리의 디지털라이프

1. 대규모 언어 모델 (LLM, Large Language Model) 개요 (1) 대규모 언어 모델의 등장 배경 (2) 대규모 언어 모델의 개념 및 특징 개념 특징 인간의 언어 이해와 생성을 위해 대량의 언어 데이터 학습, 파인튜닝하여 생성된 인공신경망 기반 생성형AI 언어 모델 – LLM은 대량의 언어 데이터로 훈련하여 맥락 파악 후 적절한 응답을 생성 – 한 단어가

1. 유사도(Similarity)의 개념 및 유사도 측정의 필요성 유사도 (Similarity) 유사도 측정의 필요성 벡터 공간 내 노드(데이터 포인트) 사이의 관계를 거리, 각도 등을 통해 수치화하여 정량적으로 표현한 유사성 척도 – 데이터 간 유사도 측정 기준 제공 – AI 데이터 라벨링, 모델 학습 및 진단 – AI 데이터세트의 오류, 편향 탐지 벡터 공간 내 노드의 크기(강도, 길이)

1. 전자봉투 (Digital Envelope)의 개요 (1) 전자봉투와 전자서명의 개념 및 전자봉투 기반 전자서명 특징 개념 전자봉투 – 전송할 내용을 암호화하기 위해 사용한 비밀키를 수신자만 볼 수 있도록 수신자 공개키로 암호화하여 기밀성을 보장하는 기법 전자서명 – 작성자 신원과 전자문서 변경여부를 확인할 수 있도록 공개키 암호화 방식과 해시함수를 이용한 전자문서에 대한 작성자 고유정보 특징 기밀성 보장 –

1. 벡터 데이터베이스 (Vector Database)의 개념, 필요성 개념 필요성 대량의 고차원 데이터 저장 및 조회 위해 컨텐츠 벡터 임베딩 및 쿼리 벡터 유사도 비교 기반 신속하게 인덱싱하는 데이터베이스 – 고차원 데이터 저장 및 조회 수요 증가 – 데이터 내용 유사성에 따른 맥락 이해 – AI 서비스의 신속한 연산 처리 요구 – 대규모 언어 모델에 장기

1. DPU(Data Processing Unit)의 개념 및 특징 개념 CPU의 인프라 기능 분산을 위해 네트워크 인터페이스 하드웨어에서 암호화, 웹서비스, 스토리지 제어 등 데이터 처리 가능한 컴퓨팅 프로세서 특징 SoC와 결합 프로그래밍 가능한 멀티코어 CPU로 SoC 구성요소와 결합 고속 데이터 처리 데이터를 파싱 및 처리하고, 데이터를 CPU/GPU로 효율적으로 전송 가속화 엔진 기능 머신러닝, 보안, 통신, 스토리지 등을

1. LLM 서비스 개발 프레임워크, 랭체인 (LangChain)의 개념 및 필요성 개념 필요성 효율적인 LLM 기반 서비스 개발을 위해 다양한 언어 모델과 에이전트, 콜백 등 기능 연결 및 통합을 간소화하도록 설계된 언어 모델 기반 애플리케이션 개발 프레임워크 – 모듈식 구성으로 Application 구현 간소화 – 모듈을 체인으로 연결하여 기능 확장성 확보 – API 기반 LLM 교체/업데이트 반영

1. 요구사항/표준 준수 검증, 소프트웨어 테스트의 개요 (1) 소프트웨어 테스트 (Software Test)의 개념 및 목적 개념 목적 시스템의 요구사항 만족 여부 및 표준 준수 여부를 검증하기 위해 수행하는 결함 검출, 품질 평가, 프로세스 개선 과정 – 결함의 검출과 제품 품질 개선 – 품질 평가와 의사 결정 지원 – 개발 프로세스 개선 지원 (2) 오류, 결함,

1. 가치 기반 ITSM 구축/관리, ITIL v4의 개요 (1) ITIL v4 (IT Infrastructure Library v4)의 개념 및 특징 개념 특징 체계적 ITSM 구축/관리 위해 가치 기반 체계와 4차원 모델을 적용하여 Best Practice 기반 IT 서비스 제공 참조 모델 – ITIL v3에 DevOps, Agile 지원 추가 – 가치 기반 체계 및 4차원 모델 적용 (2) ITIL

1. 그래프QL (GraphQL)의 개념 및 특징 개념 특징 데이터 접근성 보장을 위해 서버에서 정확히 지정된 구조로 데이터를 반환하도록 필요 데이터 구조를 지정하는 데이터 질의어 – 오버페칭과 언더페칭 해결 – 하나의 엔드포인트에 여러 API 요청 – 오브젝트의 필요한 필드만 요청 – 클라이언트 로직 간결화 그래프QL은 그래프(Graph)가 현실 세계의 데이터를 표현하는 적합한 방법이라는 사실에 착안하여 메타(구 페이스북)에서

1. AI 환각 해소, 검색 증강 생성 (RAG, Retrieval Augmented Generation)의 개념 및 필요성 개념 생성형 AI 모델의 정확성과 신뢰성 향상을 위해 응답 생성 전 외부의 신뢰할 수 있는 지식 베이스를 참조하는 대규모 언어 모델(LLM) 최적화 기술 필요성 검색 증강 생성은 사실에 근거한 최신 정보를 통해 AI 환각 현상 등 거대 언어 모델의 문제점을 해소하고