대규모 언어 모델 (LLM, Large Language Model)

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

유사도 측정법 (Similarity Measure)

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)

전자봉투 (Digital Envelope)

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 –

벡터 데이터베이스 (Vector Database)

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

DPU (Data Processing Unit)

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

랭체인 (LangChain)

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

소프트웨어 테스트 (Software Test)

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,

ITIL v4 (IT Infrastructure Library v4)

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

그래프QL (GraphQL)

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

검색 증강 생성 (RAG, Retrieval Augmented Generation)

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