정보관리기술사 AI 토픽 마스터 두음 정리 — 143개 핵심 키워드 인출용 총정리
그동안 정리한 방대한 인공지능 토픽을 기술사 시험 대비용으로 체계화한 마스터 두음표입니다. 각 토픽의 핵심을 관통하는 두음(Mnemonic)과 키워드를 그룹별로 묶었습니다. 시험 직전 마지막 회독(Final Review)의 키워드 인출용으로 활용하세요.
1. 인공지능 및 기계학습 기초 (Fundamentals & Principles)
| 그룹 |
토픽 |
두음 |
핵심 키워드 |
| 학습 원칙 |
모델링 절차 |
수탐전모평배 |
수집, 탐색(EDA), 전처리, 모델링, 평가, 배포 |
| 학습 원칙 |
기계학습 원리 |
균오양 |
균등(가정최소화), 오캄의 면도날, 양보(Trade-off) |
| 학습 원칙 |
학습 패러다임 |
지비준강 |
지도, 비지도, 준지도, 강화학습 |
| 모델 최적화 |
하이퍼파라미터 튜닝 |
매그랜베 |
매뉴얼, 그리드, 랜덤, 베이지안 서치 |
| 모델 최적화 |
하이퍼파라미터 종류 |
아정최과 |
아키텍처, 정규화, 최적화, 과적합 방지 |
| 모델 최적화 |
옵티마이저 분류 |
배관학복 |
배치, 관성(Momentum), 학습율, 복합(Adam) |
| 모델 최적화 |
옵티마이저 유형 |
GS-모낙-아알-담 |
GD/SGD, 모멘텀/낙(NAG), 아다그라드/알(RMSProp), 아담 |
| 모델 최적화 |
경사하강법 유형 |
확배미 |
확률적(SGD), 배치(BGD), 미니배치(MSGD) |
2. 알고리즘 및 학습 패러다임 (Algorithms & Paradigm)
| 그룹 |
토픽 |
두음 |
핵심 키워드 |
| 지도 학습 |
지도학습 알고리즘 |
신다은의 CS |
신경망, 다층신경망, 은닉마르코프, 의사결정트리, CNN, SVM |
| 지도 학습 |
KNN 특징 |
다거래유 |
다수결, 거리기반, 레이지(Lazy), 유연성 |
| 지도 학습 |
SVM 구성 |
MODS-K |
Margin, Optimal hyperplane, Decision boundary, Support vector, Kernel |
| 비지도 학습 |
비지도학습 알고리즘 |
K계군SPI |
K-means, 계층군집, 군집화, SOM, PCA, ICA |
| 비지도 학습 |
클러스터링 평가 |
엘실덴 |
엘보우 기법, 실루엣 계수, 덴드로그램 |
| 비지도 학습 |
DBSCAN 구성 |
에코보컨노 |
Epsilon, Core, Border, Connected, Noise |
| 비지도 학습 |
차원축소(PCA) |
전공고투 |
전처리, 공분산 행렬, 고유값/벡터, 데이터 투영 |
| 심화 학습 |
강화학습 요소 |
ASR AE |
Agent, State, Reward, Action, Environment |
| 심화 학습 |
Q-Learning 구성 |
정벨큐 |
정책, 벨만방정식, Q-함수 |
| 심화 학습 |
전이학습 유형 |
과도귀변자 |
과업전이, 도메인전이, 귀납, 변형, 자율학습 |
| 심화 학습 |
자기지도 학습 |
초문대 |
초기영상재건, 문맥이용, 대조학습 |
3. 신경망 및 딥러닝 아키텍처 (Deep Learning Architecture)
| 그룹 |
토픽 |
두음 |
핵심 키워드 |
| 신경망 기초 |
신경망 구성 |
입은출전가 |
입력층, 은닉층, 출력층, 전달함수, 가중치 |
| 신경망 기초 |
활성화 함수 |
항계시랠리탄 |
항등, 계단, 시그모이드, ReLU, Leaky ReLU, Tanh |
| 신경망 기초 |
역전파 과정 |
순역수 |
순전파, 역전파, 가중치 수정 |
| 비전/시계열 |
CNN 계층 |
컨플풀 |
컨볼루션, 플래튼(FC), 풀링 |
| 비전/시계열 |
YOLO 절차 |
S바클객 |
SxS 그리드, 바운딩 박스, 클래스 확률, 객체 인식 |
| 비전/시계열 |
RNN 한계 |
장기소 |
장기의존성 문제, 기울기 소실 |
| 비전/시계열 |
LSTM 구성 |
셀포인아 |
Cell state, Forget, Input, Output gate |
| 최신 아키텍처 |
트랜스포머 구조 |
포인피-마인피-리소 |
포지셔널, 인코더(어텐션/피드포워드), 디코더(마스크드/인코더-디코더/피드포워드), 리니어, 소프트맥스 |
| 최신 아키텍처 |
어텐션 요소 |
QKV |
Query, Key, Value |
| 최신 아키텍처 |
ViT 절차 |
패M-M-C |
Patch Embedding, MSA, MLP, Classification |
| 최신 아키텍처 |
MoE 핵심 요소 |
전게스 로토 |
전문가집단, 게이팅NW, 스파스활성화, 로드밸런싱, 토큰라우팅 |
4. 생성형 AI 및 대규모 언어모델 (Generative AI & LLM)
| 그룹 |
토픽 |
두음 |
핵심 키워드 |
| 생성 모델 |
GAN 구성 |
노생판 |
노이즈, 생성자(Generator), 판별자(Discriminator) |
| 생성 모델 |
DCGAN(G) |
제레타배 |
Generator: ReLU, Tanh, Batch Normalization |
| 생성 모델 |
VAE 구성 |
인라평표디 |
인코더, Latent Space, 평균, 표준편차, 디코더 |
| LLM 전략 |
ChatGPT 절차 |
교리사 |
교사학습(SFT), 리워드 모델학습(RM), 사후 강화학습(RLHF) |
| 미세 조정 |
PEFT 유형 |
L-A-P-S |
LoRA, Adapter, Prefix Tuning, Scaled PA |
| 미세 조정 |
LoRA 특징 |
저동R |
저랭크 분해, 동결(Frozen), Rank 설정 |
| 지식 확장 |
RAG 프로세스 |
임청인 |
임베딩, 청킹, 인덱싱 |
| 지식 확장 |
Vector DB 검색 |
L-H-I |
LSH(인접), HNSW(그래프), IVF(군집) |
| 지식 확장 |
Agentic AI 요소 |
PATMR |
Plan, Act, Tool, Memory, Reflection |
5. AI 운영 및 엔지니어링 (Operations & Engineering)
| 그룹 |
토픽 |
두음 |
핵심 키워드 |
| 운영 체계 |
MLOps 파이프라인 |
수준모평 |
데이터 수집, 데이터 준비, 모델링, 평가/배포 |
| 운영 체계 |
AutoML 프로세스 |
피하신 |
피처 엔지니어링, 하이퍼파라미터 최적화, 신경망 구조탐색(NAS) |
| 운영 체계 |
ModelOps |
DGDAL |
Discovery, Governance, Deployment, Automation, Lifecycle |
| 운영 체계 |
AIOps 프로세스 |
수분제가 |
수집, 분석, 제어, 가시화 |
| 경량화/최적화 |
알고리즘 경량화 |
지압가탐 |
지식증류, 모델압축, HW가속, 자동탐색 |
| 경량화/최적화 |
모델 구조 경량화 |
구합탐 |
구조변경, 합성곱 효율화, 경량모델 탐색 |
| 경량화/최적화 |
지식 증류 구성 |
TSDS |
Teacher, Student, Distillation loss, Student loss |
6. 품질, 보안 및 거버넌스 (Quality, Security & Trust)
| 그룹 |
토픽 |
두음 |
핵심 키워드 |
| 성능 평가 |
혼동 행렬 지표 |
PA-RSA |
Precision, Accuracy, Recall, Specificity, AUC |
| 성능 평가 |
LLM 생성 평가 |
B-R-M |
BLEU(번역), ROUGE(요약), METEOR(생성) |
| 성능 평가 |
교차 검증 |
홀K랜 |
홀드아웃, K-fold, 랜덤 서브샘플링 |
| 보안/위협 |
적대적 공격 |
오회전추(EPIM) |
오염(Poisoning), 회피(Evasion), 전도(Inversion), 추출(Extraction) |
| 보안/위협 |
신뢰성 4요소 |
해근공안 |
해석가능(XAI), 근거성(RAG), 공정성, 안정성 |
| 보안/위협 |
AI 테스트 기법 |
메뉴안적스 |
메타모픽, 뉴런 커버리지, 안전반경, 적대적 공격, 스트레스 |
| 거버넌스 |
AI 기본법 |
투안책영국과 |
투명성, 안전성, 책무, 영향평가, 국내대리인, 과태료 |
| 거버넌스 |
AI 윤리 원칙 |
인사기 |
인간 존엄성, 사회 공공선, 기술 합목적성 |
| 거버넌스 |
AI-BOM 요소 |
공컴버식의타어 |
공급자, 컴포넌트, 버전, 식별자, 의존성, 타임스탬프, 저작자 |
| 거버넌스 |
소버린 AI 요소 |
데모인정규산 |
데이터, 모델, 인프라, 정책, 규범, 산업생태계 |
7. 최신 트렌드 및 하드웨어 (Trends & Hardware)
| 그룹 |
토픽 |
두음 |
핵심 키워드 |
| 최신 트렌드 |
피지컬 AI 요소 |
지언행 |
지각(Perception), 언어/인지(Cognition), 행동(Action) |
| 최신 트렌드 |
이미지 어노테이션 |
폴폴 바포큐시 |
폴리곤, 폴리라인, 바운딩박스, 포인트, 큐보이드, 시멘틱세그멘테이션 |
| 최신 트렌드 |
멀티모달 학습 |
표변정 |
표현성(REP), 변환성(TRA), 정렬성(ALL) |
| 인프라/HW |
AI 가속기 칩 |
시엠에이치 |
시스톨릭어레이, MMU, ASIC, HBM |
| 인프라/HW |
차세대 반도체 |
PIM/SNN |
Processor In Memory, Spiking Neural Network |
| 인프라/HW |
온디바이스 AI |
경N-A |
경량화, NPU, AIoT |
마무리 제언 — 두음을 점수로 바꾸는 법
- 두음의 연결: 글자만 외우지 말고, '수탐전모평배'를 외우며 각 단계에서 어떤 기술(예: 전처리 단계의 PCA)이 쓰이는지 연결해 보세요.
- 3단락 차별화: 답안 3단락(기술사적 제언)에서 할루시네이션 해결을 위한 RAG 도입, 모델 신뢰성을 위한 AI-BOM 도입 같은 최신 트렌드 키워드를 녹이면 고득점이 가능합니다.
- 구조도 연습: Transformer, LSTM, GAN, RAG는 직접 구조도를 그려보는 연습이 반드시 병행되어야 합니다.
정보관리기술사 AI 도메인 전체를 한 장에 모은 마스터 두음표입니다. 각 토픽의 상세 정리는 개별 글로 다루었으니, 함께 참고하세요.
📚 함께 보기 — 영역별 상세 정리
AI 기초 → 심화 (학습 순서)
최신 트렌드·신뢰 AI
예상 문제로 마무리