정보관리기술사의 노트

정보관리기술사 AI 토픽 마스터 두음 정리 — 143개 핵심 키워드 인출용 총정리그동안 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)그룹토픽두음핵심 키워드학습 원칙모델링 절차수탐전모평배수집, 탐색(EDA), 전처리, 모델링, 평가, 배포학습 원칙기계학습 원리균오양균등(가정최소화), 오캄의 면도날, 양보(Trade-off)학습 원칙학습 패러다임지비준강지도, 비지도, 준지도, 강화학습모델 최적화하이퍼파라미터 튜닝매그랜베매뉴얼, 그리..

AI 품질검증·LLM 효율화·소버린 AI 정리 — 기술사 시험 대비 (메타모픽 테스트·LoRA·MoE·다중공선성)인공지능의 품질 보증(Testing & Evaluation)부터 거대모델의 효율적 운영(PEFT·MoE·LLMOps), 데이터 통계적 안정성(다중공선성)까지 아우르는 기술사 핵심 토픽입니다. 논리적 흐름에 따라 정리하고 기술사적 제언을 더했습니다.1. 인공지능 품질 및 성능 검증 (Testing & Evaluation)AI 모델은 전통적 SW와 달리 확률적 결과가 도출되므로 특화된 테스트와 평가 지표가 필요합니다.AI 소프트웨어 테스트 기법 (메뉴안적스)메타모픽(Metamorphic): 입력 변화에 따른 결과의 일관성 검증 (예: 이미지 회전 후에도 동일 분류)뉴런 커버리지(Neuron Cov..

트랜스포머·초거대 AI·sLLM 정리 — 기술사 시험 대비 (Self-Attention·RLHF·RAG·멀티모달)현대 인공지능의 정점인 트랜스포머 아키텍처부터 이를 응용한 초거대 AI, 실무적 대안인 sLLM과 생성형 AI 보안 대책까지 망라했습니다. 기술사 시험 고득점을 위해 핵심 메커니즘을 구조화하고 전문적 제언을 더했습니다.1. 인공지능의 심장: 트랜스포머와 어텐션RNN의 순차적 처리 한계를 극복하고 병렬 연산을 가능케 하여 초거대 모델의 시대를 연 핵심 기술입니다.트랜스포머(Transformer) 구조핵심 기제: 셀프 어텐션(Self-Attention)으로 문장 내 단어 간 관계를 수치화인코더-디코더 (포인피-마인피-리소)인코더: 포지셔널 인코딩 → 멀티헤드 셀프 어텐션 → 피드 포워드 신경망디코..

전이학습·MLOps·LLM 정리 — 기술사 시험 대비 (Few-shot·AutoML·AIOps·BERT/GPT)현대 인공지능의 실무 적용을 위한 학습 패러다임(전이학습), 운영 체계(MLOps/AIOps), 언어 모델(NLP/BERT/GPT)을 망라하는 핵심 토픽입니다. 기술사 시험에서 실무 역량을 강조할 수 있도록 핵심 메커니즘을 정리하고 전문적 제언을 더했습니다.1. 효율적 학습 및 최적화 전략 (Learning Paradigm)데이터 부족 문제를 해결하고 학습 효율을 극대화하는 최신 학습 기법입니다.전이학습(Transfer Learning) 및 파인튜닝기존의 거대 데이터로 학습된 지식(Pre-trained Model)을 새로운 과제에 재활용합니다.구성: 상위 계층은 가중치를 고정(Freeze)하고,..