정보관리기술사의 노트

정보관리기술사 인공지능 예상 문제 TOP 10 — 2026년 출제 대비 (Agentic AI·GraphRAG·AI 기본법)

정보관리기술사 인공지능 예상 문제 TOP 10 — 2026년 출제 대비 (Agentic AI·GraphRAG·AI 기본법)최근 정보관리기술사 출제 경향은 개념을 넘어 실무적 도구 사용(Agentic AI), 기업 지식과의 결합(RAG), 법적 규제·윤리(AI 기본법)에 집중되고 있습니다. 2026년 시험 대비, 출제 가능성이 높은 인공지능 핵심 예상 문제 10선을 정리했습니다.1. 에이전틱 AI(Agentic AI)와 자율형 에이전트문제: LLM이 스스로 목표를 설정하고 도구를 선택해 과업을 수행하는 '에이전틱 AI'의 핵심 아키텍처와 주요 구성 요소를 설명하시오.핵심 키워드: PATMR (Plan, Act, Tool, Memory, Reflection), MCP (Model Context Protoco..

뉴로-심볼릭 AI 완벽 정리 — 신뢰 가능한 AI의 다음 단계 (GraphRAG·Agentic AI·OAG)딥러닝의 환각·블랙박스·인과 추론 부재라는 한계를 넘기 위해, 신경망의 직관(System 1)과 기호주의의 논리(System 2)를 결합하는 뉴로-심볼릭 AI가 주목받고 있습니다. 기술사 시험과 AI 거버넌스 관점에서 핵심 개념, GraphRAG, Agentic AI, 미래 확장 축까지 정리했습니다.1. 왜 지금 뉴로-심볼릭 AI인가생성형 AI는 놀라운 언어 능력을 보여주지만, 본질적으로 다음 단어를 확률적으로 예측하는 '확률적 앵무새(Stochastic Parrot)'에 가깝습니다. 그래서 진실·논리·물리적 인과성을 온전히 다루지 못하고, 환각(Hallucination)과 블랙박스 문제가 발생합니..

XGBoost·ViT·에이전틱 AI·MCP 정리 — 기술사 시험 대비 (AI 기본법·RAG·Vector DB·XAI)최신 알고리즘(XGBoost·ViT)부터 신뢰성(XAI·성능평가), 최근 가장 각광받는 에이전틱 AI와 MCP까지 인공지능의 전 영역을 포괄했습니다. 기술사 답안의 차별화 포인트를 살려 체계적으로 정리했습니다.1. 최신 알고리즘 및 아키텍처 (Advanced Algorithms)성능 극대화를 위한 부스팅 기법과 비전 영역의 혁신 기술입니다.XGBoost: 성능과 속도의 조화핵심: 경사하강법 기반 부스팅 구조에 병렬 학습과 과적합 규제를 더한 알고리즘프로세스 (병가유이): 병렬 트리 구성 → 가중치 조정(Gain 탐색) → 유사도 점수 계산 → 이득(Gain) 계산 및 모델 확정ViT (Vi..

AI 모델 경량화·성능평가·XAI 정리 — 기술사 시험 대비 (혼동행렬·ROC/AUC·LIME/SHAP)딥러닝 모델의 실용성(경량화), 검증(평가 지표), 신뢰성(XAI)을 아우르는 핵심 토픽입니다. 기술사 시험에서 성능 최적화와 품질 보증은 가장 중요한 논술 주제이므로, 체계적으로 정리하고 기술사적 제언을 더했습니다.1. 모델 최적화 및 일반화 (Lightening & Overfitting)모델을 가볍게 만들면서도 훈련 데이터에 매몰되지 않도록 하는 전략입니다.딥러닝 모델 경량화정확도 손실을 최소화하면서 자원 제약 환경(On-Device AI)에 적용하기 위한 기술입니다.알고리즘 경량화 (지압가탐): 지식 증류(Distillation), 모델 압축(Pruning·Quantization), 가속화(NPU..

인공지능·머신러닝 핵심 정리 — 기술사 시험 대비 (지도/비지도/강화학습·딥러닝·XAI)인공지능과 머신러닝의 기본 개념부터 딥러닝의 고도화된 메커니즘까지, 기술사 학습에 최적화된 구조로 정리했습니다. 모델링 절차와 원칙, 학습 유형별 알고리즘, 신경망 심화, 그리고 XAI·MLOps 같은 최신 관점까지 연결했습니다.1. 인공지능 및 머신러닝 개요인공지능은 인간의 지능적 판단과 학습 능력을 컴퓨터 시스템으로 모사하는 광범위한 분야이며, 머신러닝은 그 구현을 위한 데이터 기반의 통계적 접근 방식입니다.기계학습 모델링 절차 및 원칙모델링 절차 (수탐전모평배): 데이터 수집 → 탐색(EDA) → 전처리 → 모델링 → 평가 → 배포의 생명주기핵심 원칙균등(Uniformity): 복잡성을 최소화하여 일반화 성능 확..