Counterfactual Examples 요 Counterfactual Examples반사실적 예시는 인공지(AI), 특히 머신러닝 모델의 해석 가능성(interpretability)과 공정성(fairness), 로버스트성(robustness을 평가하는 데 중요한 개념이다. 이는 "만약 입력 데이터가 약간 달랐다면 모델의 예측 결과는 어떻게 바뀌었을까?"…
검색 결과
"AM"에 대한 검색 결과 (총 2250개)
Skip-gram 개요 -gram은 자연어 처리(Natural Language Processing, NLP) 분야에서 널리 사용되는 단어 임베딩(Word Embedding) 기법 중 하나로, 워드투벡(Word2Vec) 모델의 두 가지 아키텍처 중 하나이다. 다른 하나는 CBOW(Continuous Bag of Words)이며, Skip-gram은 주어진 단…
YAML 개요 YAML(YAML Ain't Markup Language)은 인간이 읽기 쉬운 데이터 직렬화 형식입니다. 주로 구성 파일(config files) 및 다중 언어 간 데이터 교환에 사용되며, XML이나 JSON과 비교해 간결하고 직관적인 문법을 특징으로 합니다. 2001년에 처음 제안된 이후 Docker, Kubernetes, CI/CD 도구 …
커널 통합 (Kernel Integration) 1. 개요 커널 통합(Kernel Integration)이란 운영체제(OS)의 핵심인 커널이 하드웨어 추상화, 메모리 관리, 프로세스 스케줄링 등의 핵심 기능을 수행하기 위해 다양한 서브시스템, 장치 드라이버, 그리고 외부 모듈을 하나의 실행 가능한 논리적 단위로 결합하는 기술적 과정을 의미한다. 커널은 사용…
Tableau (태블로) 1. 개요 Tableau(태블로)는 데이터 시각화 및 비즈니스 인텔리전스(BI, Business Intelligence) 솔루션으로, 복잡한 데이터를 직관적인 그래프와 대시보드로 변환하여 데이터 기반의 의사결정을 돕는 분석 도구이다. Tableau는 코딩 기술이 없는 일반 사용자도 드래그 앤 드롭(Drag-and-Drop) 방식으로…
고정점 (Fixed Point) 개요 고정점(Fixed Point)이란 어떤 함수 에 대하여 를 만족하는 원소 를 의미한다. 즉, 함수에 의해 변환된 후에도 값이 변하지 않고 그대로 유지되는 점을 말한다. 기하학적 관점에서 고정점은 함수 의 그래프와 직선 가 만나는 교점의 좌표와 일치한다. (그림: 와 의 교점이 고정점이 되는 원리) 이는 입력값과 출력값이…
모델 제약 (Model Constraints) 1. 개요 모델 제약(Model Constraints)이란 머신러닝 및 딥러닝 모델의 학습 과정이나 추론 단계에서 모델의 파라미터, 구조, 또는 출력값이 특정 범위나 조건을 만족하도록 강제하는 제한 사항을 의미한다. 인공지능 모델에서 제약 조건이 필요한 주요 이유는 다음과 같다. 과적합(Overfitting) …
데이터 무결성 검증 (Data Integrity Verification) 1. 개요 데이터 무결성 검증이란 데이터의 생명주기(Life Cycle) 전 과정에서 데이터가 전송, 저장, 처리되는 동안 권한 없는 변경이 일어나지 않고, 원래의 정확성, 일관성, 유효성을 유지하고 있는지를 확인하는 프로세스이다. 현대 데이터 과학과 분석 환경에서 데이터 무결성은 분…
CACC (Cooperative Adaptive Cruise Control) 개요 CACC(Cooperative Adaptive Cruise Control, 협력형 적응 크루즈 컨트롤)는 기존 ACC(Adaptive Cruise Control)의 물리적 센서 한계를 보완하기 위해 차량 간·인프라 간 통신(V2X) 기술을 접목한 지능형 교통 시스템(ITS) …
습식 제련 (Hydrometallurgy) 1. 개요 습식 제련(Hydrometallurgy)이란 수용액(Aqueous solution)을 매개체로 하여 광석이나 폐기물로부터 유용한 금속을 선택적으로 용해시키고, 이를 다시 분리 및 정제하여 고순도의 금속을 회수하는 화학적 공정 기술이다. 전통적인 건식 제련(Pyrometallurgy)이 고온의 용융 상태에…
베이지안 추론 (Bayesian Inference) 베이지안 추론은 확률을 '사건이 발생할 빈도'가 아니라 '가설에 대한 믿음의 정도(Degree of Belief)'로 정의하고, 새로운 데이터가 관찰됨에 따라 기존의 믿음을 지속적으로 업데이트하는 통계적 추론 방법론이다. 1. 개요 베이지안 추론의 핵심은 관찰된 데이터를 바탕으로 모델의 파라미터 에 대한 …
투명성 요 소프트웨어 개 분야에서 투명(Transparency)은 애자일gile) 원의 핵심 요소 하나로, 팀 내외부의 모든 이해관계자들이 프로젝트의 진행 상황,결정 과정, 문제점 및 성과를 명확하게 파악할 수 있도록 정보를 공개하고 공유하는 원칙을 의미합니다. 애자일 개발 방법론은 변화에 유연하게 대응하고 지속적인 개선을 추구하기 때문에, 투명성은 신뢰 …
차분 차수 (Differencing Order) 1. 개요 차분 차수(Differencing Order)란 시계열 데이터의 비정상성(Non-stationarity)을 제거하여 [[정상성]](Stationarity)을 확보하기 위해, 인접한 시점의 데이터 값들의 차이를 구하는 연산을 반복 수행한 횟수를 의미한다. 시계열 분석에서 정상성이란 시간의 흐름에 따라…
도하 수정안 (Doha Amendment) 1. 개요 도하 수정안(Doha Amendment)는 2011년 카타르 도하에서 개최된 제17차 유엔기후변화협약 당사국총회(COP17)에서 채택된 교토 의정서의 수정안으로, 2013년부터 2020년까지의 제2차 온실가스 감축 공약 기간을 설정하고 그 세부 이행 사항을 규정한 국제 협약이다. 교토 의정서의 제1차 공…
메시지 큐 (Message Queue) 1. 개요 메시지 큐(Message Queue)는 분산 시스템 및 프로세스 간 통신(IPC)을 위해 메시지를 임시로 저장하는 큐(Queue) 형태의 저장소로, 송신자와 수신자가 직접 연결되지 않고 메시지 브로커를 통해 데이터를 주고받는 [[비동기 통신]](Asynchronous Communication) 메커니즘이다.…
머신러닝 추론 가속기 (ML Inference Accelerator) 1. 개요 머신러닝 추론 가속기란 학습이 완료된 머신러닝 모델을 사용하여 입력 데이터에 대한 예측 결과(추론)를 도출하는 과정을 최적화하고 속도를 높이기 위해 설계된 전용 하드웨어 및 소프트웨어 시스템을 의미한다. 머신러닝의 생명주기는 크게 학습(Training)과 추론(Inference…
Swish 활성화 함수 1. 개요 Swish는 Google Brain 팀이 제안한 자기 게이팅(Self-Gating) 메커니즘 기반의 비선형 활성화 함수로, 깊은 신경망에서 ReLU(Rectified Linear Unit)보다 더 나은 성능을 보이기 위해 설계되었습니다. Swish 함수는 입력값 에 시그모이드(Sigmoid) 함수를 곱한 형태로 정의되며, …
IQR (사분위수 범위, Interquartile Range) 1. 개요 IQR(Interquartile Range, 사분위수 범위)은 데이터의 중앙값(Median)을 중심으로 상위 25%와 하위 25%를 제외한 중간 50% 데이터의 범위를 나타내는 통계적 산포도 지표이다. 이는 데이터의 전반적인 퍼짐 정도를 측정하며, 특히 극단적인 값(Outlier)의 …
LLM (거대 언어 모델) 1. 개요 LLM(Large Language Model, 거대 언어 모델)은 방대한 양의 텍스트 데이터를 학습하여 인간과 유사한 자연어를 이해하고 생성할 수 있도록 설계된 인공신경망 기반의 딥러닝 모델이다. 여기서 '거대(Large)'함은 크게 두 가지 측면을 의미한다. 첫째는 파라미터(Parameter, 매개변수)의 수로, 모델…
인터페이스 개요 인터페이스(Interface)는 소프트웨어 공학 및 객체지향 프로그래밍(O, Object-Oriented Programming에서 핵심적인 개념 중 하나로, 시템 구성 요소 간의 상호작용을의하는 구조 틀을 의미합니다.터페이스는 구 세부 사항을 숨기고, 어떤 기능이 제공되어야 하는지를 명시함으로써 추상화(Abstraction)와 결합도 감소(…