AIDE 2급 대비 예상 문제 (8차)

AIDE 2급 대비 예상 문제 (8차)

1. 다음 중 빅데이터 활용에 있어 어려운 점(과제)으로 볼 수 없는 것은?

데이터 저장 공간 부족 비정형 데이터 분석의 어려움 데이터 품질 확보의 어려움 빅데이터 분석 전문가의 과잉 공급

힌트: 빅데이터 기술과 전문가 인력 시장의 현실을 생각해보세요.

2. 인공지능 윤리 중, AI 시스템이 특정 집단이나 개인에게 불리하게 작용하지 않고 공정하게 작동해야 한다는 원칙은 무엇인가요?

개인정보 보호 투명성 공정성 책임성

힌트: AI가 차별 없이 모두에게 동등하게 적용되어야 한다는 점을 생각해보세요.

3. 머신러닝(Machine Learning)과 딥러닝(Deep Learning)의 주요 차이점 중 하나로, '특징 추출(Feature Engineering)'의 필요성 측면에서 가장 적절한 것은?

머신러닝은 특징 추출이 필요 없지만 딥러닝은 필수적이다. 딥러닝은 특징 추출이 필요 없거나 최소화되는 반면, 머신러닝은 수동 특징 추출이 중요하다. 머신러닝과 딥러닝 모두 특징 추출이 필요하지 않다. 머신러닝과 딥러닝 모두 특징 추출을 자동화한다.

힌트: 딥러닝이 '깊은' 계층을 통해 데이터를 스스로 학습하는 방식을 생각해보세요.

4. 딥러닝의 인공신경망에서 뉴런의 총합이 특정 값을 넘으면 출력 신호를 발생시키고, 그렇지 않으면 발생시키지 않도록 하는 비선형 함수는 무엇인가요?

손실 함수 (Loss Function) 최적화 함수 (Optimizer) 활성화 함수 (Activation Function) 비용 함수 (Cost Function)

힌트: 뉴런의 출력을 결정하고 신경망의 비선형성을 부여하는 역할을 하는 함수입니다.

5. 서로 대립하는 두 개의 신경망(생성자G와 판별자D)이 경쟁적으로 학습하면서 실제와 유사한 새로운 데이터를 생성하는 딥러닝 알고리즘은 무엇인가요?

CNN (Convolutional Neural Network) RNN (Recurrent Neural Network) GAN (Generative Adversarial Network) LSTM (Long Short-Term Memory)

힌트: '생성'과 '대립'이라는 키워드를 가진 네트워크를 찾아보세요.

6. 컴퓨터 비전에서 '객체 영역표시(Object Localization)'와 '객체 탐지(Object Detection)'의 주요 차이점은 무엇인가요?

객체 영역표시는 이미지 분류만 수행하고, 객체 탐지는 위치만 예측한다. 객체 영역표시는 이미지 내 하나의 객체를 탐지하지만, 객체 탐지는 여러 개의 객체를 동시에 탐지한다. 객체 영역표시는 픽셀 단위로 객체를 분할하고, 객체 탐지는 바운딩 박스만 사용한다. 두 기술 모두 동일하며 이름만 다르다.

힌트: 이미지에서 '찾아내야 할 객체의 수'에 차이가 있습니다.

7. 주어진 텍스트 입력(예: 키워드, 문장 일부)을 기반으로 문장이나 이야기를 자동으로 생성하는 자연어 처리 작업은 무엇인가요?

질의응답 (Question Answering) 텍스트 요약 (Text Summarization) 문장 생성 (Text Generation) 감정 분석 (Sentiment Analysis)

힌트: AI가 새로운 텍스트 콘텐츠를 만들어내는 작업을 찾아보세요.

8. 인공지능 모델 학습 시, 학습 중간에 모델의 성능을 평가하고 하이퍼파라미터 튜닝 등에 활용되는 데이터셋은 무엇인가요?

학습데이터셋 (Training Dataset) 검증데이터셋 (Validation Dataset) 시험데이터셋 (Test Dataset) 원시데이터 (Raw Data)

힌트: 모델 학습 중 성능을 확인하고 조절하는 데 사용되는 데이터를 떠올려보세요.

9. 인공지능 학습용 데이터 구축에서 '검수자'의 역할이 중요한 이유는 무엇인가요?

데이터 수집만 담당하기 때문에 AI 모델 학습에 사용될 데이터의 최종 품질을 결정하기 때문에 오직 라벨링 작업만을 수행하기 때문에 AI 모델을 직접 개발하기 때문에

힌트: 데이터 품질 관리의 최종 책임이 누구에게 있는지 생각해보세요.

10. 텍스트, 음성, 영상 등 특정 데이터에 담긴 화자/문자/행동의 감정(기쁨, 슬픔, 분노 등)을 분류하여 라벨을 부여하는 데이터 라벨링 유형은 무엇인가요?

키워드 찾기 (Keyword Extraction) 질문 답변 (Question Answering) 감정 태깅 (Emotion Tagging) 텍스트 요약 (Text Summarization)

힌트: 텍스트나 음성에서 '감성'을 추출하는 작업을 찾아보세요.

q1: 3, // 빅데이터 분석 전문가의 과잉 공급
q2: 2, // 공정성
q3: 1, // 딥러닝은 특징 추출이 필요 없거나 최소화되는 반면, 머신러닝은 수동 특징 추출이 중요하다.
q4: 2, // 활성화 함수 (Activation Function)
q5: 2, // GAN (Generative Adversarial Network)
q6: 1, // 객체 영역표시는 이미지 내 하나의 객체를 탐지하지만, 객체 탐지는 여러 개의 객체를 동시에 탐지한다.
q7: 2, // 문장 생성 (Text Generation)
q8: 1, // 검증데이터셋 (Validation Dataset)
q9: 1, // AI 모델 학습에 사용될 데이터의 최종 품질을 결정하기 때문에
q10: 2 // 감정 태깅 (Emotion Tagging)