AIDE 2급 대비 예상 문제(16차)

AIDE 2급 대비 예상 문제 (16차)

1. 빅데이터의 5V 특성 중, 데이터로부터 새로운 통찰을 얻고 비즈니스 가치를 창출하는 것에 가장 밀접한 관련이 있는 특성은 무엇인가요?

규모 (Volume) 속도 (Velocity) 다양성 (Variety) 가치 (Value)

2. 데이터를 분석하여 비즈니스 문제 해결에 기여하고, 의사결정을 지원하는 역할을 수행하는 전문가를 무엇이라고 하나요?

소프트웨어 개발자 네트워크 관리자 데이터 분석가 (Data Analyst/Scientist) 하드웨어 엔지니어

3. 인공지능의 지능 모방 방식 중, 인간 뇌의 신경망 구조를 모방하여 데이터를 학습하고 패턴을 인식하려는 방식은 무엇인가요?

기호주의 (Symbolism) 연결주의 (Connectionism) 전문가 시스템 (Expert System) 규칙 기반 시스템 (Rule-based System)

4. 비지도 학습(Unsupervised Learning)의 주요 목적 중 하나로, 고차원 데이터를 저차원으로 변환하여 데이터의 본질적인 구조를 유지하면서도 시각화나 분석을 용이하게 하는 것은 무엇인가요?

분류 (Classification) 회귀 (Regression) 차원 축소 (Dimensionality Reduction) 강화 학습 (Reinforcement Learning)

5. 합성곱 신경망(CNN)이 이미지 데이터 처리에서 특히 강력한 성능을 보이는 주된 이유는 무엇인가요?

순차적인 데이터의 시간적 종속성을 잘 처리하기 때문에 이미지의 지역적인 특징을 계층적으로 학습하고 패턴을 효과적으로 인식하기 때문에 텍스트 데이터의 문맥적 의미를 파악하는 데 특화되어 있기 때문에 데이터 양이 적어도 높은 정확도를 보이기 때문에

6. 컴퓨터 비전에서 이미지나 비디오 내의 각 픽셀에 의미 있는 레이블을 할당하여 특정 객체나 영역을 정교하게 식별하고 분리하는 작업은 무엇인가요?

이미지 분류 (Image Classification) 객체 탐지 (Object Detection) 이미지 세그멘테이션 (Image Segmentation) 객체 영역표시 (Object Localization)

7. 자연어 처리의 벡터화 방법 중, 단어 간의 의미적 유사성을 벡터 공간에 반영하여 단어의 문맥적 의미를 포착할 수 있다는 장점을 가지는 것은 무엇인가요?

Bag of Words (BoW) TF-IDF Word Embedding (Word2Vec 등) One-Hot Encoding

8. 인공지능 학습용 데이터 구축의 '정제' 단계에서 가장 중요하게 다루는 윤리적 고려 사항은 무엇인가요?

데이터 출처의 명확화 개인정보 비식별화 데이터의 다양성 확보 허가된 목적 이외의 데이터 사용 제한

9. 인공지능 모델이 사전학습 과정을 거친 후 특정 분야나 작업에 맞춰 최적화되도록 추가적으로 학습하는 데 사용되는 데이터는 무엇인가요?

원시데이터 (Raw Data) 원천데이터 (Source Data) 라벨링데이터 (Labeled Data) 적응 학습 데이터 (Adaptation Learning Data)

10. 음성 데이터를 듣고 발화 내용을 표준어와 실제 발화된 두 가지 형태로 기록하는 데이터 라벨링 유형은 무엇인가요?

일반 전사 (Transcription) 화자 구분 (Speaker Diarization) 이중 전사 (Dual Transcription) 감정 태깅 (Emotion Tagging)

정답 및 해설

1. 정답: 가치 (Value)
   빅데이터의 5V 특성 중 '가치(Value)'는 데이터로부터 새로운 통찰을 얻고 비즈니스 가치를 창출하는 것에 가장 밀접한 관련이 있습니다.
2. 정답: 데이터 분석가 (Data Analyst/Scientist)
   데이터 분석가/과학자는 데이터를 분석하여 비즈니스 문제 해결에 기여하고, 의사결정을 지원하는 역할을 수행하는 전문가입니다.
3. 정답: 연결주의 (Connectionism)
   연결주의(Connectionism)는 인공지능의 지능 모방 방식 중 인간 뇌의 신경망 구조를 모방하여 데이터를 학습하고 패턴을 인식하려는 방식입니다.
4. 정답: 차원 축소 (Dimensionality Reduction)
   차원 축소(Dimensionality Reduction)는 고차원 데이터를 저차원으로 변환하여 데이터의 본질적인 구조를 유지하면서도 시각화나 분석을 용이하게 하는 비지도 학습의 주요 목적 중 하나입니다.
5. 정답: 이미지의 지역적인 특징을 계층적으로 학습하고 패턴을 효과적으로 인식하기 때문에
   합성곱 신경망(CNN)은 합성곱 계층을 통해 이미지의 지역적인 특징을 추출하고 풀링 계층을 통해 이를 요약하며, 이러한 계층적인 학습 방식을 통해 이미지 데이터 처리에서 강력한 성능을 보입니다.
6. 정답: 이미지 세그멘테이션 (Image Segmentation)
   이미지 세그멘테이션(Image Segmentation)은 이미지나 비디오 내의 각 픽셀에 의미 있는 레이블을 할당하여 특정 객체나 영역을 정교하게 식별하고 분리하는 컴퓨터 비전 작업입니다.
7. 정답: Word Embedding (Word2Vec 등)
   Word Embedding은 단어를 밀집 벡터로 표현하여 단어 간의 의미적 유사성을 벡터 공간에 반영하고 문맥적 의미를 포착할 수 있다는 장점을 가집니다. 이는 BoW나 TF-IDF의 한계를 극복합니다.
8. 정답: 개인정보 비식별화
   인공지능 학습용 데이터 구축의 '정제' 단계에서 가장 중요하게 다루는 윤리적 고려 사항은 획득한 데이터에서 개인정보를 비식별화하여 처리하는 것입니다.
9. 정답: 적응 학습 데이터 (Adaptation Learning Data)
   적응 학습 데이터(Adaptation Learning Data)는 인공지능 모델이 사전학습 과정을 거친 후 특정 분야나 작업에 맞춰 최적화되도록 추가적으로 학습하는 데 사용되는 데이터입니다.
10. 정답: 이중 전사 (Dual Transcription)
    이중 전사(Dual Transcription)는 음성 데이터를 듣고 발화 내용을 표준어와 실제 발화된 두 가지 형태로 기록하는 데이터 라벨링 유형입니다.