본문 바로가기

전체 글673

가트너 전략 기술 트렌드 2025 참고: https://www.techrepublic.com/article/gartner-10-tech-trends-2024/https://digitaltransformation.co.kr/2025%EB%85%84-%EC%A3%BC%EB%AA%A9%ED%95%B4%EC%95%BC%ED%95%A0-10%EA%B0%80%EC%A7%80-%EC%A0%84%EB%9E%B5%EA%B8%B0%EC%88%A0-%ED%8A%B8%EB%A0%8C%EB%93%9Cgartner/ 2025년 주목해야할 10가지 전략기술 트렌드(Gartner) - AI트랜스포메이션 및 디지털트랜스포메이션가트너(Gartner)의 애널리스트인 진 알바레즈(Gene Alvarez)는 2024년 9월 10일 호주에서 열린 IT 심포지엄/엑스포에서 향후.. 2024. 10. 15.
RAD(Rapid Application Development) 정의- 2~3개월 동안의 짧은 개발 주기 동안 개발 툴을 적극적으로 사용하여 소프트웨어를 개발하는 프로세스 모형 키워드- JRP, JAD, Construction Phase, Cutover, Time-Boxing 메커니즘 기술요소구성요소설명JRP (요구분석정의)- Joint Requirement Planning- 분석단계로 사용자와 함께 요구사항을 분석하고 계획을 세우는 단계JAD (사용자설계)- Joint Application Design- 설계단계로 사용자와 함께 개략적 모델링 이후 설계를 진행- 빠른 구현을 위한 CASE Tool 활용Construction Phase- SDLC의 개발 Task와 유사Cut Over- 대상 시스템의 설계와 개발을 완료하고 테스트한 후 운영에 필요한 매뉴얼 2024. 9. 24.
반복적 개발(증분형/진화형 개발모델) 정의- 사용자의 요구사항 일부분 혹은 제품의 일부분을 반복적으로 개발하여 고품질의 최종 시스템으로 완성해 가는 모델 키워드- 점증적 반복, 증분형 (요구사항 명확, 병행), 진화형 (요구 불명확, N단계 진화) 메커니즘증분형 개발모델[정의]사용자 요구사항 또는 제품의 일부분을 반복적으로 개발하면서 대상범위를 확대해 최종제품을 완성하는 방법[특징]1. 병렬 개발 수행 가능2. 고객요구사항 반영 진화형 개발모델[정의]시스템이 가지는 여러 구성요소의 핵심 부분을 개발한 후 각 구성 요소를 지속적으로 발전시켜 나가는 방법 [특징]1. 프로토타입2. 고객요구사항 정의가 어려운 경우 항목증분형 모형진화적 모형정의폭포수 모형에 반복적 수행 개념을 결합, 증분을 반복하여 최종 시스템을 구현하는 개발 모형핵심 요구사항을.. 2024. 9. 24.
Spiral 모델 정의- 시스템 개발 중 생기는 위험을 최소화하기 위해 나선을 돌면서 점진적으로 개발하는 모델 키워드- 계획 및 정의, 위험분석, 개발, 고객의 평가, 위험 최소화 메커니즘① 계획 및 정의 → ② 위험분석 → ③ 개발 → ④ 고객 평가 단계를 반복하여 점진적으로 개발기술요소계획 및 정의 단계(Planning and Definition) - 초기 요구분석 및 프로젝트 계획 수립 - 프로젝트 위험 식별 및 상세 관리 계획 수립 - 프로세스 각 단계에 대한 목표수립 - 프로젝트 단계별 계획서 - Risk Check List 위험분석 단계(Risk Analysis) - 위험 분석·평가하여 감소시키는 활동 - 식별된 위험의 종류에 따라 상세 분류 수행 - 위험 분석서 - 상세 분석서 개발 단계(Engineering.. 2024. 9. 24.
프로토타입 모델 정의- 사용자의 요구사항을 충분히 분석할 목적으로 짧은 시간 내에 시제품을 개발하여 평가한 후 구현하는 점진적 개발 모델 키워드- 프로토타입(시제품), 의사소통, 실험적 프로토타입, 진화적 프로토타입 메커니즘 기술요소계획수립  - 시스템 개발 계획 수립하고, 시스템의 전체적인 수립 - 시스템정의서 - 프로젝트 계획서 요구분석과 정의 - 고객의 요구사항을 정리하고 명세화 하는 단계로 명세화 방법으로 프로토타입을 사용 - 요구분석서 - 요구사항정의서 - 프로토타입 식별 Prototype(개발/개선) - 핵심기능을 가지고 구현 프로토타입의 대상선정하고 방향 및 내용을 명세화 한 설계서로 프로토타입을 구축 - 프로토타입 설계서 Prototype(검토/평가) - 개발된 프로토타입에 대한 고객의 평가를 실시하여, .. 2024. 9. 24.
폭포수 모델(애자일 비교) 정의- 분석, 설계, 개발, 구현, 시험 및 유지보수 과정을 단계별로 구분하여 순차적으로 접근하는 방법 키워드- 순차적, 산출물중심, 단계적 테스팅, 정식변경절차 수행(Frozen Delivery), 고전적 모델 메커니즘 기술요소장점 관리 용이  - 간결하고 이해하기 쉬움 체계적 문서화  - 단계별 정형화된 접근법으로 체계적 문서화 가능 변화가 적은 프로젝트  - 요구사항 변화가 적은 프로젝트에 적합 - 비교적 소규모 프로젝트 개발에 유리 단점 단계적 진행 - 앞 단계가 끝날 때까지 대기, 개발완료전에 사용자가 원하는 것을 정확 히 알 수 없음 오류/변경에 취약 - 단계 결과물이 완벽하지 않으면 다음 단계에 오류가 전파, 요구사항 변경시 전체일정에 부담 폭포수 모델과 애자일 모델의 비교핵심요소 - Pha.. 2024. 9. 24.
좋은 소프트웨어의 조건 정의- 좋은 소프트웨어는 ‘사용자의 요구사항을 만족’하고 ‘정확하게 동작’하며 ‘쉬운 사용방법’과 ‘좋은 코드’로 개발된 소프트웨어  메커니즘 기술요소정확성(Correctness) - 기능적으로 맞게 동작하는가, 표준에 적합한가? - 요구 분석서의 기능과 일치하는지 점검  신뢰성(Reliability) - 소프트웨어가 주어진 기간 동안 바르게 작동할 확률 - 오류 발생 확률에 반비례 - 정확성 제공하기 위한 필요조건  강인성(Robustness) - 요구 명세에 표시하지 않은 상황(오류 입력)에서도 제대로 작동하는 성질  성능(Performance) - 수행 속도, 데이터/트랜잭션 처리량 - 알고리즘의 시간 복잡도 - 시뮬레이션, 스트레스 테스트  사용 용이성(Usability) - 시스템을 친근하게 느.. 2024. 9. 24.
소프트웨어 공학 정의 및 발전 원리 정의- 소프트웨어의 개발, 운용, 유지보수 등의 생명 주기 전반을 소프트웨어 원리, 지식, 도구 등을 적용하여, 체계적이고 서술적이며 정량적으로 다루는 학문으로, 소프트웨어 제품 개발에 공학적 기법을 적용한 공학 키워드- 소프트웨어 공학 지식 체계(SWEBOK)(Software Engineering Body of Knowledge), 소프트웨어 원리, 지식, 도구 메커니즘 기술요소비가시성(Invisibility) - 소프트웨어의 생산물 구조가 외부에 노출되지 않고 코드에 내재되어 있음  복잡성(Complexity) - 정형적 구조가 없어 개발과정이 복잡하고 전산화 대상 업무, 소프트웨어 시스템 자체가 난해함.- 비규칙적, 비정규적  변경성(Changeability) - 필요에 따라 항상 수정이 가능(진화.. 2024. 9. 24.
AIaaS (AI as a Service) 정의- 써드파티 벤더에 의해 제공되는 구독형 인공지능 서비스 또는 AI tool - AI 알고리즘, API 등 AI 서비스 제공에 필요한 통합 솔루션 제공하는 구독형 서비스 Easy setup 쉽고 신속하게 설정 가능Cost-effectiveness 고정비용 투자가 불필요해 비용 효율적Scalability & flexibility 수요에 따라 쉽게 확장가능하고 유연함 키워드- 구독형 AI, RTE, 챗봇 메커니즘 기술요소챗봇- 자연어 처리 알고리즘 이용해 사용자의 질문에 대한 답변 제공 서비스 - 응대 시간 감소 및 고객 만족도 향상에 기여 - AWS Lex  APIs - 자연어 처리, 컴퓨터 비전, 번역, 검색 등 다양한 서비스에 대한 API 제공 - low code 개발환경 제공해 개발 업무 효율화 .. 2024. 9. 21.
인공지능 윤리 기준 정의- 인간성을 위한 인공지능 구현을 목표로 인공지능의 모든 개발과 활용 과정에서 지켜야 할 3대 기본원칙과 10대 핵심요건을 주된 내용으로 하는 과학기술정보통신부가 제안한 인공지능 윤리기준. 키워드- 인공지능 안전, AI 원칙, AI 전문가, AI 전담부서, 데이터 3법, EU-GDPR, XAI, AI Kill Switch, Safety AI 기술요소인간 존엄성 원칙 - 인간은 인간을 위해 개발된 기계제품과는 교환 불가능한 가치가 있음 - 인간의 생명, 정신적 및 신체적 건강에 해가 되지 않는 범위에서 개발 및 활용 - 인공지능 개발/활용은 안전성과 견고성을 갖추어 인간에게 해가 되지 않도록 함.  사회의 공공선 원칙 - 공동체로서 사회는 가능한 한 많은 사람의 안녕과 행복이라는 가치를 추구 - 인공지.. 2024. 9. 21.
XAI(eXplainable Artificial Intelligence) 정의- 사용자가 인공지능 시스템의 동작과 최종 결과를 이해하고 올바르게 해석하여 결과물이 생성되는 과정을 설명 가능하도록 해주는 기술특징 1. 인공지능 블랙박스 문제 대응 2. 사용자 정보 활용 근거 제공 3. 적용 영역 확대 기반키워드- 개인정보보호법(자동화된 의사결정), LIME, SHARP, LRP, Zero shot learning 메커니즘 기술요소모델 비종속적(Model -agonistic; 블랙박스에 대한 귀납적 추론 기반) LIME - 설명 가능한 데이터 주변에서 희소 선형 결합을 통해 국부적으로 설명가능하게 만듦 BRL - 고차원 다변수 특징공간을 간단한 해석 가능한 조건문으로 나누어 복잡한 모델을 이해할 수 있도록 하는 방법 - 모델을 일련의 “if-the 조건문”으로 표현 SHAP - .. 2024. 9. 21.
인공지능, 기계학습 적대적 공격 정의- 딥러닝의 심층신경망을 이용한 모델에 적대적 교란(Adversarial Perturbation)을 적용하여 오분류 발생시키는 공격기술 키워드- Poisoning attack, Evasion attack, Inversion attack, Model extraction attack, Defense-GAN, 적대적 훈련(Adversarial training), 결과값 분석 차단, 쿼리 횟수 제한 메커니즘 기술요소Poisoning attack(중독 공격, 오염 공격) - 의도적으로 악의적인학습 데이터 주입해 머신러닝모델 손상시키는 공격 - 모델 자체를 공격 - 악의적 데이터를 최소한으로 주입해 모델 성능을저하시키는 것이 공격 평가 기준이 됨 - MS사의 인공지능 채팅봇 ‘테이’ - 스캐터랩 ‘이루다’ - .. 2024. 9. 21.
파괴적 망각(Catastrophic Forgetting) 정의- Single Task(단일 과제)에 대해서는 뛰어난 성능을 보이지만, 다른 종류의 Task를 학습하면 이전에 학습했던 Task에 대한 성능이 현저하게 떨어지는 문제 - 기억의 유지(Stability)와 새로운 기억의 생성(Plasticity)의 비중을 적절히 조절하기가 어려워 Stability-Plasticity dilemma(안정성-가소성 딜레마) 라고 불리기도 함 키워드- 성능 저하, 정규화, 증류, 동적 구조 메커니즘 기술요소정규화(Regularization) - EWC(Elastic Weight Consolidation) - MAS [ECCV 2018] 등 - 이전 TASK에서 학습한 네트워크의 파라미터가 최대한 변하지 않으면서 새로운 TASK를 학습하도록 유도 증류(Distillation.. 2024. 9. 21.
초거대 AI 정의- 심층 신경망으로 구현된 크기가 매우 큰 AI로 인공신경망의 파라미터(매개변수)가 무수히 많은 인공지능 모델 - 대용량의 연산이 가능한 컴퓨팅 인프라를 기반으로 대규모 용량의 데이터를 학습해 특정 용도에 한정하지 않고 종합적이고 자율적으로 사고, 학습, 판단, 행동하는 인간의 뇌 구조를 닮은AI(인공지능)키워드- 대규모 파라미터, 사전학습, 파인튜닝 메커니즘기술요소1980~1990 - 통계기반언어모델 - 최초의 언어모델 출현 2017 - 트랜스포머 알고리즘 - Attention 기반 트랜스포머 알고리즘의 출현 2018 - BERT 모델 - 트랜스포머의 인코더를 활용한 BERT 모델 출현 2018 - GPT 모델 - 트랜스포머의 디코더를 활용한 GPT 모델 출현 2020~2021 - GPT-3, La.. 2024. 9. 20.
프롬프트 엔지니어링(Prompt engineering) 정의- 컴퓨터와 상호작용을 하는 사용자를 위한 AI 인터페이스 개발 분야로, 높은 수준의 결과물을 얻기 위해 적절한 프롬프트를 구성하는 작업 또는 엔지니어링 기법AI 답변 정확성 향상 - 명확하고 구체적인 프롬프트를 사용하면 모델이 원하는 결과물을 더 정확하게 생성 사용자 경험 향상 - 사용자 요구사항 명확화를 통한 AI모델 사용에 대한 만족도 증가 키워드- 답변 정확성 향상, 사용자 경험 향상 메커니즘 기술요소구성요소 - Instruction - 모델이 수행하기를 원하는 특정 태스크 또는 지시 사항 - Context - 모델이 보다 더 나은 답변을 하도록 유도하는 외부 정보또는 추가 내용 - Input Data - 답을 구하고자 하는 것에 대한 인풋 또는 질문 - Output Indicator - 결과.. 2024. 9. 20.
그리드서치와 랜덤서치 그리드 서치- 분석자가 몇 가지 임의의 파라미터를 설정하여 그 결과 중 가장 좋은 파라미터를 찾아가는 기법- 순차적으로 탐색 하여 높은 성능을 보이는 하이퍼 파라미터를 선택랜덤 서치- 분석자가 설정한 일정 범위 이내에서 무작위로 하이퍼 파라미터를 뽑아 최적 결과를 도출하는 기법 - 확률 방식으로 탐색 하여 높은 성능을 보이는 하이퍼 파라미터를 선택하이퍼파라미터- 신경망 학습을 통해서 튜닝 또는 최적화 해야 하는 주 변수가 아니라, 학습 진도율이나 Mini-batch 크기, 훈련 반복 횟수, 가중치 초기화 방법 등 인간의 선험적 지식으로 설정을 하는 변수 그리드와 랜덤의 장점결합, 베이지안 최적화(Bayesian Optimization)- 최적의 해 근처의 하이퍼 파라미터를 위주로 탐색하는 작업과 임의의 .. 2024. 9. 20.
Zero-shot, One-shot, Few-shot Learning 정의- One-shot learning: 하나의 샘플 이미지만으로 새로운 클래스를 인식하는 것을 의미 - Few-shot learning: 한 클래스당 일부 샘플 이미지만 사용하여 새로운 클래스를 인식하는 것을 의미 - Zero-shot learning (ZSL): 라벨링 되지 않은 새로운 클래스에 대한 분류 작업을 수행할 때, 이전에 학습된 모델을 사용하여 분류하는 기술 키워드- 학습속도 향상, 파인튜닝 메커니즘 기술요소One-shot learning- Siamese networks, 매칭 네트워크.- 대조 손실, 삼중항 손실.Few-shot learning- 원형 네트워크, 매칭 네트워크, 환각.- 대조 손실, 삼중항 손실.Zero-shot learning (ZSL)- 시맨틱 임베딩, 속성 기반 학습.. 2024. 9. 20.
ChatGPT(3, 3.5, 4Ο) ChatGPT 3 or 3.5정의- GPT-4Ο를 기반으로 사람과 자연스럽게 대화하는 것처럼 상호작용을 구현, 대화에 최적화된 대화전 문 인공지능 키워드- SFT모델, 보상모델, PPO, 생성적 AI, 트랜스포머, Attention Mechanisms, 파인튜닝, 프롬프 트 엔지니어링 메커니즘 기술요소 RLHFReinforcement Learning with Human Feedback - 강화 학습의 방법을 사용하여 사람의 피드백으로 언어 모델 을 직접 최적화 수행 PPOProximal Policy Optimization- OpenAI에서 개발한 모델 없는 강화 학습 알고리즘ChatGPT 4 정의- OpenAI에서 출시한 현재 가장 창의적이며, 일반지식과 문제해결력을 갖춘 모델- 기존 모델(ChatGPT.. 2024. 9. 20.
FMOps(Foundation Model Operations) 정의- 기반 모델(Foundation Model), 그중에서도 특히 LLM(Large language model) 기반의 앱 개발을 위한 방법론 키워드- 기반 모델, 프롬프트 엔지니어링, 프롬프트 체이닝, 파인튜닝 메커니즘 기술요소프롬프트 관련 프롬프트 엔지니어링  - Pre-training된 LLM을 별도의 학습없이 사용자가 원하는 답변을 생성하도록 입력 프롬프트를 효과적으로 설계하는 기술 프롬프트 체이닝  - 체인 프레임워크로 기반 모델에 외부 정보를 저장, 인덱싱, 주입하여 기반 모델이 보다 복잡한 테스크를 수행하게 함 데이터 및 모델 관련 데이터 임베딩  - 데이터를 벡터 단위로 쪼개 데이터 베이스에 저장 및 인덱싱 이후에 LLM에 주입하여 사용자 데이터 기반의 결과 생성 기반 모델 파인튜닝  -.. 2024. 9. 20.
AI Foundation Model 정의- 대규모 데이터셋에 의해 사전 학습되고, 출력의 범용성을 고려하여 설계되어 다양한 작업에 적용될 수 있는 AI 기초 모델- 반제품(semi-finished product) 키워드- 자기지도학습, adaption, 기반모델, 창발성, 균일화, 지식재산권, 탄소중립, 일자리 감소, XAI, 개인정보보호 메커니즘 기술요소- 학습 - 대규모 학습데이터 - 제조사별 상이한 디바이스 연동 및 등록 절차 - 대규모 파라미터 - 타 브랜드 디바이스 간 상호 연동 불가 확장성 - 전이학습 - 다양한 통신 프로토콜 혼합 사용에 따른 신뢰성 저하 - 균일화 - 적용될 수 있는 범위가 점차 확대되며 범용적 활용되는 현상 성능 - 창발성 - 모델이 스스로 어떠한 문제를 해결하기 위한 지식 도출 능력 - 다목적성 - NLP.. 2024. 9. 20.
AIOps(Artificial Intelligence for IT Operation) 정의- 빅데이터 분석과 머신 러닝(Machine Learning) 및 AI를 활용하여 IT 인프라(Infra) 문제를 분석과 해결 방법을 제시하는 IT운영을 위한 인공지능(Artificial Intelligence for IT Operations) 키워드- IT 운영 효율화, 수집, 분석, 제어, 가시화, 대시보드 메커니즘기술요소데이터 수집(Data Collection) - 빅데이터 플랫폼 - 데이터 수집기 - 스토리지(Storage) - Infra를 구성하는 각 장비와 프로그램에서 발생하는 이벤트(Event), 로그(Log), 티켓, 모니터링 등의 데이터 와 기존 저장된 데이터를 저장 데이터 분석(Data Analysis) - 분석 학습 엔진 - 규칙 & 패턴 분석 - 도메인 알고리즘 - 머신 러닝 알.. 2024. 9. 20.