AI 용어사전

퍼셉트론은 인간의 뇌의 신경망 구조를 본떠 그물망 형태로 노드들을 연결하여 사람의 뇌처럼 동작 하게 하는 최초의 인공신경망을 의미합니다.

비지도학습은 학습 데이터셋을 모델에게 전달해 줄때 정답을 알려주지 않고 학습 데이터셋만 넘겨주어 모델이 직접 판단하게 하는 학습방법을 의미합니다.

가중치는 노드사이 연결의 강도로서 학습중에는 데이터가 노드를 지나가데 이때 데이터들의 값은 가중치의 값에 따라 조금씩 변경됩니다.

컴퓨터가 학습하여 인공지능의 성능을 향상 시키는 기술들을 통틀어서 말하는것을 의미합니다.

파라미터 값은 프로그래밍에서 함수나 알고리즘의 동작을 결정하는 변수로써 이를 조절하여 출력값을 조정합니다.

은닉층은 입력층과 출력층 사이에 존재하는 하나의 층으로써 신경망의 외부에서는 이 계층의 노드들에게 직접 접근할 수 없으며 실질적으로 데이터를 가지고 계산을 하는 층을 의미합니다.

GPT는 Generative Pretrained Transformer의 약자로 Open AI에서 개발한 대형 언어 모델로서 기존의 여러 인공지능 모델과 달리 대규모 자연어 데이터를 사전학습한 후 다양한 자연어 처리 태스크에 대해 Fine-Tuning을 통해 최적화하는 방식으로 학습되어있는 자연어처리 모델을 의미합니다.

객체 인식은 이미지나 비디오에서 객체를 식별하는 기술로, 객체 검출과 유사하지만, 검출된 객체가 어떤 종류인지 분류하는 과정까지 포함한다는 차이가 있습니다.

Hugging Face, Inc.는 기계 학습을 사용하여 애플리케이션을 구축하기 위한 도구를 개발하는 미국 회사입니다.

리플릿은 사용자들이 브라우저를 사용하여 코드를 작성하고 앱과 웹사이트를 만들 수 있게 합니다.

한국형 인공지능(AI: Artificial Intelligence)으로 엑소브레인이라는 명칭은 '인간 몸 바깥의 뇌'라는 뜻이다.

스택 익스체인지 네트워크의 대표적인 웹사이트로, 2008년 제프 앳우드와 조엘 스폴스키가 만든 엑스퍼츠-익스체인지와 같은 초기 Q&A에 비해 더 개방적인 웹사이트입니다.

인간이 가지고 있는 뉴런과 비슷한 형태의 인공신경망 방식으로 데이터를 처리하여 학습하는 방식을 의미합니다.

데이터 전처리는 머신러닝 모델에 입력할 훈련 데이터를 컴퓨터가 좀 더 편하게 이해할 수 있도록 데이터를 편집하는 과정을 의미합니다.

원-핫 벡터는 범주형 데이터를 처리하는 방법으로 데이터중 자기자신만을 1 나머지를 0인 벡터로 바꾸어 정리하는 방법을 의미합니다.

데이터 마이닝은 대규모의 데이터에서 사용자가 원하는 특정 데이터를 추출하는 것을 의미합니다.

입력층은 들어온 신호를 아무런 연산없이 그대로 다음 노드에 보내주는 다리의 역활을 하는 층을 의미합니다.

랜덤 포레스트는 결정 나무를 기반으로 한 앙상블 머신러닝 기법입니다. 이 방법은 단일 결정 나무의 주요 단점인 과적합을 완화하고, 모델의 정확도를 향상시키기 위해 여러 개의 결정 나무를 사용하는 방법이다.

비정형 데이터는 표 형태가 아닌 다양한 형식으로 구성된 데이터로써 주로 텍스트, 이미지, 음성, 동영상등의 형태를 가지고있는 데이터를 의미합니다.

토큰화는 입력받은 문장을 모델이 이해할 수 있도록 토큰으로 바꾸어 분리 및 정렬하는 작업을 의미합니다.

패딩은 데이터를 압축하는 과정중에서 데이터가 유실되거나 손상되는 것을 예방하기위해 데이터의 외각에 특정 값(대체로 0을 사용함)을 부여하는 과정을 의미합니다.

노드는 인공신경망에서 입력층, 은닉층, 출력층을 구성하는 요소들을 의미합니다.

컴퓨터 프로그래밍을 위한 교육 커뮤니티입니다. 플랫폼에서 소프트웨어 개발자는 kata로 알려진 프로그래밍 문제에 대해 교육합니다.

파이썬을 기반으로 하여 과학, 분석, 그리고 엔지니어링을 위한 과학(계산)적 컴퓨팅 영역의 여러 기본적인 작업을 위한 라이브러리입니다.

GPGPU는 General-Purpose Computing on Graphics Processing Units의 약어로, 기존의 GPU를 활용하여 컴퓨터 그래픽스 처리를 넘어서 CPU가 전통적으로 담당해온 일반 연산 작업을 수행하는 기술이다.

"Unlearning(학습취소법)은 LLM이 이미 학습한 지식을 잊도록 하는 방법이다. 이 기법은 LLM 개발자가 저작권을 위반하는 내용이나 해로운 내용을 제거할 때 사용할 수 있다.

Theano와 Tensorflow 기반의 딥러닝용 고차원 라이브러리입니다.

색인은 데이터의 특정 열과 행의 값에 대응하는 포인터를 부여하여 데이터 검색시 빠르게 찾아낼 수 있게 하는 데이터 관리 방법을 의미합니다.

역전파를 이용해 학습을 진행하게 되면 학습이 진행됨에따라 가충치를 넘겨주며 학습을 진행시키게 되는데 이때 이 가중치가 점점 감소하기 시작하며 결국 소실되어버려 학습이 불가능하게 되는것을 의미합니다.

파이프 라이닝은 여러 작업을 순차적으로 수행하도록 설계된 컴퓨팅 방식으로, 입출력중에 데이터셋을 처리하는 단계를 병렬로 처리하여 처리시간을 단축하는 방법입니다.

ANN은 "Artificial Neural Network"의 약어로, 인공 신경망을 의미합니다. 인공 신경망은 인간의 신경 시스템에서 영감을 받아 디자인된 컴퓨터 알고리즘입니다.

"Scientific Kit for Machine Learning"의 줄임말로, 과학적인 기계 학습을 위한 도구 모음을 의미한다. 파이썬 언어로 작성되었으며, 데이터 분석과 예측 모델링을 위한 다양한 알고리즘과 도구를 제공한다. Scikit-learn은 오픈 소스 프로젝트로 개발되어 누구나 사용하고 기여할 수 있습니다.

주어진 하나의 데이터셋만을 가지고 너무 과하게 학습을 시킬경우 모델이 해당 데이터셋에 맞춰 극단적으로 변해버려 다른 데이터셋에 대해 정확도가 많이 낮아져 버리는것을 의미합니다.

MLOps(Machine Learning Operations)는 기계학습(ML)의 절차와 학습된 모델의 배포를 자동화하고 단순화하는 과정

최적화는 모델이 가장 좋은 성능을 내도록 파라미터 값을 조정하는 과정을 의미합니다.

API는 Application Programming Interface의 약자로 컴퓨터나 컴퓨터 프로그램 사이의 연결로서 인터페이스를 구축하거나 사용하는 방법을 의미합니다.

트리는 계층적인 구조를 가지며, 하나의 루트노드에서 시작하여 여러 개의 자식 노드를 가지고있는 형식의 자료구조입니다.

LLM을 재 프로그래밍(학습)을 해서 시계열 예측이 가능하게 LLM을 튜닝한 모델이다.

출력층은 은닉층에서 연산이 끝난 데이터를 은닉층에서 데이터를 받고 이를 출력하는 층을 의미합니다.

구글AI 상하의 딥러닝 팀인 구글브레인이 2011년에 개발을 시작하여 2015년에 오픈 소스로 공개한 기계학습 라이브러리입니다.

경사하강법은 함수의 기울기를 구하고 경사의 반대 방향으로 계속 이동시켜 기울기를 0에 수렴할때까지 반복하는 것을 의미합니다.

컴퓨터 비전이란 컴퓨터를 이용하여 이미지 또는 동영상에서 데이터를 추출하는 분야 혹은 학문입니다.

Sololearn은 모바일 및 웹 기반의 온라인 프로그래밍 학습 플랫폼입니다. 이는 초보자부터 전문가까지 다양한 수준의 개발자를 대상으로 하며, 다양한 프로그래밍 언어와 기술에 대한 학습 리소스와 커뮤니티 기능을 제공합니다.

예측 분석은 과거의 데이터셋을 분석하고 이를 바탕으로 미래의 결과를 예측할 수 있는 하나의 기술을 의미합니다.

ASR은 Automatic Speech Recognition의 약자로 자동 음성 인식 기술로 사람의 음성을 컴퓨터가 인식하고 이를 텍스트나 명령어등으로 변환하는 기술을 의미합니다.

HackerRank는 온라인 코딩 플랫폼으로, 프로그래밍과 알고리즘 문제를 해결하고 테스트할 수 있습니다. 다양한 프로그래밍 언어와 도메인에 대한 문제들이 제공되며, 학습자들은 솔루션을 공유하고 비교할 수 있습니다. 코딩 인터뷰 연습과 스킬 향상을 위한 도구로 활용됩니다.

Apache Spark는 대규모 데이터를 분산 처리하는 프레임워크입니다. 현재 많은 회사들이 이 프레임워크를 사용하여 실시간 데이터 분석과 ETL 작업에 활용하고 있다.

정형 데이터는 테이블 형식의 데이터로써 일정한 형식을 갖춘 데이터로, 데이터베이스나 엑셀 시트와 같은 표 형태를 띄는 데이터를 의미합니다.

깃 버전 관리 시스템을 사용하는 소스 코드 및 개발 프로젝트를 대상으로 한 아틀라시안 소유의 웹 기반 버전 관리 저장소 호스팅 서비스입니다.

컴파일러는 프로그래밍 언어로 작성된 소스코드를 기계어로 바꾸어주는 프로그램을 의미합니다.

결정나무(Decision Tree)는 지도학습 방식에 속하는 머신러닝 알고리즘으로, 분류와 회귀 문제 해결에 적용됩니다. 이 알고리즘은 입력 데이터와 해당 출력을 분석하여 데이터 간의 패턴을 학습합니다. 그 후, 학습된 패턴을 기반으로 트리 구조의 규칙 모델을 생성합니다. 이 트리 구조는 각 노드에서 정의된 규칙을 통해 데이터를 분할함으로써 분류나 회귀 문제를 해결하는 알고리즘이다. 다른 머신러닝 알고리즘과 달리 설명이 가능한 머신러닝 방법이다.

"Panel Data"의 약자로, 파이썬에서 구조화된 데이터를 쉽게 조작하고 처리할 수 있는 도구를 제공하며 데이터 조작과 분석을 위한 강력한 라이브러리입니다.

스스로 새로운 이미지를 생성해내거나 설계도를 만드는 등의 창조성을 지니고 있는 AI(인공지능). 미국 가트너는 제너레이티브 AI에 대해 ‘샘플 데이터로부터 성과물의 디지털 표현을 학습해 독창적이고 현실적인 새로운 성과물을 생성하는 AI’라고 정의하고 있다.

시맨틱 검색(Semantic Search)은 단순히 검색어와 문자가 일치하는 콘텐츠를 찾는 게 아니라, 검색어와 문장의 의미를 파악하여 그에 상응하는 콘텐츠를 찾아내는 기술입니다. 사용자의 질문을 분석하고 해석해 검색 결과의 품질을 올리는 기술이다.

크롤러는 인터넷 상에서 웹 페이지를 수집하는 컴퓨터 프로그램으로서 일반적으로 검색 엔진과 같은 정보 검색 시스템에 사용됩니다.

딥페이크는 심층 학습(Deep Learning)과 가짜(Fake)의 결합어로, 인공지능 기술을 활용하여 사람의 목소리, 얼굴, 또는 다른 신체 부위를 현실감 있게 합성하는 기술을 지칭합니다. 이는 비디오, 이미지, 오디오 등 다양한 미디어에서 실제와 구분하기 어려운 가짜 콘텐츠를 생성할 수 있게 해줍니다.

CNN(합성곱 신경망)은 딥러닝의 한 종류로, 주로 이미지 인식과 컴퓨터 비전 작업에 사용되는 신경망 구조입니다. CNN은 특히 이미지 처리에 특화되어 있으며, 이미지 내의 패턴과 특징을 자동으로 학습하여 분류, 감지, 분할 등의 작업을 수행할 수 있습니다.

손실함수는 인공신경망에서 학습데이터의 예측값과 실제값의 차이를 계산하여 오차를 나타내는 함수를 의미합니다.

UDOP(Universal Document Processing)의 약자이며 2023년 마이크로소프트가 제안한 문서를 이해하고 문서의 내용을 이해하고 그걸 바탕으로 답변을 생성하는 모델이다.

쿼리는 데이터베이스에서 데이터를 검색하거나 조작하기위한 명령어나 질의문을 의미합니다.

AI윤리는 인공지능의 발전으로 인해 인간의 권리와 자유, 사회적 가치와 도덕적 원칙 등을 침해하지 않도록 제약을 두고 AI가 지켜야할 윤리를 말합니다.

프롬프트는 어떤 일을 하도록 촉구하는 말이나 행동을 말합니다. 좁은 의미의 프롬프트는 모델로부터 응답을 생성하기 위해 입력하는 텍스트 혹은 문장을 의미합니다.

Ray는 AI 애플리케이션 및 파이썬 프로그램을 쉽게 확장할 수 있도록 설계된 프레임워크입니다. 이를 통해 개발자들은 다중 CPU나 GPU를 이용하여 대규모 병렬 처리와 분산 컴퓨팅 작업을 간편하게 수행할 수 있다.

GAN은 Generative Adversarial Network의 약자로 적대적 생성 신경망이라고도 불리며 실제에 가까운 이미지나 사람이 쓴 것과 같은 글 등 여러 가짜 데이터들을 생성할 수 있는 AI기술을 의미합니다.

Pre-Training은 AI가 실무를 하기 전에 많은 데이터를 먼저 학습 하는 단계이다. 이 단계를 통해 AI는 언어와 이미지 같은 데이터에서 기본적인 패턴을 학습하게 됩니다. 나중에 특정 전문적인 업무를 잘 수행하기 위해 기초 지식을 쌓아 올리는 과정이다.

파이썬(Python) 기반의 오픈 소스 머신러닝 라이브러리로, 페이스북 인공지능 연구집단에 의해 개발되었습니다.

VAE는 생성 모델 중 하나로, 주어진 데이터를 효과적으로 인코딩하고 새로운 데이터를 생성하는 능력을 가지고 있습니다. 이는 확률론적인 방식으로 학습됩니다. 즉, 입력 데이터에 대한 확률 분포를 모델링하며, 이를 통해 새로운 데이터를 생성할 수 있습니다.