(230206) Microsoft AI-900 기초 개념

일정 (링크)

일정

---

합격점수

1. 합격 점수 : 1000점 만점 중 700점 합격

2. 문제 : 약 45개

3. 시험 비용 : 약 11만원 (학교에서 지원)

4. 제출 시, 바로 합격 여부 파악

5. 문제는 객관식, 드레그 앤 드롭, 주관식은 없다

6. 시험문제 & 정답은 모두 한글, 영어가 있지만 영어 추천(한글은 번역이 이상하다)

7. 시간 : 총 45분

8. 한국어 덤프 문제 참고 (링크) / (링크) / (링크)

 

목차

1. 크게 총 3part : ML(기계 학습), AI(인공 지능), Microsoft Azure 서비스
   • 인공 지능 워크로드 및 고려 사항 설명(20~25%)
   • Azure에서 Machine Learning의 기본 원리 설명(25~30%)
   • Azure에서 Computer Vision 워크로드의 특징 설명(15-20%)
   • Azure에서 NLP(자연 언어 처리) 워크로드의 특징 설명(25~30%)
2. 목차
   • Azure 인공지능
     • 인공지능이란?
     • 인공지능 워크로드
     • MS Azure의 인공지능
   • 책임있는 AI
     • AI의 도전과 위험
     • 책임 있는 AI의 원칙

 

---

Azure 인공지능

1. 인공지능이란?

• 기계나 컴퓨터를 인간과 비슷하게 동작하게끔 만드는 기술.

 

2. 다양한 AI 사용의 예시 (참고)

• 지도 어플 + 네비
• 얼굴 인식
• 챗봅

3. 인공지능 워크로드(AI Workloads)

• 머신러닝(machine learning)
• 이상탐지(anomaly detection) - 신용카드 이상 감지
• 컴퓨터 비전(computer vision)
• 자연어처리(nature language processing)
• 대화형 AI(conversation AL)

4. MS Azure의 인공지능 - 3파트가 비슷한 비율로 출제가 된다.

• Azure machine learning
• 인식 서비스(cognitive services)
  • 개발에 직접 관련 없는 사람(비전공자)도 인지(보고, 듣고, 말하고 등)하는 서비스를 만들 수 있음.
• Azure bot service

 

책임있는 AI

1. AI의 도전과 위험

• 편견은 결과에 영향을 줌
• 오류는 해를 끼침
• 데이터가 노출될 수 있음
• 솔류션이 통하지 않을 수 있음
• 사용자는 복잡한 시스템을 신뢰해야 함.
• AI의 결정의 책임자는 누구?

2. 책임있는 AI 원칙(★★★)

• 공정성(fairness)
  • 차별, 성별에 관련 키워드
• 신뢰성 및 안전성(reliability & safety) 
  • 돌발적으로 일어나는 현상이 일어나면, 신뢰성이 떨어짐.
  • 이런 상황에서도 신뢰성이 잃지 않도록 작동해야 함.
• 보안 & 개인정보 (privacy & security)
• 포괄성 (inclusiveness)
  • 모두를 포함해야 한다.
  • 배제 관련 키워드 - 시스템을 만들었는데, 시각(청각)장애인은 배제한거임.
• 투명성 (transparency)
  • 제공하는 정보가 투명해야 한다.
  • 정보 제공에 포커싱되고, 제공하는 것도 쉬워야 함.(explain)
  • 예시 : AI 시스템을 배포하는 사람이 정보를 상세히, 쉽게 제공해야 한다.
• 책임감(accountablity)
  • AI 어떤 행동을 했을 때, 누가 책임을 지어야 하느냐?
  • AI 행동이 사람이 책임 지어야 하고, 가끔은 이해하지 못한 것들은 사람이 무시해야 한다.

---

Machine Learning

1. 머신러닝이란?

• 과거의 데이터에서 관련성을 찾아 예측하는 모델을 만드는 것.
• 데이터를 기반으로 데이터와 정답간의 관계에 대한 학습 진행.
• ★ split data : train data, balidation data, test data (각 데이터들이 중복되서 사용하지 않음)

2. 기계학습 (★★★)

• supervised Learning 지도학습
  • 분류(Classification)
  • 예측(Forecast) - 출제 x
  • 회귀(Regression)
• Unsupervised Learning 비지도학습
  • 그룹화(Clustering)
  • 이상감지(Anomaly Detection)

 

2_1 지도합습 : 분류(classification)

• 메일에서 스팸이냐, 아니냐 구분
• Whether(~인지아닌지, 여부)
• A,B,C가 미리 정해져있고, 구분을 하는 것.

2_2 지도합습 : 회귀(Regression)

• 수치에 관련된 것.
• 얼마나 많은, 값을 구하는 것

2_3 비지도합습 : 군집(clustering)

• 똑같이 분류를 하긴 함.
• 유사한 특징을 대로 분류는 하는 것.(핵심 키워드 유사한)

3. Azure Maching Learning 이란?

• Auto ML (자동화된 머신러닝)
  • 여러 대안들의 정확도를 자동으로 테스트하여 비교
  • 시간, 절약, 정확도  UP
  • 머신러닝에 대한 높은 접근성
• Azure Maching Learning Designer
  • 드래그 앤 드롭 비주얼 인터페이스
  • easily build, test, and deploy models with low code or no code.

---

 

computer vision (예시 주고, 해당 되는 것을 찾으시오 문제가 많다)

0. 목차

• azure cognitive services(인식서비스)
• 컴퓨터 비전이란?
• 컴퓨터 비전의 사용
• Azure의 컴퓨터비전 (1) 이미지 분석
• Azure의 컴퓨터비전 (2)  커스텀 비전
• Azure의 컴퓨터비전 (3) Face 서비스
• Azure의 컴퓨터비전 (4) 텍스트 읽기
• Azure의 컴퓨터비전 (5) 양식 분석

1. azure cognitive services(인식서비스)

• 인식서비스란 무엇인가?
• 인식서비스의 범주
  • 시각 : Vision
  • 음성 : speecg
  • 언어 : Language
  • 의사결정 : Decision

2. 컴퓨터 비전이란?

• 컴퓨터가 시각 세계를 해석, 이해하도록 훈련하는 분야
• 인간과 동일한 방식으로 시각 데이터(이미지, 비디오)를 처리, 분석하고 이해
• Used in Todaty's Wrold 
  • 사람의 눈으로 쉽게 볼 수 없는 결점들 발견(제조업, 의료 정보 등)
  • 위조지폐 감지
  • 각종 질병의 초기 발견
  • 보험 사기 예방 : 조작된 사고와 진짜 발생한 사고 구별 가능
  • 스포츠 : 선수 위치 파악, 심판 결정 확인, 볼 추척, 동작 인식 등

3. 컴퓨터 비전의 사용(드래그 앤 드롭)

• 이미지 분류 : 택시, 버스를 구분해주는 것.
• ★개체 감지(object Detection) : 경계 상자(네모 박스)가 있고, 위치(location)를 표시해 줌. 
• 의미 체계 구분 : 픽셀
• 이미지 분석 : 이미지 전체를 하나의 통으로 한문장으로 요약
• 얼굴 감지 및 인식 : 얼굴 부분
• 광학 문자 인식(OCR) : 뒤에 디테일하게

4_1. Azure의 컴퓨터비전 (1) 이미지 분석 - 가볍고 참고만

• 미리 정의된 클래스에 대한 개체 감시
• 이미지 설명 및 태그 생성
• 얼굴 감지 및 분석
• 텍스트 감지 및 OCR

★4_2. Azure의 컴퓨터비전 (2) 커스텀 비전

• 사용자 고유(my own image & data)의 이미지 식별자를 빌드, 배포 및 개선

4_3. Azure의 컴퓨터비전 (3) Face 서비스

• 얼굴 감지 및 분석
• 성별, 연령, 감정, 안경 등
• 사용자의 본인 여부 확인
  • 얼굴 식별(indenification)
  • 얼굴 확인(verification) - Do these two faces belong to the same person?
• 유사성 찾기
• 유사성에 따라 얼굴 그룹화

4_4. Azure의 컴퓨터비전 (4) 텍스트 읽기

• ★★광학 문자 인식(OCR)
  • 인쇄, 또는 손으로 쓴 텍스트를 이미지 처리르 통해 디지털 형식으로 변환.
  • 용어를 빠르게 검색하여 필요한 문서 신속 검색
  • 필기 노트(글자가 아니라, 이미지임 -> 컴퓨터 비전과 관련)를 편집 가능한 텍스트 및 문서로 변환
  • 예시
    • 차 번호판 인식
    • 중요 문서를 전자 데이터베이스에 저장, 문서 처리의 자동화
    • 여권, 신분증 등 인식
    • self service stores(편의점, 영화관 등)

4_5. Azure의 컴퓨터비전 (5) 양식 분석

• ★★양식분석(Form Recognizer)
  • 이미지 또는 PDF형식으로 스캔된 양식에서 텍스트, 키-값 쌍, 테이블, 구조를 자동으로 정확하게 추출하는 AI 서비스
  • 영수증, 청구서, 고지서, 송장 등
  •  

---

자연어 처리(nature Language processing)

0. 목차

• 자연어 vs 기계어
• 자연어 처리란 무엇인가
• Azure에서 자연어 처리
• 자연어 처리 서비스 사용
  • text Analytics
  • 음성 인식 및 합성
  • 번역
  • Language inderstanding

1. 자연어 vs 기계어

• 인공어(atificial language)를 자연어로 바꿔주는 과정.

2. 자연어 처리 (출제 자주 된다)

• 텍스트 분석 및 엔티티 인식 (Text Analysis and Entity Recognition)
• 감정분석 (Seniment Analysis)
• 음성 인식 및 합성 (speech Recongition and Synthesis)
• 의미 체계적 언어 모델링 (Semantic Language Modeling)

2_1. 엔티티(단어, 명사) 인식 (Entity Recognition)

• 단어 인식과 추출을 해준다.
• 그리고 인식한 걸, 분류한다.
• 예시1
  • 문장 : 마크 주커버그는 미국의 회사인 페이스북의 창립자이다.
  • 인물 : 마크 주커버그 / 조직 : 페이스북 / 위치 : 미국
• 예시2
  • 개인 맞춤 정보 추천 (광고 추천, 온라인 신문)
    • 기사를 보면, 유사 기사, 쇼핑몰에 관심있는 물품 추천
  • 빠르고 쉬운 정보 처리
  • 맞춤형 번역 제공
    • Drive: 운전하다 / 추친하다 / 동력을 공급하다

★★ 2_2. 감정분석 (Seniment Analysis)

• 텍스트에서 주관적인 정보를 추출 -> 긍정, 부정, 중립

3. text Analytics

• 실습 화면 (참고)

★★★ 2_3. 음성 인식 및 합성(speech Recongition and Synthesis) / (두개를 구분하는 문제! / 헷갈릴 가능성이 너무 높아 주의!) 

• speech Recongition 음성 인식
  • speech to Text : 음성이 들리는 걸, 텍스트로 바꾼다!! / 음성이 먼저 들어야 해
  • 예시 : 자동 자막, 이메일 작성, 보안 등..
• speech Synthesis 음성 합성
  • Text to speech : 텍스트를 음성으로 만드는 것 / 텍스트가 먼저야!!
  • 예시 : 시리, 빅스비, 대중교통 안내방송, 전자책 읽어주기 등..

5. Semantic Analysis (의미 분석)

• 단어의 중의성을 해소
• 의미적으로 맞지 않는 문장 파악
• 예시
  • David은 나보다 Jane을 더 좋아한다.
  • Tottengan is one of my favourites! -> 지역인지, 클럽인지 애매하다. / 즉 전체 문장을 통해 파악할 수 있다.
  • 냉장고가 김치를 먹는다.

6. Azure에서 자연어 처리

• 위와 비슷함 과정.

7. Language Undersanding(LUIS)

• 대화형 자연어 텍스트를 분석, 전반적인 의미/의도를 파악하고 자세한 정보 추출
• 발화/발언(utterance) : 밥 먹었어? 불좀 켜줄래?
• 의도(intent) : 내포된 의도
• 대화형이고, 그 안에 의도를 파악하면 LUIS가 정답

---

대화형 AI(conversation AI)

0. 목차

• 대화형 AI의 개념
• 봇에 대한 책임형 AI 지침
• 대화형 AI in Azure (아래 두 개중에 구분하는 문제가 출제된다)
  • QnA Maker Service
  • Azure Bot Service

1. 대화형 AI의 개념

• 기계가 인간의 언어를 이해, 처리, 반응 할 수 있도록 만드는 합성 지능.(핵심 키워드 : interactive)

2. 봇에 대한 책임형 AI 지침 - 참고용

• 봇이 할수 있는 것(할수 없는 것)에 대해 명백히 밝혀라
• 유저가 봇과 대화를 하고 있는지 명확히 해라
• 필요하다면 자연스럽게 사람에게 바통터치할 수 있도록해라 
• 문화적인 규범을 철저히 해라
• 봇이 할 수 있는 것과 없는 것을 명확히 밝혀라
• 개인정보를 존중해라.
• 누구에게 동등한 접근성을 제공해라.

3_1. 대화형 AI in Azure : QnA Maker 서비스

• 질문 및 답변 쌍의 기술 자료를들을 콘텐츠로 가져옴.(Knowledge Base(KB) - 이거를 기본으로 만든 다음에, 질문 답변을 함.)
• 아래 3개가 핵심이다.
  
  • 질문 및 답변을 입력 - 내가 직접 노가다로 다 치는 것 - KB 넣는 것.
  • 기존 FAQ(자주하는 질문) 문서에서 가져오기 - FAQ를 가져와서 KB에 넣는 것
  • 내장된 Chit-chat(잡담) 사용 - Chit-chat 끌어와서 KB에 넣는다.
• 다단계 대화(muti-turn Conversation) - 한번의 대화가 아니라, 여러번 대화가 가능함.
  • 복잡한 쿼리를 해결하는데 사용
  • 사용자가 원하는 답을 찾을 때까지 답변과 후속 메세지를 제공
  • AI가 주도하는 대화이다

3_2. 대화형 AI in Azure : Azure Bot 서비스

• 봇 구축을 위한 통합 개발 환경을 제공.
• portal.azure.com
•  

---

문제 풀이

0. 목차

3_01 : TP / 거의 TP와 FN만 나옴

3_02 : FN

 

4. 투명성 (transparency) : 2

 

5_1 : anomaly detection(이상감지)이다.: X / 가격은 회귀분석

5_2 : anomaly detection(이상감지): O

5_3 : anomaly detection(이상감지): X / 분류 / whether

 

6 : C (AI 신뢰성)

 

7 : 

Conversational AI : An automated chat to answer questions about refunds and exchange

Computer vision : Determining whether a photo contains a person.

Natural language processing : Determining whether a review is positive or negative.

 

8: A(Inclusiveness) : 포괄성 / 청각, 시각사람들도 설계

 

9 : 대부분 한번씩 사용하지만, 가끔은 두개가 같은 답일 수 있다.(거의 하나임)

Reliability and safety : Ensure that AI systems operate as they were originally designed, respond to unanticipated conditions and resist harmful manipulation.

(예상치 못한, 비정상적인, 시스템이 정상적으로 작동하도록 해야해 -> 그래야지 신뢰성 있게 반복적으로 사용함)

책임감(accountablity) : Implementing processes to ensure that decisions made by AI systems can be overridden by humans.

(AI가 만든 시스템이 무시될수 있도록 하는 것.)

Privacy and Security : Provide consumers with information and controls over the collection, use and storage of their data.

(고객 데이터를 모으는 것을 통제)

 

10 : C

핵심 문장 : consistent operation system during unexpected circumstances (예상치 못한 것에 유지해야 함)

 

11 : C / 문서 제공(expain, Provide)

핵심 문장 : transparency(투명성)