일정 (링크)
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
- 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%)
- 목차
- Azure 인공지능
- 인공지능이란?
- 인공지능 워크로드
- MS Azure의 인공지능
- 책임있는 AI
- AI의 도전과 위험
- 책임 있는 AI의 원칙
- Azure 인공지능
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
- 개인 맞춤 정보 추천 (광고 추천, 온라인 신문)
★★ 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)
'🥾 프로젝트 > (자격증)AI-900' 카테고리의 다른 글
(230209) MS AI-900 합격 후기 (0) | 2023.02.09 |
---|---|
(230207) 한국어 덤프 문제 풀이-2 (0) | 2023.02.07 |
(230206) 한국어 덤프 문제 풀이-1 (0) | 2023.02.06 |