개념 자료

자격증 개념 정리

시험에 나오는 개념을 3D 그림과 예제로 풀어 정리했습니다. 문제의 보기를 가르는 기준이 무엇인지에 초점을 맞춥니다.

• 프롬프트 엔지니어링 기법제로샷·퓨샷·사고의 연쇄·네거티브 프롬프트·템플릿이 모델 출력을 어떻게 바꾸는지, 그리고 프롬프트를 노리는 공격까지.
• 검색 증강 생성(RAG)모델이 모르는 문서를 찾아 붙여 답하게 하는 방법. 청킹·임베딩·벡터 검색·그라운딩, 지식 베이스 관리와 평가, 파인튜닝과 고르는 기준까지.
• LLM 작동 원리LLM이 글을 만드는 과정을 처음부터 따라갑니다. 다음 토큰 예측, 토큰, 임베딩, 트랜스포머와 어텐션, 학습, temperature·top-p, 컨텍스트 윈도우까지.
• 파인튜닝이미 학습된 모델을 내 데이터로 더 학습시켜 가중치를 다듬는 방법. 학습 데이터 준비, 에폭·학습률·과적합, PEFT·LoRA, 추가 사전 학습·지시 튜닝·선호 학습·지식 증류, 파괴적 망각, 그리고 언제 파인튜닝을 고르는지까지.
• AI 모델 평가 지표모델이 쓸 만한지 숫자로 판단하는 법. 정확도의 함정, 혼동 행렬과 정밀도·재현율·F1, ROC·AUC, MAE·RMSE, BLEU·ROUGE와 의미 유사도, LLM 채점과 충실도·관련성, A/B 테스트와 비즈니스 지표까지.
• 머신러닝 기초AI·머신러닝·딥러닝의 관계부터 특성과 레이블, 학습·검증·테스트 데이터, 지도·비지도·강화 학습, 의사결정나무와 대표 알고리즘, 과적합과 과소적합, 경사 하강과 하이퍼파라미터, 결측값·스케일링 같은 데이터 준비까지.
• AI 에이전트물으면 답하는 챗봇을 넘어 스스로 계획하고 도구를 써서 일을 끝내는 AI 에이전트. 함수 호출, ReAct와 계획, 단기·장기 메모리, 멀티 에이전트와 오케스트레이션, MCP·A2A, 최소 권한과 사람 승인 같은 안전장치까지.
• 환각과 가드레일생성형 AI가 틀린 말을 자신 있게 하는 환각이 왜 생기고 어떻게 줄이는지, 그리고 해로운 요청·답을 막는 가드레일. 입력·출력 점검, 콘텐츠 필터와 강도, 개인정보 가리기, 레드팀 테스트까지.
• 책임 있는 AI공정성·신뢰성·개인정보·포용성·투명성·책임성 원칙과, 이를 지키는 방법. 데이터에서 오는 편향, 공정성 지표와 80% 규칙, SHAP·LIME 같은 설명 가능성, 모델 카드, AI 거버넌스와 위험 기반 규제까지.
• MLOps (머신러닝 운영)머신러닝 모델을 만들고 운영하는 일을 체계로 묶은 MLOps. 생애 주기, 파이프라인과 재현성, 모델 레지스트리, 배치·실시간 추론과 카나리·섀도·블루/그린 배포, 드리프트 모니터링, 재학습 전략, 학습-서빙 차이와 특성 저장소, LLM 서비스 운영까지.