AIDE 2급 기출 예상 이론 정리 ② (데이러 라벨링 자격증 시험 준비)

AIDE 2급은 인공지능의 기초 이론과 전문 데이터 라벨러로서 능력을 인증받기 위한 자격증으로 '인공지능데이터전문가 2급'이라고도 합니다. AIDE 2급 자격증 취득을 위한 기출 예상 이론만 공부하여 정리하겠습니다. 꼼꼼하게 공부하면 이론 부분은 충분히 합격하실 수 있을 것입니다!

 

이번 포스팅에서는 AIDE 2급 기출 예상의 나머지 이론인 '[6] 유형별 데이터 라벨링 방법, [7] 인공지능 알고리즘, [8] 인공지능 객채검출 방법, [9] 핵심 딥러닝 알고리즘'에 대해 알아보겠습니다.

 

 

<목차>
[6] 유형별 데이터 라벨링 방법
[7] 인공지능 알고리즘
[8] 인공지능 객채검출 방법
[9] 핵심 딥러닝 알고리즘

 

 

[6] 유형별 데이터 라벨링 방법

 

24. 바운딩 : 마우스를 드래그하여 작업 대상에 박스를 그리는 작업

 

25. 감정분석 : 사진 속 사람의 표정을 보고 감정 상태를 추론하는 작업

 

26. 키포인트 : 작업 대상의 특정 지점에 마우스를 클릭하여 점을 찍는 작업

 

27. 얼굴 랜드마크 : 마우스를 클릭하여 얼굴 주요 부위에 점을 찍는 작업.

 

28. OCR : 이미지 속의 글자를 바운딩 한 후 태깅이나 전사하는 작업

 

29. 폴리곤 : 작업 대상의 외곽선을 따라 점을 찍음. 점이 선의 형태로 이어져 빈 공간 없이 대상을 검출하는 작업

 

30. 폴리라인 : 선을 라벨링할 때 주로 선택하는 작업 방식, 작업 대상을 따라 여러 개의 점을 연속적으로 그리는 작업

 

31. 스켈레톤 추출 : 작업 대상의 행동 패턴을 분석하기 위해 특정 부위에 점을 찍어주는 작업

 

32. 시멘틱 세그멘테이션 : 폴리곤, 폴리라인, 브러쉬 등을 사용하여 경계를 나누어 분할. 이미지 내의 모든 대상의 위치 및 모양 등을 영역으로 분류해 내는 작업

 

33. 특정 구간 추출 : 작업 대상이 사전에 제시된 기준에 해당하는 말이나 행동 등을 할 때의 구간을 선택하여 추출하는 작업

 

34. 문장 의미 비교 : 주어진 문장들의 의미가 같은 것인지를 태깅하는 작업

 

35. 감정 태깅 : 게시된 글을 읽었을 때 느껴지는 감정을 선택하는 작업

 

36. 키워드 찾기 : 대화 내용 속에서 핵심이 되는 키워드는 찾아내는 작업

 

37. 문장 요약 : 글을 읽고 핵심이 되는 내용을 요약하는 작업

 

38. 화자 구분 : 제시된 음성을 모두 듣고, 동일한 사람의 목소리인지를 판단하여 태깅하는 작업

 

39. 음성 받아쓰기 : 주어진 음성을 듣고 받아쓰는 작업 (이중전사, 일반전사)

 

 

 

[7] 인공지능 알고리즘

 

40. 딥러닝(Deep Learning)의 표현 방식

· 기계가 자동으로 대규모 데이터에서 패턴과 규칙을 학습

· 학습을 기반으로 의사 결정이나 예측 등을 수행하는 기술

· 여러 층을 가진 인공신경망(ANN)을 사용하여 머신 러닝 학습을 수행

 

41. 딥러닝의 구조

  ⓵ 입력층(input layer)  : 학습하고 데이터를 입력하는 층

  ⓶ 은닉층(hidden layer)  : 입력된 데이터를 여러 단계로 처리하는 층

  ⓷ 출력층(output layer) :  처리된 결과를 출력하는 층

 

 

42. 딥러닝의 동작 원리

· 인공지능의 학습을 위해 많은 양의 학습 데이터 필요, 학습에 필요한 데이터를 전처리하여 제공해야 함

· 딥러닝의 성은은 학습 데이터의 품질과 영향이 큼

· 딥러닝 학습을 위한 학습데이터 : 훈련(train) 데이터(80%) + 평가(test) 데이터(20%)로 분류하여 사용

· 훈련 데이터로 반복학습(epoch)하여 손실(loss)를 줄이고 정확도(accuracy)를 높인다.

· 시험셋(test)을 이용하여 학습이 잘되었는지 결과를 예측(predict)한다.

· 학습과 예측에서 좋은 결과가 나왔다면 실제 데이터를 입력하여 성능을 확인

 

43. 인공지능 프로그램 개발절차 5단계

⓵ 라이브러리 읽어 들이기

⓶ 데이터를 읽어 들이고 전처리하기

⓷ 신경망 만들기

⓸ 모델 만들기(학습하기)

⓹ 모델 적용하기(예측하기)

 

 

 

[8] 인공지능 객채검출 방법

 

44. single object (1개 객체) : 검출하려는 객체가 1개

· 분류(classification) + 영역표시(localization) + 바운딩 박스(bounding box)

 

● 분류(classification) : 인공지능 데이터셋을 학습하여 새로운 이미지를 식별하게 되는 과정, 학습되지 않은 것은 인식하지 못함

 

45.  multi object (여러 개 객체) : 검출하려는 객체가 여러 개

객체검출(object detection) + 의미적 분할(instance segmentation)

 

● 객체검출(object detection)

  - 학습을 통해 여러 개의 객체를 인식하고, 인식된 객체를 바운딩 박스와 색으로 영역을 표시하는 과정

  - 분류(classification)는 객체를 1개만 검출, 객체검출(object detection)은 객체를 1개 이상(여러 개) 검출

 

● 의미적 분할(instance segmentation)

  - 객체 인식에서 이미지 내의 의미있는 단위로 분할하는 작업

  - 정교하고 복잡한 인공지능 구현을 위해 이미지의 영역별 의미를 부여하는 경우 사용하는 방식

 

 

 

[9] 핵심 딥러닝 알고리즘

 

46. 합성곱신경망 - CNN(Convolution Neural Network)

· 영상 처리에 많이 활용된느 합성곱을 이용한 신경망

· 데이터의 특징을 분석하여 패턴을 파악하는 구조

· ( Convolution 컨볼루션 )과 ( Pooling 풀링 ) 과정으로 진행

 

47. 순환 신경망 - RNN(Recurrent Neural Network)

· 음성, 언어처리에 많이 사용되는 계층의 출력이 순환하는 신경망

 

48. 생성적 적대 신경망 - GAN(Generative Adversarial Network)

· 신경망끼리 경쟁하여 최적화하는 신경망

· 이미지 생성, 이미지 복원, 동작 흉내, 신약 개발, 음성 생성, 편집, 변환 등에 활용

· 생성자와 구분자가 서로 경쟁(Adversarial)하며 데이터를 생성(Generative)하는 모델

 

49. 저작권과 초상권

인공지능 및 빅데이터 생성, 관리 시에 저작권과 초상권 주의 필요

 

 

 

 

 

지난 포스팅에서는 AIDE 2급 기출 예상 이론 중 '[1] 4차 산업과 인공지능, [2] 인공지능 서비스, [3] 인공지능의 원리, [4] 인공지능의 장법론(인공지능의 분류), [5] 빅데이터'에 대해 정리했습니다. 

※ 내용이 궁긍하시다면 아래▼ 글을 클릭해 주세요!

 

2023.04.30 - [IT 정보 꿀팁] - AIDE 2급 기출 예상 이론 정리 ① (데이러 라벨링 자격증 시험 준비)

AIDE 2급 기출 예상 이론 정리 ① (데이러 라벨링 자격증 시험 준비)

 

 

 

AIDE 1급 자격증 기출 예상 이론 정리도 확인해 보세요!

2023.02.27 - [IT 정보 꿀팁] - AIDE 1급 자격증 기출 예상 이론 정리 (데이러 라벨링 자격증 시험 준비)

AIDE 1급 자격증 기출 예상 이론 정리 (데이러 라벨링 자격증 시험 준비)

 

 

※ 데이터 라벨러 입장에서 정의한 데이터 라벨링의 개념 - '데이터 라벨링(Data Labeling)이 뭔가요?'

2023.03.16 - [IT 정보 꿀팁] - 데이터 라벨링(Data Labeling)이 뭔가요?

데이터 라벨링(Data Labeling)이 뭔가요?