주피터 노트북(Jupyter Notebook)이란? AI 실험의 코드·설명·결과를 담는 문서
주피터 노트북은 실행 가능한 코드, 설명, 데이터와 시각화 결과를 셀 단위로 한 문서에 담는 대화형 컴퓨팅 문서입니다. 파이썬 스크립트·IDE·Google Colab·NotebookLM과의 차이, AI 실험에서 쓰는 맥락과 주의점을 설명합니다.
온톨로지(Ontology)란? AI가 개념과 관계를 이해하도록 돕는 지식 체계
온톨로지는 특정 분야의 개념, 속성, 관계, 규칙을 명시적으로 정의해 사람과 시스템이 같은 뜻으로 이해하도록 만든 지식 체계입니다. 택소노미·지식 그래프·스키마와의 차이, AI 검색과 에이전트 활용, 설계할 때의 주의점을 설명합니다.
기울기 클리핑(Gradient Clipping)이란? AI 학습 폭주를 막는 방법
기울기 클리핑은 신경망 학습 중 기울기가 정한 한계를 넘으면 크기를 줄여 갑작스러운 가중치 변경을 막는 안정화 방법입니다. 학습률·정규화·기울기 소실과의 차이와 실전 점검법을 설명합니다.
감성 분석(Sentiment Analysis)이란? AI가 글의 긍정·부정을 분류하는 방법
감성 분석은 리뷰와 설문 답변에 드러난 태도를 긍정·부정·중립 등으로 분류하는 자연어 처리 작업입니다. 의견 채굴·감정 인식·텍스트 분류와의 차이와 실전 주의점을 설명합니다.
쿼리 확장(Query Expansion)이란? AI 검색이 질문을 넓혀 찾는 방법
쿼리 확장은 사용자의 검색어에 동의어·표현 변형·관련 질의를 더해 찾을 문서 후보를 넓히는 검색 기법입니다. 쿼리 재작성·맞춤법 교정·시맨틱 검색·리랭킹과의 차이와 실전 주의점을 설명합니다.
객체 탐지(Object Detection)란? AI가 사진 속 사물의 위치를 찾는 방법
객체 탐지는 이미지나 영상에서 사물의 종류와 위치를 함께 찾는 컴퓨터 비전 작업입니다. 이미지 분류·이미지 분할·OCR과의 차이, 경계 상자와 신뢰도 점수, 실전 주의점을 설명합니다.
결측값 대체(Imputation)란? AI 데이터의 빈칸을 다루는 방법
결측값 대체는 데이터에서 빠진 값을 평균, 중앙값, 최빈값 또는 추정값으로 채우는 전처리 방법입니다. 삭제·보간과의 차이, 데이터 누수 방지, 실전 주의점을 설명합니다.
생성 모델(Generative Model)이란? AI가 새 콘텐츠를 만드는 기본 원리
생성 모델은 학습 데이터의 구조와 패턴을 익혀 새로운 데이터나 콘텐츠를 만들어 내는 모델입니다. 생성형 AI·LLM·확산 모델·판별 모델과의 차이, 쉬운 예시와 주의점을 설명합니다.
배치 추론(Batch Inference)이란? AI가 많은 데이터를 한꺼번에 처리하는 방법
배치 추론은 여러 입력을 모아 AI 모델의 예측을 한꺼번에 실행하는 방식입니다. 실시간·비동기 추론과의 차이, 쉬운 예시, 활용법과 주의점을 설명합니다.
SLO(Service Level Objective)란? AI 서비스가 지켜야 할 성능 목표
SLO는 일정 기간 동안 AI 서비스가 달성하려는 신뢰성과 성능의 수치 목표입니다. SLI·SLA·오류 예산과의 차이, 챗봇 사례, 실전 설정법을 설명합니다.
