AI 강건성(Robustness)이란? 예상 밖 입력에도 성능을 지키는 능력
AI 강건성은 입력과 사용 환경이 달라져도 허용 가능한 성능을 유지하고 예상 밖 상황에서 피해를 줄이는 능력입니다. 정확도·일반화·회복탄력성·보안과의 차이, 쉬운 예시와 점검법을 설명합니다.
배치 크기(Batch Size)란? AI가 한 번에 학습하는 데이터 묶음
배치 크기는 AI 모델이 가중치를 한 번 업데이트하기 전에 처리하는 학습 사례의 수입니다. 에폭·스텝·학습률·기울기 누적과의 차이, 메모리와 학습 속도에 미치는 영향을 쉽게 설명합니다.
피처 엔지니어링(Feature Engineering)이란? AI가 원시 데이터를 학습 신호로 바꾸는 과정
피처 엔지니어링은 원시 데이터에서 모델 학습에 도움이 될 특징을 고르고, 만들고, 변환하는 과정입니다. 특징·전처리·특징 추출·Feature Store와의 차이, 쉬운 예시와 실전 주의점을 설명합니다.
로짓(Logit)이란? AI가 확률로 바꾸기 전 만드는 원시 점수
로짓은 AI 분류 모델이나 언어 모델이 확률로 바꾸기 전에 내놓는 정규화되지 않은 원시 점수입니다. 확률·소프트맥스·로그프로브와의 차이, 쉬운 예시와 실전 주의점을 설명합니다.
MLOps란? AI 모델을 개발·배포·모니터링하는 운영 방식
MLOps는 머신러닝 모델을 실험에서 끝내지 않고 개발·검증·배포·모니터링·개선까지 반복 가능하게 운영하는 방식입니다. DevOps·ML 파이프라인·LLMOps와의 차이를 쉽게 설명합니다.
AI 정렬(Alignment)이란? 인공지능을 사람의 의도와 가치에 맞추는 개념
AI 정렬은 인공지능의 행동과 결과를 사람의 의도, 목표, 가치와 안전 기준에 맞추려는 연구와 실천입니다. RLHF·가드레일·AI 안전과의 차이, 실제 점검법을 쉽게 설명합니다.
근사 최근접 이웃 검색(ANN)이란? AI가 비슷한 벡터를 빠르게 찾는 방법
근사 최근접 이웃 검색은 벡터 인덱스로 후보를 좁혀 대규모 데이터에서 비슷한 항목을 빠르게 찾는 방법입니다. 정확 KNN과의 차이, 재현율·속도 절충, RAG 적용법을 쉽게 설명합니다.
속성 기반 접근 제어(ABAC)란? AI 권한을 조건으로 나누는 방법
속성 기반 접근 제어는 사용자·자원·행동·환경의 속성을 정책과 비교해 접근을 결정하는 인가 방식입니다. RBAC와의 차이부터 AI 에이전트·RAG 적용법과 주의점을 쉽게 설명합니다.
텐서 코어(Tensor Core)란? AI 행렬 계산을 빠르게 하는 GPU 연산 장치
텐서 코어는 NVIDIA GPU 안에서 행렬 곱셈과 누적 연산을 빠르게 처리하도록 설계된 전용 연산 장치입니다. CUDA 코어·텐서·TF32·혼합 정밀도와 차이, 성능과 정확도 주의점을 쉽게 설명합니다.
단어 오류율(WER)이란? 음성 AI의 받아쓰기 정확도를 재는 방법
단어 오류율은 음성 AI의 받아쓰기 결과를 사람이 만든 정답 전사와 비교해 대체·삽입·삭제 오류가 얼마나 생겼는지 나타내는 지표입니다. 계산법, CER·정확도와 차이, 실무 평가 주의점을 쉽게 설명합니다.
