JSON Schema란? AI 답변 형식을 정하는 데이터 설계도
JSON Schema는 JSON 데이터가 따라야 할 필드, 타입, 필수값, 허용 범위를 정하는 규칙입니다. AI 구조화 출력과 자동화에서 왜 중요한지 쉽게 정리했습니다.
데이터 증강(Data Augmentation)이란? AI 학습 데이터를 늘리는 방법
데이터 증강은 기존 학습 데이터를 현실적인 방식으로 변형해 AI 모델이 학습할 수 있는 예시의 다양성과 수를 늘리는 방법입니다.
Top-p란? AI 답변 후보 범위를 조절하는 샘플링 값
Top-p는 AI가 다음 토큰을 고를 때 누적 확률 기준으로 후보 범위를 좁히는 생성 설정값입니다.
어텐션(Attention)이란? AI가 문맥에서 중요한 정보를 고르는 방식
어텐션은 AI 모델이 입력 안에서 중요한 정보에 더 큰 비중을 두는 메커니즘입니다. 셀프 어텐션, 트랜스포머, 컨텍스트 윈도우와의 차이까지 쉽게 정리했습니다.
양자화(Quantization)란? AI 모델을 작고 빠르게 쓰는 방법
양자화는 AI 모델의 숫자 표현을 더 낮은 정밀도로 바꿔 모델 크기와 메모리 사용량을 줄이는 최적화 방법입니다.
모델 드리프트(Model Drift)란? AI 성능이 시간이 지나며 흔들리는 이유
모델 드리프트는 AI 모델이 배포된 뒤 현실 데이터나 사용자 행동이 바뀌면서 예전처럼 잘 맞지 않게 되는 현상입니다.
AI 벤치마크(Benchmark)란? 모델 성능 점수 읽는 쉬운 기준
AI 벤치마크는 여러 AI 모델이나 시스템을 같은 시험 조건에서 비교하기 위한 표준 테스트입니다.
인퍼런스(Inference)란? AI 모델이 답을 만들어 내는 실행 단계
인퍼런스는 학습이 끝난 AI 모델에 새 입력을 넣고 실제 답, 예측, 분류, 요약 같은 결과를 얻는 실행 단계입니다.
PII(개인 식별 정보)란? AI에 넣기 전 알아야 할 개인정보 개념
PII는 이름, 이메일, 전화번호, 위치, 얼굴, 계정 ID처럼 단독으로 또는 다른 정보와 결합해 특정 개인을 식별하거나 추적할 수 있는 정보입니다.
퓨샷 프롬프팅이란? 예시로 AI 답변을 맞추는 방법
퓨샷 프롬프팅은 AI에게 몇 개의 입력-출력 예시를 보여 주어 원하는 답변 형식과 판단 기준을 따라 하게 만드는 프롬프트 작성 방식입니다.
