KT 32

[AICE ASSOCIATE] 개요 및 합격 후기

합격한 김에 개설한 AICE 탭. 추후에 PROFESSIONAL을 칠 수도 있으니 기록관리도 할겸앞으로 몇 개의 포스팅을 할 예정이다. AICE ASSOCIATE을 준비하는 이들에게 도움이 되었으면 한다.     AICE란? AICE는 KT와 한국경제신문에서 공동으로 발급하는 자격으로, 인공지능 활용능력을 측정하는 시험이다.  AICE는 난이도에 따라 Professional / Associate / Basic / Junior / Future 5단계로 구분된다. Basic 이하는 코딩이 없기 때문에 사실상 학생을 대상으로 한 시험으로,취직에서 이점을 얻기는 어렵다. 따라서 본인이 취준생이나 직장인이라면최소 Associate부터 준비한다고 생각해야 한다.     AICE Associate 시험 구성 AICE..

[TIL] [KT AIVLE School] 에이블스쿨 DX 트랙 16주차 1~2일. 제안서 작성

이제부터는 제안서 작성이다. 제안 전략 단계의 개념들이 재등장하고,그것들을 적재적소에 활용하며 효과적으로 표현하는 방법을 배운다. 사실, 학원에서 일하던 시절에 투자제안서를 한 번 써 본 적은 있다.제안서는 다 만들었는데 코로나 때문에 투자가 취소됐었다. 그때 노베이스 독학으로 꾸역꾸역 했던 기억을 살려서,이번엔 제대로 해 보자.  제안서 이해 회사의 문서를 크게 추상화해 보면,다음과 같이 나누어 볼 수 있다. 보고서특정 대상에게 정보를 전달하기 위한 문서.시장조사 보고서시장조사 결과 분석조사목적, 방법, 결과, 결론업무 보고서업무 진행 상황 등 전반적 사항 보고진행상황, 예산 사용 내역, 성과기획 보고서특정 이벤트(워크샵 등)을 안내정보 제공, 의사결정 지원  기획서프로젝트나 제품의 방향성을 제시하여 ..

[TIL] [KT AIVLE School] 에이블스쿨 DX 트랙 15주차 4일. 제안 전략 수립(4) 마케팅 커뮤니케이션

솔루션을 짰다면, 마케팅 측면에서의 고려가 필요하다. 즉, 고객(사)가 솔루션을 직관적으로 인지할 수 있도록 가공하는 과정이 필요하다. 이때 우리는 솔루션의 컨셉과 가치사슬/역가치사슬을 마련해야 한다. 또한 고객과 커뮤니케이션하는 과정에서 사용하기 위해감각화, 스토리텔링, 세일즈툴킷, 질문법에 대해서도 배워 본다.  솔루션 컨셉 정의 고객은 대개 IT 전문가가 아니며, 따라서 솔루션을 직관적으로 이해하기 어렵다. 따라서 우리는 고객이 솔루션을 인지하도록 '컨셉'을 정의해야 한다. 고객에게 제시되어야 할 점은 두 가지.왜 이 솔루션을 도입해야 하는가? → 필요성 측면왜 우리의 솔루션을 써야 하는가? → 차별성 측면중요하니까 다시 한번 정리하자. 관계자 측면가치 측면필요성고객 - 자사기능 가치 - 사용 가치..

[TIL] [KT AIVLE School] 에이블스쿨 DX 트랙 15주차 2일. 제안 전략 수립(2) 정보 조사

정보의 유형 어제 포스트의 마지막 부분을 다시 끌고 와 보자.정보Nice to KnowBiz와 직접적 연관이 없는 정보-Need to KnowBiz 전반의 도메인 지식(QCDT)고객의 필요성을 충족Have to Know편의성, 디자인, 상징성 등제품/서비스의 차별성을 충족 필요성 + 차별성 → 고객 가치 창출 이렇게 정보를 분류함으로써,우리는 필요한 정보와 그렇지 않은 정보를 나눌 수 있게 된다.바닷물을 끓이지 말라. 컨설팅계에서 유명한 격언이라고 한다.모든 것을 조사하는 건 불가능하고 불필요하단거지.       정보 조사 가설 지향 프로세스컨설팅을 위한 조사는, 가설 확인 측면에서 이루어진다.핵심이슈에 대해 가설을 설정한 후,조사를 거듭하며 가설 수정, 재설정을 거쳐 결론에 도달하는 것이다.가설은 2가..

[TIL] [KT AIVLE School] 에이블스쿨 DX 트랙 14주차 3일. 클라우드 서비스(3). 스토리지 서비스, 데이터베이스 서비스, 마이크로 서비스

스토리지 서비스 스토리지의 유형 스토리지의 종류는 세 가지,블록 스토리지, 파일 스토리지, 객체 스토리지로 나뉜다.  블록 스토리지블록 스토리지는 데이터를 블록 단위로 나누어 저장한다. 각 블록의 크기가 균일한 고로데이터 입출력 성능이 좋다. (IOPS에 대해 신속한 검색이 가능하다.) 대용량 트랜젝션이/대규모 데이터 저장이 용이한 고로기업들이 가장 많이 쓰는스토리지이다.AWS에서는 EBS라는 이름으로 제공되어EC2에 사용할 수 있다. 하나의 EBS는 하나의 가용 영역 안에서만 쓰일 수 있으므로,가용 영역이 다른 인스턴스에 제공되지는 않는다. 다른 리소스들과 마찬가지로 AMI로 백업하여EC2 객체 템플릿으로 쓸 수 있다.주의해야 할 점 하나. 동일 가용 영역 안이므로 위와 같은 연결도 가능은 하다... ..

[TIL] [KT AIVLE School] 에이블스쿨 DX 트랙 13주차 1일. IT 인프라(1). 스위치 네트워크, IP 네트워크

4차 5차 미프와 에이블데이까지 겪고 나서 하는 오랜만의 포스팅.  포스팅 할 거리가 넘쳐난다. 와중에 이번주 토요일에는 경영정보 시각화 필기시험이 있다 ㅎㅎ 화이팅     IT 인프라 정의IT로 서비스하기 위한 모든 기반시설(자원)을 의미한다.네트워크서버데이터베이스정보 보안시스템 소프트웨어 이것들은 세 가지의 주요 구성요소를 가지고 있다.하드웨어(HW)물리적 장비PC, CPU, 서버, 스토리지, 라우터, 스위치소프트웨어(SW)프로그램OS, Database, MS office네트워크장비를 연결하는 장비 또는 연결 그 자체공유기(라우터), 스위치*, 방화벽, 케이블 * 라우터, 스위치 등이 하드웨어에도 있고 네트워크에도 있다.네트워크는 HW, SW를 가리지 않고 연결을 담당하는 녀석들을 포괄하는 개념이기 ..

[TIL] [KT AIVLE School] 에이블스쿨 DX 트랙 10주차 4일. 딥러닝 심화(3). Object Detection

오늘부터 김건영 강사님께서 강의를 하신다. 중독성 있는 스피치를 소유하고 계신다. 지~난번에 했었던 CNN(합성곱신경망)을 바탕으로 ,Vision Task를 중점적으로 배울 예정.  1. Computer Vision Task말 그대로, 시각적 요인들을 컴퓨터로 인식/처리하는 방법들의 총체를 가리킨다. 세부 분야로는 다음과 같은 것들이 있다.분야대표적인 데이터셋Image Classification이미지 분류MNISTFashion MNISTCIFAR-10/100Caltech-101/256ImageNetImageNette / ImageWoofObject Detection객체 탐지PASCAL VOCMS COCOOpen ImagesKITTIArgoverseGlobal WheatObjects365SKU-110KVi..

[TIL] [KT AIVLE School] 에이블스쿨 DX 트랙 10주차 3일. 딥러닝 심화(2). RAG

지난 줄거리.NLP 분야의 독보적 혁신을 몰고 온 Transformer 아키텍처.그러나 이를 바탕으로 등장한 LLM은모델이 학습하지 않은 내용을 전혀 예측하지 못한다는 문제가 발견되는데... 오늘을 LLM의 한계를 극복하기 위한 방법들.그중에서도 RAG에 대해 알아본다.     1. LangChainLangChain은 LLM 기반 개발을 지원하는 라이브러리로,강사님의 표현을 빌리자면 지금 가장 핫한 녀석이다. 기본적으로 LangChain에서는 세 가지 메시지를 사용한다.SystemMessage시스템의 롤과 환경을 정의함HumanMessage사람이 던지는 질문AIMessage인공지능의 대답 이렇게 역할을 분리하고 대화 자체를 구조화함으로써 관리가 용이해진다. 이녀석은 sklearn처럼 다양한 모듈들을 지원..

[TIL] [KT AIVLE School] 에이블스쿨 DX 트랙 10주차 1일. 딥러닝 기초(4). 총정리 + CNN

오늘은 총복습 + CNN을 배운다. ADsP도 잘 끝났고, 2주 후 SQLD, 4주 후 경영정보시각화... 바쁘다 바빠.   CIRSP-DM 한기영 강사님께서 주구장창 강조하시는 CRISP-DM. 어제 ADsP 시험에서도 요긴하게 써먹었더랬다. Business Understanding비즈니스 문제 정의가설 수립데이터 분석의 방향성 수립 Data Understanding 원본식별분석을 위한 구조 만들기 : Data Dictionary 구성, x record가 하나의 자료(사건)임을 잊지말자.EDA & CDA : 단변량분석 / 이변량분석 등 활용 Data Preparation모든 셀은 값이 있어야 한다. : NaN이 없어야 한다.모든 값은 숫자여야 한다. : 가변수화를 진행해야 한다.숫자의 범위가 일치해야 ..

[TIL] [KT AIVLE School] 에이블스쿨 DX 트랙 9주차 5일. 딥러닝 기초(3). 성능관리

성능 튜닝의 기본 방법 튜닝의 기본 목표는 val 성능을 잘 뽑는 것이다. 우리가 추구하는 바는 모집단을 예측하는 거니까. 따라서 모델링의 최종 지향점은 일반화 성능이다. 이를 위하여 다양한 시도를 해 볼 수 있는데,learning_rate을 조절한다거나, epochs를 바꾼다거나, node를 늘릴 수도 있겠지. 딥러닝에서 우리가 조절해야 할 하이퍼파라미터는 다음과 같다.1. Epoch 와  learning_rate - 둘이 약한 Trade-off 관계인 것처럼 다루어야 한다. - Epoch가 부족하면 학습이 채 되지 않을 수 있고, 지나치면 과적함의 위험이 커진다.2. Hidden layer의 수, node의 수 - 늘어날수록 파라미터(가중치)의 개수가 늘어난다. - 파라미터의 수가 많다 = 연결이 많..