Core Topic Flashcards
1
Q
인더스트리 4.0
A
▣ 정의 - IoT, BigData 등 ICT기술이 기계 산업의 융합을 통해 기계, 사람, 인터넷 서비스가 상호 연결되어 유연한 생산체계를 구현, 다품종 대량 생산이 가능한 생산 패러다임의 진화 ▣ 등장배경 - 숙련공 부족, 고령화, 짧아진 제품 라이프사이클, 제품 변동성 증가 ▣ 특징 - 생산 시스템의 수직적 네트워킹 - Value Chain 네트워크의 수평적 통합 - 전체 Value Chain에 걸친 엔지니어링 - 기하급수적 기술발전에 의한 가속화 ▣ 구성 1) IoS : MES, EMS, ERP, SCM, CRM, PLM 2) CPS : Smart Material/Machine/Product 3) IoT : 센서, 컨트롤러, 네트워크, 디바이스 ▣ 기반기술 - IoT, CPS, BigData, 스마트로봇, 시멘틱 메모리
2
Q
스마트팩토리
A
▣ 정의 - 전통적인 제조산업에 첨단 ICT 분야를 접목시켜 설비, 공정이 네트워킹 되어 생산 데이터가 실시간으로 활용되어 최적화 되고 효율적인 생산운영이 가능한 공장 ▣ 구성도 - 인더스트리4.0 구성도와 동일 ▣ 주요기술 - 생산설비 및 공정 모델링 - 공정 최적화 시뮬레이션 - 통합관제 기술 - 제조설비 플랫폼 - PC 기반 제조 설비 제어 - Semantic Product Memory
3
Q
CPS
A
▣ 정의 - Cyber System과 Physical System의 통합적 시스템으로 컴퓨팅, 통신 및 제어 기능이 물리세계의 사물들과 통합된 형태 ▣ 핵심 요구사항 (고자안보실) - 고신뢰성 - 자율성 - 안전성 - 보안성 - 실시간성 ▣ 구성도 - Sensor - Actuator - Controller - Network (유무선) ▣ 주요기술 1) HW : Sensor, Actuator, Controller 2) SW : Modeling, Real-Time Middleware, Autonomic Computing 3) NW - 유무선 통신 - DDS ▣ 적용 도메인 - 국방 : 전투 체계 시스템 - 에너지 : 스마트 그리드 - 교통 : 실시간 교통 - 안전 : 고신뢰, 고지능 안전 - 인터넷 : 자율구성 SNS, 가상현실
4
Q
4차 산업혁명
A
▣ 정의 - 설계, 제조, 유통, 서비스업과 정보통신기술을 융합해 작업 경쟁력을 높이는 차세대 산업혁명 ▣ 연혁 - 1차 : 증기, 철도, 선박 - 2차 : 전기, 전력, 가스 - 3차 : 컴퓨터, 인터넷 - 4차 : IoT, CPS, 융합 ▣ 특징 - ICT 기술중심 : CPS/ IoT/빅데이터/인공지능, SW프로세스 - 전 산업간 융합 : ICT+제조, ICT+비제조 - 산업질서 개편 대비 : 일자리 감소, 대/중/소 기업 공생 ▣ 해결방안 1) 정부 - 규제관련 법/제도 재검토 - 중소기업 참여 제도화 - 일자리 보장방안 마련 2) 산업 - ICT : 핵심기술 R&D 투자, SW프로세스 재구축 - 비ICT : 스마트공장, ICT융합 투자 3) 학계 - CPS, 인공지능 연구 - 새로운 문화/규범 공론화
5
Q
랜섬웨어
A
▣ 정의 - Ransom(몸값)과 SW의 합성어로 사용자의 중요 파일, 데이터등을 암호화하고 이를 볼모로 금전적 댓가를 요구하는 악성프로그램 ▣ 종류 - 스케어웨어 : 팝업창으로 감염사실 알림 - 락스크린 : FBI 사칭 - 네스티 스터프 : 개인중요파일 암호화 ▣ 유형 1) 화면잠금형 - FBI/Police 랜섬웨어 - Winlock 2) 파일암호화형 - 크립토라커 - 테슬라스크립트 - 크립토월 ▣ 감염경로 - 이메일 : 스피어 피싱 - 위변조 사이트 : 워터링 홀, 드라이브 바이 다운로드, 파밍, DNS포이즈닝 - 사회공학 : 첨부파일/악성코드 실행 ▣ 방지방법 - 관리적 : 불필요 파일 다운로드 금지, 사용자 보안 인식 제고, 교육, 모의 훈련, 비상연락망 - 물리적 : 백업, 개인암호설정, 읽기전용 설정, 파일권한 설정 - 기술적 : 백신 실시간 감시, 행위기반 악성코드 탐지, 유해 사이트 차단
6
Q
기계학습
A
▣ 정의 - 환경과의 상호작용에 기반한 경험적인 데이터로부터 스스로 성능을 향상시키는 시스템을 연구하는 과학과 기술 ▣ 근본 원리 - 균등 : 차이 증명 관측 후 구별 - 오캄 : 단순 모델 선호 - 양보 : 효율과 성능의 양보 ▣ 구성 - 적응식 신경망 - 학습신호 발생기 ▣ 유형 1) 지도학습 - 방법 : 목표치 주어짐 - 알고리즘 : 신경망, 은닉마르코프모델, 의사결정트리, 다층신경망, 서포트벡터머신, 베이지안망 - 활용 : 이미지 인식, OCR, 음성인식, NLP, 추세예측(회귀분석) 2) 비지도학습 - 방법 : 목표치 주어지지 않음 - 알고리즘 : 군집화, K-Means, 계층적군집화, 자기조직지도, 주성분분석, 독립성분석 - 활용 : 마케팅고객 세분화, 기체의 분포 독성 분석 3) 강화학습 - 방법 : State, Action, Reward - 알고리즘 : Brute Force, 몬테카를로, 동적프로그래밍 - 활용 : 로봇제어, 게임개인화, 공장최적화
7
Q
KNN(K-Nearest Neighbor)
A
▣ 정의 - 새로운 Fingerprint를 기존 클러스터 내의 모든 데이터와 Instance기반 거리를 측정하여 가장 많은 속성을 가진 클러스터에 할당하는 군집 알고리즘 ▣ 특징 - 최고인접 다수결 : 가장 유사한 K개의 데이터 분류 - 유사도 기반 : 유클리디언, 마할라노비스, 코사인 - Laze Learning : 새로운 입력 후 분류 시작 - 단순유연성 : 단순모형 ▣ 원리 1) 새로운 Fingerprint 입력 확인 2) 명목변수기반 그룹분류 3) 거리측정 4) K 선정 5) 클러스터 매칭
8
Q
의사결정나무
A
▣ 정의 - 모형의 구축과정을 나무형태로 표현하여 대상이 되는 집단을 몇 개의 소집단으로 구분하는 분류 및 예측 기법 ▣ 절차 (변모분활) 1) 변수식별 - 연속형, 범주형 2) 모형형성 - 분할, 가지치기 3) 분석모형 도출 - 회귀나무, 분류나무 4) 활용 - 분류, 예측 ▣ 구성요소 - 뿌리마디 - 부모마디 - 자식마디 - 중간마디 - 가지 - 끝마디 ▣ 나무형성과정 1) 성장단계 : 순수도, 불순도 측정 2) 가지치기 : 사전, 사후 가지치기 3) 타당성 평가 : 이익/위험 도표, 검증용 자료, 교차 타당성 4) 해석 및 예측 : 세분화, 분류, 예측, 변수선택, 교호작용 ▣ 알고리즘 1) 다지분리 - ID3 - CHAID 2) 이지분리 - CART - QUEST ▣ 장단점 1) 장점 - 해석의 용이성 - 교호효과의 해석 - 비모수적 모형 - 강건성 - 경제성 2) 단점 및 대안 - 비연속성 : 앙상블 기법 통한 경계점 처리 - 비안정성 : 배깅, 부스팅, k-fold - 복잡성 : 분리기준, 가지치기 엄격화 - 선형 예측력 부족 : 신경망 - 표본 크기 민감 : 충분한 데이터
9
Q
분류화 (Classification)
A
▣ 개념 - 분류결과가 알려진 유사 데이터를 사용하여 규칙들을 찾아낸 다음, 그 규칙들을 분류결과가 알려지지 않은 해당 데이터에 적용하여 결과를 예측하는 방법 ▣ 단계 1) 훈련집합 생성 2) 데이터 전처리 수행 3) 분류 모델 생성 4) 분류 모델 검증 5) 분류 모델 적용 ▣ 분류 알고리즘 - CART, C4.5, CHAID, 신경망
10
Q
군집분석
A
▣ 정의 - 개별 데이터들 간의 유사성을 측정하여 유사한 자료를 같은 그룹으로 모으는 기법 ▣ 분류 1) Partitioning methods - 사전 결정된 군집들의 수 사용 - K-Means, K-medoids, PAM, CRARA, CRARANS 2) Hierarchical methods - 병합 또는 분할 방법 - CURE, CHAMELON, BIRCH 3) Model-based methods - 모델 추정 반복 방법 - EM(Expectation Maximization)
11
Q
K-Means
A
▣ 정의 - 군집별 중심 값에서 중심과의 거리를 기반으로 데이터를 분류하는 군집 기법 ▣ 특징 - Data 중심점 : 상호배타적 - 거리기반 분류기법 : 유클리디안 - 데이터군 양자화 : 오류 최소화 - 속도 및 구현 : 빠른 산출 ▣ 군집화 단계 1) 군집의 수 K를 정의 2) 초기 K개 군집의 중심 선택 3) 각 관측 값들을 가장 가까운 중심의 군집에 할당 4) 새로운 군집의 중심 계산 5) 재정의 된 중심값 기준으로 다시 거리기반의 군집 재분류 6) 군집 경계가 변경되지 않을 때까지 반복
12
Q
인공신경망(ANN, Artificial Neural Network)
A
▣ 정의 - 사람의 두뇌를 모델로 하여 여러 정보를 처리하는 데 두뇌와 비슷한 방식으로 처리하기 위한 알고리즘. ▣ 구성요소 - 입력층, 은닉층, 은닉마디, 출력층 ▣ 신경망 분류 1) 디지털 입력 - 지도학습 : ADALINE, 퍼셉트론 - 자율학습 : ART1 2) 아날로그 입력 - 지도학습 : 퍼셉트론, 다중 퍼셉트론, 특징맵 - 자율학습 : SOM, ART2, 특징맵
13
Q
인공신경망 활성화 함수
A
▣ 개념 - 뉴런의 출력을 조정하는 함수 ▣ 분류 - 단극성 / 양극성 - 선형 / 비선형 - 연속 / 이진 ▣ 유형 1) 항등함수 - 양극성, 선형 - 입력의 가중합 그대로 출력 2) 경사함수 - 단극성, 선형 3) 계단함수 - 단극성 또는 양극성 - 디지털 형태 출력 4) 시그모이드 함수 - 단극성 또는 양극성, 비선형 연속 - S 자 모양 이므로 S 형 곡선이라고도함
14
Q
딥러닝
A
▣ 정의 - 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘 ▣ 부각배경 - 기존 신경망 모델 단점극복 - 병렬처리, HW 발달 - 빅데이터 ▣ 알고리즘 (심합순제신) - 심층 신경망 (Deep) - 합성곱 신경망 (Convolutional) - 순환 신경망 (Recurrent) - 제한 볼츠만 머신 (Restricted Boltzmann Machine) - 심층 신뢰 신경망 (Deep Belief) ▣ 활용분야 - 음성인식 : 코타나, 나우, 시리 - 영상인식 : 자동 캡쳐, 주변 인식 - 자연어처리 : 자동번영, 감정분석 - 독성학 : 약학 가상실험
15
Q
딥러닝 프레임워크
A
▣ 종류 (더케채 까싱텐 토 모)
1) Phyton
- Theano : 다차원 배열, 행렬
- Keras : 레이어, 액티베이션 함수, 최적화 기법
- Chainer : Define-by-Run 형태
2) C++
- Caffe : 표현력, 속도, 모듈화
- SINGA : 분산처리 학습 알고리즘
- TensorFlow : 데이터 플로우 그래프 방식
3) Lua
- Torch : 구글, 페이스북
4) Julia
- Mocha.jl : 모듈화 구조/이식성/빠른속도
