AI-900 시험이란?

출처 : https://learn.microsoft.com/ko-kr/certifications/exams/ai-900

시험 난이도

결론부터 말하자면 2일정도 공부하고 합격했다
AI에 대해 배경지식은 뭐..그냥 없다고봐도 무방한 사람(나)도 합격한걸보면
내용이 크게 어렵지 않고 문제은행식으로 나오기때문에 시간 많이 투자 안 하더라도 충분히 붙을 수 있는 시험인듯

장점

• 쉽다
• AI의 종류와 용도를 알 수 있다! 이런 문제 상황에서 이런 AI솔루션을 사용해야되는구나 ~ 정도는 알게됨. 근데 디테일하게는 아님..

단점

• 공부자료가 영어.. (시험은 한글, 영어 선택해서 볼 수 있음) 공부하면서 토익 RC 푸는 기분을 계속 느껴야함. 리딩실력이 느는지는... ㅎㅎㅎㅎ

시험방식

• 집에서 본다. 시험 운영업체(?) 쪽에서 Teams 링크 보내주시면 거기로 접속해서 카메라 켜고 시험 방식 안내받고 시험보면 된다. 치팅 금지!
• 1시간 정도 볼 수 있음. 근데 천천히 풀어도 20분정도 걸리더라. 시간 여유있으니 느긋하게 봐도될듯

공부 내용 정리

---

Module 1 - AI란 무엇인가?

Six principles for responsible AI

Fairness

• AI는 모든 사람을 공정하게 대해야 한다.
• 대출승인을 위한 머신러닝 모델을 만드는 경우, 모델이 대출 승인 여부를 결정하는 데 있어 성별, 인종 등의 요인에 대한 편견이 반영되어서는 안된다. 특정 그룹에게 유리하거나 불리한 판단을 내릴 수 있기 때문
• 데이터의 편향
• 성별, 인종 차별

Reliability and safety

• AI는 믿을만하고 안전하게 동작해야 한다
• 자율주행을 위한 AI나 증상을 진단하고 처방을 내리는 머신러닝 모델을 생각해보자. 신뢰할 수 없는 시스템은 인간의 생활에 중대한 위험을 미칠 수 있다.
• AI기반 소프트웨어의 개발자들은 엄격한 테스트를 수행해야 하고, 출시 전 시스템이 예상한 대로 동작할 것임을 보장하기 위한 관리 프로세스를 마련해야 한다.
• 비정상이나 누락값
• 예기치 못한 상황에도 작동해야 한다.

Privacy and security

• 안전해야 하며, 사생활을 존중해야 한다.
• AI시스템의 근간이 되는 머신러닝 모델은 대량의 데이터에 의존하는데, 이 데이터는 개인정보를 포함할 수 있다. 이 개인정보들은 프라이빗하게 지켜져야 한다. 모델이 훈련 완료되어 시스템이 만들어진 이후에도, 시스템은 예측 또는 행동을 취하기 위해 새로운 데이터를 사용한다. 이때 사생활과 보안에 매우 신경써야 한다.

Inclusiveness

• 모두가 사용할 수 있어야 하며 모두가 관여할 수 있어야 한다.
• 사회의 모든 분야에 이익을 가져와야 한다. 이는 신체적 능력, 성별, 성적지향, 인종 그 외 다른 요인에 의해 제한되어서는 안된다.
• 청각/시각 장애가 있는 등 특정 사용자 그룹을 제외하는 것

Transparency

• 이해할 수 있어야 한다.
• 사용자가 시스템의 목적, 작동 방식, 한계에 대해 충분히 알 수 있어야 한다.
• 모듈을 설명, 이해할 수 있어야 한다.
• 사용된 요소를 설명할 수 있어야 한다.
• 디버그 문서를 제공해야 한다.
• 결과/결정에 대한 설명을 제공해야 한다.

Accountability

• 사람들이 AI시스템에 대한 책임을 저야 한다.
• AI기반 솔루션의 디자이너와 개발자는 솔루션이 명확하게 정의된 윤리 및 법적 표준을 충족하도록 보장하는 거버넌스 및 조직 원칙의 프레임워크 내에서 작업해야 한다.
• 시스템이 내린 결정을 인간이 철회

Module 2 - 머신러닝

머신러닝이란?

• 과거 데이터에서 관련성을 찾아 예측 모델을 만드는 것
• 데이터를 두 개로 쪼갠다(split data)
• 하나는 traing data로 학습 데이터를 통해 모델을 만든다
• 하나는 validation data로 모델에 넣어서 예측이 잘 되는지 검증한다.
• 랜덤하게 행으로 분할한다.

Regression - 회귀 분석

• 함수 식에 값을 넣어서 미래를 예측하는 분석방법
• 편차를 줄이고 정확한 예측 모델을 찾는 것이 핵심

Classification - 분류

• True Positive : 실제 값과 예측 값이 같고, True로 예측
• True Negative : 실제 값과 예측 값이 같고, False로 예측
• False Positive : 실제 값과 예측 값이 다르고, True로 예측
• False Negative : 실제 값과 예측 값이 다르고, False로 예측

Clustering - 군집 분석

• 반복적으로 묶고 평균을 내서 데이터 안의 비슷한 패턴과 구조를 발견

Azure Machine Leaning Cloud

• Azure Cloud 기반 머신러닝 플랫폼
• Azure 구독 내에 ML Workspace 가 들어있고, Workspace 내에 컴퓨팅, 실험, 데이터, 모델, 서비스 등이 들어 있다.
• Azure Machine Learning designer 를 통해 머신러닝 파이프라인을 생성할 수 있다.
• 자동화 머신러닝 - 데이터를 넣고 어떤 알고리즘, 모델을 선택할지 사용자가 선택하고 데이터 로드, 임계값을 정해주면 인공지능이 알고리즘을 테스트한 후 가장 적합한 모델을 찾아준다.

Module 3 - Computer Vision

컴퓨터비전이란?

• 이미지, CCTV, 동영상 파일을 통해 학습
• 학습할 데이터에 픽셀 값 세팅
• 픽셀에 RGB를 입히고 색을 조합해 이미지를 추출
• Image Classification : 이미지를 업로드하고 레이블 값을 알려주면 컴퓨터가 이미지의 특성을 분석하고 인지
• Object Detection : 사각형 박스를 통해 물체 탐지
• Semantic Segmentation : 물체 자체를 인식
• Image Analysis : 이미지를 분석해 텍스트로 안내 제공
• Face Detection & Recognition : 사람 얼굴 데이터만 추출
• Optical Character Recognition : 길거리 표지판, 영수증, 손글씨 등 문자 인식 ****

컴퓨터 비전 in Azure

• 특정 서비스용 독립 실행형 리소스와 여러 서비스용 일반 Cognitive Services 리소스가 있다.
• REST 엔드포인트에 주소를 붙여 인증 키 값을 달아 사용
• 사전에 학습된 모델
• 미리 정의된 10000개 이상의 클래스에 대한 개체 감지
• 이미지 설명 및 태그 생성
• 얼굴 감지 및 분석
  • 연령, 감정, 유사성 일치, 본인 여부 확인
• 콘텐츠 조정 : 나이, 폭력, 성적 요소 조정
• 텍스트 감지 및 OCR
  • 텍스트 위치 검색 : 인쇄, 수기 문서에서 검색
  • Form Recognizer Service : 이미지 또는 PDF 형식으로 스캔된 양식에서 정보를 추출, 사용자 고유 양식 또는 사전 학습된 모델을 사용, 텍스트 추출 뿐 아니라 양식 필드의 의미 인식 수행

Module 4 - NLP

NLP 란

• Text analysis and entity recognition : 텍스트를 분석해서 명사를 따로 뽑아내는 기술
• Sentiment analysis : 텍스트에 있는 내용을 분석해 텍스트의 전반적인 내용이 긍정적인지 부정적인지 분석 ****
• Speech recognition and synthesis : AI가 음성을 인식해 텍스트로 바꿔주거나 텍스트를 음성으로 변환하여 제공
• Machine translation : 텍스트를 통해 사용자가 원하는 언어로 변환
• Semantic language modeling : 의미 체계적 언어 모델링

Module 5 - 대화형 AI

대화형 AI란?

• 에이전트와 인간 사이에 대화를 가능하게 하는 솔루션 aka 봇
• 웹 채팅 인터페이스, 이메일, 소셜 미디어 플랫폼, 음성 등을 통해 참여 가능

봇에 대한 책임형 AI 지침

1. Be transparent about what the bot can (and can't) do.

   봇이 할 수 있는 일과 할 수 없는 일을 확실히 해야 합니다.

2. Make it clear that user is communicating with a bot

   사용자가 봇과 확실히 통신해야 합니다.

3. Enable the bot to seamlessly hand-off to a human if necessary

   필요한 경우 봇에서 인간으로의 전달이 원활하도록 해야 합니다.

4. Ensure the bot respects cultural norms

   봇이 문화적 규범을 존중하도록 해야 합니다.

5. Ensure the bot is reliable

   봇을 신뢰할 수 있어야 합니다.

6. Respect user privacy

   사용자 개인 정보 보호를 존중합니다.

7. Handle data securely

   데이터 보안 처리를 관리합니다.

8. Ensure the bot meets accessibility standards

   봇이 접근성 표준을 충족하도록 해야 합니다.

9. Assume accountability for the bot's actions

   봇의 행동에 대한 책임을 집니다.