연합학습 (Federated Learning)

1. 연합학습 (Federated Learning)의 개념 및 필요성 (1) 연합학습의 개념 개념도 개념 분산 저장된 데이터 이동 없이 각 장치의 학습 결과를 수집/종합하여 모델을 생성하는 분산형 머신러닝 기술 (2) 연합학습의 필요성 대규모 데이터 관리 대용량 데이터 저장 및 전송이 불필요하므로 대규모 데이터 관리 용이 분산 시스템 활용 분산된 장치의 학습 결과만 종합하므로 중앙 서버는 고성능 컴퓨팅

PIM (Processing-in-Memory)

1. PIM (Processing-in-Memory)의 개요 (1) PIM의 개념 및 필요성 개념 필요성 CPU-메모리 병목으로 인한 작업 처리 성능 저하 극복 위해 메모리 칩 내 연산기를 배치하여 데이터 이동 최소화 기반 작업 처리 성능을 향상시키는 메모리 반도체 – 폰노이만 아키텍처 한계 극복 – 인공지능, 빅데이터 실시간 처리 – 데이터 병목 현상 최소화 – 메모리 내 연산으로 성능

차분 프라이버시 (DP, Differential Privacy)

1. 차분 프라이버시 (DP, Differential Privacy)의 개요 개념 개인정보 추론 방지를 위해 데이터 삽입/삭제 또는 변형에 의한 질의 결과의 변화량을 일정 수준 이하로 유지함으로써 정보 노출을 제한하는 프라이버시 보호 기술 필요성 차분 프라이버시 적용 시 데이터 공개 메커니즘만으로는 임의의 레코드가 포함된 데이터셋과 포함되지 않은 데이터셋을 구별(differentiate) 하기 어려우므로 민감 데이터유출에 대한 안전성 확보 가능  

ICT 기술을 이용한 재해 예측 및 대응 방안

1. 재해의 분류 및 파급 효과와 재해 예측/대응 필요성 자연 재해는 예방이 불가능하므로 ICT 기술 기반 예측 및 대응을 통해 피해를 최소화 사회적 재해는 발생 위협 차단을 통해 재해를 예방하고, 재해 발생 시 신속한 대응 필요   2. ICT 기술 기반 재해 예측/예방 방안 (1) ICT 기술 기반 자연 재해 예측 방안 예측 유형 예측

채널 제어 방식

1. 채널 제어 방식의 개념 개념도 개념 여러 장치가 연결되는 채널 제어기에 입출력 명령을 전달하여 중앙처리장치 개입 없이 입출력을 수행하는 방식 DMA 한계를 극복하고 여러 Block I/O 처리, DMA 제어기의 기능을 향상 시킨 전용 입출력 프로세서(I/O Processor) 사용   2. 채널 제어 방식의 제어 과정 및 입출력 채널 유형 (1) 채널 제어 방식의 제어 과정

PWA (Progressive Web App)

1. PWA (Progressive Web App)의 개념 및 특징 개념 특징 웹 브라우저에서 Native App 같은 사용자 경험을 제공하기 위해 서비스워커, 매니페스트 기반 표준 패턴을 사용하는 Web App 기술 – Native App 같은 사용자 경험 제공 – 웹 브라우저에서 바로 실행 – 프리캐시 기반 페이지 표시 속도 향상 – https 기반 보안 강화, 푸시알림 기능 2015년

생성형 AI (Generative AI)

1. 생성형 AI (Generative AI)의 개요 (1) 생성형 AI의 개념 및 특징 개념 특징 대규모 데이터에서 패턴과 규칙을 학습하여 사용자 요구에 따라 언어, 이미지, 영상 등의 결과물을 능동적으로 생성하는 AI 기술 – 대규모 데이터 학습 및 자율 판단 수행 – 사용자 요구에 따라 새로운 콘텐츠 생성 – 언어 대화 등 사람과 자연스러운 상호작용 (2) 인공지능과

NTP (Network Time Protocol)

1. NTP (Network Time Protocol)의 개념 및 특징 개념 특징 컴퓨터 시스템 간 시간 동기화를 위해 GPS나 원자 시계를 기준으로 시간을 조정하여 밀리초(1/1000초) 단위까지 시간을 맞추는 네트워크 시간 동기화 프로토콜 – NTP 서버 기준 NTP 클라이언트 시간 동기화 – 기준 장비에서 일반 호스트까지 계층 구조 – UDP 123 포트 사용, 1/1000초 단위 동기화 최근 사용하는

파인튜닝 (Fine-Tuning)

1. 파인튜닝 (Fine-Tuning)의 개념 및 필요성 개념 필요성 인공지능 모델이 특정 작업이나 도메인에 적합하도록 이미 훈련된 인공지능 모델에 특정 데이터셋을 적용하는 미세 조정 기법 – 특정 작업/도메인에 적합한 모델 생성 – 적은 데이터셋으로 높은 학습 효과 – 신규 데이터에 대한 추론 성능 향상 파인 튜닝을 통해 학습 데이터가 적은 상황에서 특정 분야 인공지능 모델의 일반화

다단계 페이지 테이블(Multi-level Page Tables)

1. 고정 크기 분산 메모리 할당, 페이징 기법의 개요 (1) 페이징 기법의 개념 개념 개념도 메모리를 고정 크기의 프레임으로 나누어 페이지 번호와 프레임 번호를 맵핑하여 분산 할당하는 메모리 관리 기법 (2) 페이징 기법의 메커니즘 p: page number, f: frame No. (physical address), d: page offset ① logical address의 주소 이용 page number 확보 ② page table에서