(자격증) AI-900: Microsoft Azure AI Fundamentals 기본 개념 정리 02

(자격증) AI-900: Microsoft Azure AI Fundamentals 기본 개념 정리 02

AI는 단순한 기술이 아니라 사회적 영향력을 가진 의사결정 시스템입니다.
따라서 AI를 이해할 때는 책임있는 AI → 머신러닝 → 컴퓨터비전 → 자연어처리 → Azure AI 서비스 흐름으로 접근하는 것이 가장 효과적입니다.

1️⃣ 책임있는 AI (Responsible AI)

AI를 설계 · 운영할 때 반드시 지켜야 할 6가지 핵심 원칙입니다.

1. 공정성 (Fairness)

• 성별, 인종, 장애 여부 등에 따른 차별적 결과 금지
• 편향된 데이터(Bias)가 결과에 반영되지 않아야 함
• 예: 대출 심사에서 특정 인종·성별이 불리하면 안 됨

2. 신뢰성 & 안정성 (Reliability & Safety)

• 예외 상황에서도 일관되고 안전한 동작 보장
• 예:
  암 진단 모델에서
  • 기준: 0.5 이상 = 암, 0.5 미만 = 정상
  • 결측값을 0으로 자동 입력 → 평균 왜곡 → 오진 위험 증가

3. 보안 & 개인정보 (Privacy & Security)

• 개인의 민감 정보(질병, 금융, 위치 등) 보호
• 데이터 유출 및 무단 접근 방지 필수

4. 포괄성 (Inclusiveness)

• 모두를 위한 AI
• 장애인 접근성 고려
  • 고대비 모드
  • 화면 읽기
  • 음성 입력 / 받아쓰기
  • 돋보기 기능

5. 투명성 (Transparency)

• AI의 판단 근거를 설명 가능해야 함
• 예:
  • 왜 대출이 거절되었는가?
  • 이 진단 결과의 주요 근거는 무엇인가?

6. 책임감 (Accountability)

• AI 결정은 항상 인간이 통제
• AI가 핵폭발 버튼을 누르라고 판단해도
  → 인간이 언제든 중단 가능해야 함

2️⃣ 머신러닝 (Machine Learning)

머신러닝이란
과거 데이터를 기반으로 미래를 예측하는 기술입니다.

머신러닝 유형 3가지

• 회귀 (Regression) : 지도학습, 레이블 있음
• 분류 (Classification) : 지도학습, 레이블 있음
• 군집 (Clustering) : 비지도학습, 레이블 없음

1. 회귀 (Regression)

• 연속적인 값을 예측
• 예: 날씨에 따른 운동량 예측

학습 과정

1. 데이터를 훈련 데이터 / 검증 데이터로 분리
2. 함수(모델)가 훈련 데이터를 학습
3. 검증 데이터로 모델 성능 평가

회귀 평가 지표

• R² (R-Squared) : 모델 설명력
• MAE : 평균 절대 오차
• MSE : 평균 제곱 오차
• RMSE : 제곱 오차의 제곱근 (큰 오차에 민감)

2. 분류 (Classification)

• 데이터를 이유 있게 묶음
• 결과값
  • 이진 분류: 0 / 1
  • 다중 분류: 0, 1, 2 …

분류 흐름

1. 훈련 / 검증 데이터 분리
2. 모델이 확률값(0~1) 출력
3. 시그모이드, 로지스틱 회귀 사용
   • 0.5 초과 → 1
   • 0.5 미만 → 0

분류 성능 평가 – Confusion Matrix

• TP: 예측 O / 실제 O
• TN: 예측 X / 실제 X
• FP: 예측 O / 실제 X
• FN: 예측 X / 실제 O

정확도(Accuracy)
= (TP + TN) / 전체 데이터 수

3. 군집 (Clustering)

• 정답 데이터가 없음
• 대표 알고리즘: K-Means
• 특징
  • 데이터 간 거리가 가까울수록 같은 군집
  • 중심점(Centroid)을 반복 이동
  • 군집 면적이 최소가 되는 지점 탐색

머신러닝 전체 프로세스 요약

1. 데이터 분할 (훈련 / 검증)
2. 모델 학습
3. 학습된 모델 생성
4. 검증 데이터 예측
5. 평가 지표로 성능 측정
6. 반복 개선

데이터가 퍼진 정도 = 편차(Variance)

2️⃣-1️⃣ Azure 머신러닝

• 클라우드 기반 기계학습 플랫폼
• 컴퓨팅 환경, 데이터셋, 평가 도구 제공
• AutoML을 통해 최적 알고리즘 자동 선택
• 최적화된 모델(Optimized Model) 제공

Azure ML Designer

• 블록 / 파이프라인 기반 시각적 개발
• 데이터 로딩 → 전처리 → 학습 → 평가
• 추론 파이프라인 생성 및 서비스 배포

3️⃣ 컴퓨터 비전 (Computer Vision)

이미지를 이해하고 해석하는 AI 기술

핵심 기술 6가지

1. 이미지 분류
2. 객체 탐지 (Object Detection)
3. 의미 분할 (Semantic Segmentation)
4. 이미지 분석 (캡션 생성)
5. 얼굴 탐지 & 인식
6. OCR (광학 문자 인식)

3️⃣-1️⃣ Azure 컴퓨터 비전 서비스

• Computer Vision
  • 이미지 설명, 객체 탐지, 얼굴 탐지, OCR
• Custom Vision
  • 사용자 데이터 기반 모델 생성
• Face API
  • 얼굴 전용 탐지 및 인식
• Form Recognizer
  • 영수증, 송장 등 정형 문서 인식

4️⃣ 자연어 처리 (NLP)

사람의 언어를 이해하고 처리하는 AI 기술

핵심 기능 5가지

1. 엔티티 인식 (NER)
2. 감정 분석
3. 음성 인식 및 합성
4. 기계 번역
5. 의미 기반 언어 모델링

4️⃣-1️⃣ Azure 자연어 처리 서비스

Language

• 언어 탐지
• 핵심 문구 추출
• 엔티티 인식
• 감정 분석
• 질문 답변
• 대화 이해

Speech

• Text to Speech
• Speech to Text
• 음성 번역

Translator

• 텍스트 번역

Azure Bot Service

• 대화형 AI(챗봇) 개발 플랫폼

5️⃣ Azure AI 서비스 구조

• Azure Machine Learning
• Cognitive Services (Vision / Language / Speech / Decision)
• Azure Bot Service
• Azure Cognitive Search

Cognitive Service 사용 필수 요소

• REST Endpoint
• Authentication Key

6️⃣ AI 기술 계층 구조

AI
→ ML
→ DL
→ GA (Generative AI)

Cloud
→ AI
→ Data

7️⃣ OpenAI 플랫폼

• 대화형 AI
• 코드 및 이미지 생성
• 생성형 AI 서비스

마무리

AI는 기술, 윤리, 데이터, 클라우드가 결합된 종합 시스템입니다.
특히 Azure AI는 책임있는 AI 원칙을 실제 서비스에 구현하는 데 강점이 있습니다.

마이크로소프트 내 연습문제 풀어보기

https://learn.microsoft.com

• (자격증) AI-900: Microsoft Azure AI Fundamentals 기본 개념 정리 02
• “먹으면 졸려” 조현병 약 끊고 회칼로 ‘유일한 친구’ 살해…징역 30년 (2026-02-20)
• (자격증) AI-900 – Azure 기초 개념 정리
• 니파바이러스감염증 핵심 궁금증 6가지
• 구혜선의 화법에 대해 조언해주는 오은영 박사