(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
- 데이터를 훈련 데이터 / 검증 데이터로 분리
- 함수(모델)가 훈련 데이터를 학습
- 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
- 훈련 / 검증 데이터 분리
- 모델이 확률값(0~1) 출력
- 시그모이드, 로지스틱 회귀 사용
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
- 데이터 분할 (훈련 / 검증)
- 모델 학습
- 학습된 모델 생성
- 검증 데이터 예측
- 평가 지표로 성능 측정
- 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
- 이미지 분류
- 객체 탐지 (Object Detection)
- 의미 분할 (Semantic Segmentation)
- 이미지 분석 (캡션 생성)
- 얼굴 탐지 & 인식
- OCR (광학 문자 인식)
3️⃣-1️⃣ Azure 컴퓨터 비전 서비스
- Computer Vision
- 이미지 설명, 객체 탐지, 얼굴 탐지, OCR
- Custom Vision
- Face API
- Form Recognizer
4️⃣ 자연어 처리 (NLP)
사람의 언어를 이해하고 처리하는 AI 기술
핵심 기능 5가지
- 엔티티 인식 (NER)
- 감정 분석
- 음성 인식 및 합성
- 기계 번역
- 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
Azure Bot Service
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