Microsoft Big Data 및 AI 자격증 취득을 위한 Study Repository입니다.
-
[지역선도대학 육성사업-전공자격증 집중캠프] Microsoft AI 및 빅데이터 자격증 교육과정 수강
-
Microsoft 국제인증 자격증이란?
Microsoft 자격증은 전 세계에서 인정되며 디지털 및 클라우드 비즈니스 분야의 기술을 숙달했음에 대한 업계에서 보증하는 증거를 제공함으로써 직업적 이점을 제공합니다.
-
Cloud 및 AI 자격증 취득 과정
교육 일정: 2023년 1월 16일(월) ~ 19일(목)
시험 일정: 2023년 1월 20일(금) 14:00, 18:00
취득 날짜: 2023년 1월 20일(금)
⦁ 클라우드 컴퓨팅 = 사용자의 직접적인 활발한 관리 없이 특히, 데이터 스토리지와 컴퓨팅 파워와 같은 컴퓨터
⦁ 시스템 리소스를 필요 시, 곧바로 제공
⦁ IT 관련 서비스를 빌려주는 것
⦁ 서버를 기업에게 빌려주는 것 & 빌려주는 속도 ↑↑
⦁ IBM → 기업이 주로 가진 컴퓨터 ⇒ 사람들이 접속할 수 있는 공간
⦁ 서버는 관리가 중요 → 에러↓ / 속도↑ / 비용↓
⦁ ex) WAS Server, DB MySQL
⦁ 클라우드 = 가상화(:OS를 여러 개 만드는 것)
⦁ 가상화를 쓴다 = 서버를 쓴다 = Hypervisior를 설치
⦁ 서버는 1대로는 X (2대 이상은 써야함)
⦁ 서버를 한 곳에 모아서 관리 = 데이터 센터(Data Center)
∴ 클라우드 = 데이터 센터(서버x서버x서버)에 가상화 소프트웨어 Hypervisior를 통해 여러 OS 이용
1) Public Cloud: 다른 회사에게 돈을 지불 후 빌려 쓰기 → 사용한 만큼만 비용 청구!
ex) AWS, Azure, NCP
2) Private Cloud: 데이터 센터를 내 컴퓨터 환경에서 가상화하여 사용
ex) VMware(=서버, 전산실)
3) Hybrid Cloud: 클라우드 + 온프레미스(On-premise) ※ 온프레미스: 클라우드가 아닌 나의 인프라(클라우드 사용 전)
ex) 웹서버(Azure + DB): 내 컴퓨터 환경
1) 인프라만 있으면 된다.(서버, 네트워크, 스토리지) ⇒ IaaS(Infra as a Service)
ex) 가상 머신(Virtual Machine)
2) 개발을 할 수 있는 플랫폼, 환경(MySQL 설치)까지 빌린다. ⇒ PaaS(Platform as a Service)
ex) Azure Web App
3) 인프라부터 App까지 전부 빌린다. ⇒ SaaS(Software as a Service)
ex) MS 365
⦁ 정의: 통신을 위한 숫자로 된 컴퓨터의 주소 ⇒ 네트워크인터페이스(NIC)에 담김
⦁ 종류
1) Private IP: 겹칠 수 있는 IP(중복 가능) ⇒ 특정 내부 망에서만 or 나의 네트워크 안에서만
2) Pubilc IP: 겹칠 수 없는 IP(중복 X) ⇒ 고유한 IP<->서버, 주민번호, 외부망에서도 사용 가능
- 단점: 1) 비용이 비쌈 / 2) 보안에 취약
⦁ 세상에는 Private IP >>> Pubilc IP ⇒ Private IP가 훨씬 더 많음 / Why? 누구나 만들어 줄 수 있기 때문
⦁ Public IP = 신원확보(고유함, 전 세계 어디에서나 유일) But, 보유하는 순간부터 비용 발생 & 가격이 비쌈
⦁ 백업 중요
⦁ 서버는 데이터 센터 안에 있다.(데이터 센터도 여러 개 있을 수 있다. = 정전에 대비)
⦁ 지역 Region = 국가적 개념: 망 사용료/정책
⦁ 가용성(=백업)이 높은 순서 : VM < 가용성 집합 < 가용성 영역
⦁ 가용성 집합: 1개의 데이터 센터 내의 백업
⦁ 트래픽(접속자 수)이 내가 지정한 기준치(ex. CPU 50%)를 넘겼을 때 생성
⦁ 자동적으로 VM이 알아서 n대씩 생성되는 것
⦁ 성능을 Up 된 상태로 생성될 수 있음 ex) 원래 VM은 2core 4Mem → 새로운 애들은 4core 8Mem로 4개씩 생성
⦁ 자동으로 줄어듦
⦁ 인바운드 = 외부에서 나한테 들어오는 규칙
⦁ 아웃바운드 = 내가 외부로 나가는 규칙
1) CapEx(자본 지출)
⦁ 온프레미스와 관련(클라우드 안 쓰는 기존의 기업 형태)
⦁ 실제 인프라와 관련한 선불 지출
⦁ CapEx의 비용에 해당하는 가치는 시간이 지날수록 감소
2) OpEx(운영 비용)
⦁ 클라우드 쪽
⦁ 필요에 따라 종량제로 제품 및 서비스 비용 지출
⦁ 즉시 청구됨
ex)
Azure는 CapEx의 예시로서 사용한 만큼 비용을 청구 합니다. = N
OpEx의 예시로서, 데이터 센터의 전기세를 지불해야 합니다. = Y
CapEx의 예시로서, 당신 고유의 데이터 센터를 배포할 수 있습니다. = Y
⦁ 정의: 인간의 행동과 기능을 모방하는 소프트웨어를 만드는 것
⦁ 주요 워크로드
1) 기계 학습: AI 시스템의 기초, 데이터를 통해서 예측하고 결론을 도출하기 위한 컴퓨터 모델을 가르치는 방법
2) 변칙 검색: 시스템에서 오류 또는 비정상정인 활동을 자동으로 감지할 수 있는 기능
3) 컴퓨터 비전: 카메라, 비디오 및 이미지를 통해 세계를 시각적으로 해석할 수 있는 소프트웨어 기능
4) 자연어처리: 컴퓨터가 글씨 또는 음성 언어를 해석하고 동일하게 응답할 수 있는 기능
5) 지식 마이닝: 종종 대용량의 비정형 데이터에서 정보를 추출하여 검색 가능한 지식 저장소를 만드는 기능
⦁ 정의: 수학 및 통계를 사용하여 알 수 없는 값을 예측할 수 있는 모델을 만드는 기술
⦁ 목표: 기존 데이터를 이용하여 앞으로의 일을 예측(일반적인 규칙이나 패턴을 학습)
⦁ 이점
1) 인사이트 얻기: 기계 학습을 통해 정형 데이터와 비정형 데이터 모두의 패턴 또는 구조를 식별하여
데이터가 말하는 스토리를 파악할 수 있음
2) 데이터 무결성 개선: 데이터 마이닝에 매우 유용하며, 한 단계 더 발전하여 시간이 지나면서 기능 개선 가능
3) 사용자 환경 향상: 적응형 인터페이스, 대상 지정된 콘텐츠 챗봇 및 음성 사용 가상 도우미를 사용한 환경 향상
4) 위험 감소: 사기 전략이 계속 변화하기 때문에 기계 학습도 이에 따라 새로운 패턴을 모니터링하고
식별하여 사기 전략이 성공하기 전에 시도 단계에서 포착
5) 고객 행동 예상: 고객 관련 데이터를 마이닝하여 패턴과 행동 양식을 파악함으로써 제품 권장 사항을 최적화
하고 최상의 고객 경험을 제공할 수 있도록 함
⦁ Microsoft Azure의 기계 학습(Machine Learning)
1) 자동화된 기계학습
2) Azure Machine Learning Designer
3) 데이터 및 컴퓨팅 관리
4) 파이프라인
⦁ 정의: 시각적 처리를 다루는 AI 분야
⦁ 종류
1) 이미지 분류: 콘텐츠에 따라 이미지를 분류하는 기계학습 모델 교육
2) 개체 감지: 이미지 내의 개별 개체를 분류하고 경계 상자를 사용하여 해당 위치를 식별
3) 의미 체계 구분: 이미지를 픽셀 단위로 정교하게 분석
4) 이미지 분석: 이미지에서 정보를 추출하는 고급 이미지 분석 기술 + 기계 학습 모델
5) 얼굴감지, 분석 및 인식: 이미지에서 사람의 얼굴을 찾는 특수한 형태의 개체 감지
6) 광학 문자 인식(OCR): 이미지의 텍스트를 검색하고 읽는 데 사용되는 기술
⦁ Microsoft Azure의 컴퓨터 비전(Computer Vision)
1) Computer Vision: 이미지 및 영상 분석 설명, 태그, 개체 및 텍스트 추출
2) Custom Vision: 사용자 고유 이미지를 사용하여 이미지 분류 및 개체 검색
3) 얼굴: Face 서비스를 사용하여 얼굴 감지 및 얼굴 인식
4) From Recognizer: 특정 양식의 문서나 청구서에서 정보 추출
⦁ 정의: 문어와 구어를 이해하는 소프트웨어 생성을 다루는 AI 영역
⦁ 종류
1) 음성 언어 해석: 소리에서 글자 그대로를 가져옴
2) 언어 간 구어, 문어구 자동 번역
3) 텍스트 분석 및 해석
4) 명령 해석 및 적절한 작업 결정
5) 음성 응답 합성
⦁ Microsoft의 자연어 처리(NLP)
1) 언어: 텍스트 이해 및 분석, 언어 모델 학습, 지능형 애플리케이션 빌드
2) Translator: 텍스트를 60개 이상의 언어로 번역
3) Speech: 음성을 인식, 음성 합성, 음성 언어 번역
4) Azure Bot: 에이전트와의 대화 기능, 채팅 봇 만들기 및 관리
⦁ 정의: 대량의 비정형 데이터에서 정보 추출 후 지식 저장소 생성
⦁ Microsoft Azure의 지식 마이닝
1) Azure Cognitive Search: 데이터를 모아서 색인을 매긴 후에 저장
-> 내부, 외부에서 쉽게 검색할 수 있도록 해줌
2) 이미지 처리, 자연어 처리와 같은 Azure의 AI 기능을 사용하여 더 놀라운 검색 가능
⦁ 담당 AI의 이해
⭐ AI는 6가지 원칙에 의해 설계 ⭐
1) 공정성
2) 신뢰성 및 안정성
3) 개인정보 보호 및 보안
4) 포용성
5) 투명성
6) 책임성