ITPE * JackerLab

개요Data-Centric AI는 인공지능 시스템의 성능을 향상시키는 데 있어 모델 아키텍처보다는 데이터 품질을 핵심 변수로 삼는 접근 방식입니다. 이는 기존의 모델 중심(Model-Centric) 접근과 달리, 데이터의 정확성, 일관성, 다양성, 레이블링 품질 등을 개선하여 AI 성능을 높이는 전략입니다. Andrew Ng 교수의 제안으로 주목받은 이 패러다임은 특히 소규모 데이터셋, 레이블 오류, 편향된 데이터 분포가 문제인 분야에서 효과적입니다.1. 개념 및 정의 항목 설명 정의Data-Centric AI는 모델은 고정한 상태에서 데이터를 개선함으로써 AI 성능을 향상시키는 전략입니다.목적데이터 품질 최적화를 통해 모델 학습의 효율성과 정확도를 높임필요성고성능 모델이 보편화된 시대에 진짜 차별화 ..

개요Self-Supervised Learning(SSL)은 별도의 인간 레이블 없이, 데이터 자체로부터 학습 신호를 생성하여 모델을 학습시키는 방법입니다. 주로 대규모 비정형 데이터(이미지, 텍스트, 오디오 등)에서 특징 표현(Representation)을 학습하는 데 활용되며, 최근 자연어 처리(NLP)와 컴퓨터 비전(CV) 분야의 혁신을 주도하는 핵심 기술로 자리잡았습니다.1. 개념 및 정의 항목 내용 정의데이터에서 일부 정보를 인위적으로 제거하고, 이를 복원하거나 예측하는 과제를 통해 학습하는 방법론목적인간의 직접 레이블링 없이 강력한 데이터 표현 학습필요성레이블링 비용 문제와 방대한 비정형 데이터 활용 한계 극복SSL은 지도학습(Supervised Learning)과 비지도학습(Unsupervi..