🌟 AWS Certified AI Practitioner (AIF-C01)를 위한 궁극적인 Memory Hooks

Source: Dev.to

머신러닝 기본

지도 학습 vs 비지도 학습

• 라벨 → 지도 학습
• 라벨 없음 → 비지도 학습

✔ 지도 학습 = 교사 + 정답
✔ 비지도 학습 = 패턴 찾기 (클러스터링, 세그먼트)

분류 vs 회귀

• 클래스 → 분류
• 숫자 → 회귀

과적합 vs 과소적합

• 과적합 = 너무 복잡 → 정규화 강화
• 과소적합 = 너무 단순 → 정규화 완화

주요 알고리즘

• 클러스터링 – 고객을 그룹화? 라벨 없음? → K‑Means
• 이미지 분류 – 꽃 분류 → k‑NN 또는 Decision Tree
• 이상 탐지 – 라벨 없음 + 비정상 탐지 → Autoencoders

GenAI 프롬프트 엔지니어링

• Few‑shot 프롬프트 – 형식 보여주기 → Few‑shot 프롬프트.
• 프롬프트 체이닝 – 다단계 워크플로우 → 프롬프트 체이닝.
• ReAct 프롬프트 – Reason + Action + Tool 사용 → ReAct.

Temperature

• 창의성 ↑ → Temperature ↑
• 일관성 ↑ → Temperature ↓

LLM 추론 파라미터

• Temperature – 창의성
• Top‑K – 토큰 선택 개수
• Top‑P – 확률 버킷
• Max Tokens – 출력 길이
• Frequency Penalty – 반복 단어 감소
• Presence Penalty – 반복 주제 억제

매핑

• 창의성 → Temperature / Top‑K / Top‑P
• 길이 → Max Tokens
• 반복성 → Frequency & Presence

Retrieval‑Augmented Generation (RAG)

Chunking 목적

Chunking = 더 나은 검색 → 더 좋은 컨텍스트

RAG 배치 단계

• ✔ 콘텐츠 임베딩
• ✔ 검색 인덱스 구축

이 배치에는 쿼리 임베딩이나 응답 생성은 포함하지 않습니다.

멀티모달 검색을 위한 LLM 유형

텍스트 + 이미지 쿼리 → 멀티모달 모델

ML 모델 평가

요약 메트릭

• ROUGE (기본)
• ROUGE가 없을 경우 → BLEU 선택

번역 메트릭

• BLEU / METEOR

분류 메트릭

• 불균형 데이터 → F1 Score
• 균형 데이터 → Accuracy

회귀 메트릭

• 숫자 예측 → MSE / RMSE

LLM 품질

• Perplexity – 모델이 얼마나 놀랐는가?

AWS 서비스 – 빠른 기억 포인트

• Model Cards – 거버넌스 + 문서화
• Model Monitor – 프로덕션 드리프트 감지
• Ground Truth – 인간 라벨링
• JumpStart – 사전 구축 모델 + 빠른 배포
• SageMaker Canvas – 코드 없는 데이터 준비
• HealthScribe – 의료 음성‑텍스트 변환
• Guardrails for Bedrock – 책임 있는 AI (안전 필터)
• PartyRock – 실험 + 학습 + 비용 없음 (VPC용이 아니며, 배포용이 아님)

GenAI 라이프사이클

Design → Data → Train → Evaluate → Deploy → Monitor

평가 단계

• 정확도 테스트
• 안전성 + 독성 테스트
• 환각 측정

추론

• Train = 학습
• Infer = 예측
• Deploy = 서비스 제공

임베딩

• 임베딩 = 의미 → 벡터
• 차원 축소 → 동일 의미 → 유사도 검색

기본 개념

파인‑튜닝

대형 모델에게 작은 작업을 잘 수행하도록 가르치는 것.

• 도메인‑특화 라벨 데이터
• 특정 작업 성능 향상
• 처음부터 재학습 아님
• 최근 사건 반영 아님

책임 있는 AI

안전 + 필터 + 독성 감지 → Guardrails 사용

최종 생각

이 기억 포인트들은 다음을 목표로 설계되었습니다:

• 시험 중 즉시 회상 가능하게
• 유사 개념 간 혼동 감소
• 정의를 외우기보다 패턴으로 자신감 구축

Danny Jessee가 진행한 QA/CloudAcademy 과정 “AWS Certified AI Practitioner (AIF‑C01) Certification Preparation”에서 얻은 인사이트를 활용해 준비했습니다.