[컴퓨터학개론] AI시대의 컴퓨터 개론 - 내용 점검 문제 6장

본 게시글은 AI시대의 컴퓨터 개론 - 내용 점검 문제 6장 풀이입니다. 제가 이 책을 공부하면서 풀었던 풀이의 흔적이므로 정답이 아닐 수 있습니다. 혹여나 틀린 부분이 있어 오류를 댓글로 지적해주신다면 감사하겠습니다.

 

객관식

1. 인공지능 역사로 바르지 않은 것은?

A. 앨런 튜링이 제시한 논리적 모델이 인공신경망 퍼셉트론의 원류이다.

B. 로젠블랫은 인공신경망의 근간이 되는 퍼셉트론을 개발한다.

C. 전문가 시스템은 특정분야에 전문가가 지닌 지식과 경험 및 노하우를 컴퓨터에 정리 표현해 빠른 시간에 전문지식을 이용할 수 있도록 하는 인공지능의 한 분야이다.

D. 힌튼은 신경망에 deep을 붙여 심층신경망이라는 용어를 사용하면서 본격적인 딥러닝 시대가 찾아온다.

인공신경망 퍼셉트론의 원류는 워렌 맥컬러치와 월터 피츠가 1943년에 제안한 인공 뉴런 모델이다. 앨런 튜링은 기계의 지능을 판별하는 튜링 테스트를 제안했으나, 퍼셉트론과는 직접적인 관련이 없다.

 

---

 

2. 인공지능 설명으로 바르지 않은 것은?

A. 인공신경망의 여러 분야 중의 하나가 머신러닝이다.

B. 머신러닝은 데이터를 기반으로 기계 스스로 학습하는 인공지능의 한 분야이다.

C. 딥러닝은 퍼셉트론으로 구성된 인공신경망으로 여러 단계의 심층 학습을 통해 스스로 학습하는 기술이다.

D. 2010년 이후 현재의 인공지능 붐을 주도하고 있는 기술이 심층신경망인 딥러닝이다.

머신러닝의 여러 분야 중 하나가 인공신경망이다.

 

---

 

3. 머신러닝의 설명으로 바르지 않은 것은?

A. 머신러닝은 반복되는 패턴을 인지해 스스로 학습하는 방식으로 개와 고양이 분류 문제를 해결한다.

B. 머신러닝은 전통적인 프로그래밍 방식대로 프로그래머가 직접 작성한 프로그램에 입력 데이터를 사용하고 프로그램을 실행해 출력을 생성한다.

C. 머신러닝은 명시적으로 프로그래밍을 하지 않아도 알고리즘이 데이터에서 학습을 해 규칙을 자동으로 공식화할 수 있다.

D. 머신러닝 모델을 통해 미래의 결과를 예측할 수 있다.

머신러닝은 전통적인 프로그래밍과 달리 데이터를 통해 스스로 학습해 패턴을 찾고 규칙을 만들어내는 방식이다.

 

---

 

4. 머신러닝 수행 과정에서 순서가 옳은 것은?

A. 모델 학습 → 데이터 수집 → 데이터 전처리 → 모델 성능 시험과 개선 → 데이터와 결과 시각화

B. 데이터 수집 → 데이터 전처리 → 모델 성능 시험과 개선 → 모델 학습 → 데이터와 결과 시각화

C. 데이터 수집 → 데이터 전처리 → 모델 학습 → 데이터와 결과 시각화 → 모델 성능 시험과 개선

D. 데이터 수집 → 데이터 전처리 → 모델 학습 → 모델 성능 시험과 개선 → 데이터와 결과 시각화

머신러닝의 일반적인 수행 과정은 데이터 수집부터 시작해, 수집된 데이터는 전처리 과정을 거쳐 모델 학습에 적합한 형태로 변환된다.

그 후 모델을 학습시키고, 학습된 모델의 성능을 평가하고 개선한다. 마지막으로 전체 과정의 데이터와 결과를 시각화해 분석한다.

 

---

 

5. 데이터에서 같은 의미가 아닌 것은?

A. 표본

B. 인스턴스

C. 데이터 포인터

D. 레이블

표본(sample), 인스턴스(instance), 데이터 포인터는 모두 하나의 데이터를 지칭하는 용어다.

하지만 레이블(label)은 지도학습에서 데이터의 정답값을 의미하는 것으로, 데이터 자체를 지칭하는 용어가 아니다.

 

---

 

6. 회귀와 분류에 대한 설명으로 옳지 않은 것은?

A. 회귀는 가격, 급여, 연령, 온도 등의 이산 값을 예측하는 문제다.

B. 분류는 사과와 배, 춥거나 더움, 참 또는 거짓과 같은 불연속적인 이산 값을 예측하는 문제다.

C. 분류 문제에서 구분해야 할 유형을 클래스라고 부른다.

D. 남성과 여성을 분류해야 한다면 유형 수는 2이다.

회귀는 연속적인 값을 예측하는 문제다. 가격, 급여, 연령, 온도는 모두 연속적인 값이다. 이산 값이 아니다.

 

---

 

7. 정답 레이블이 없는 데이터가 비슷한 특징끼리 군집화해 새로운 데이터에 대한 결과를 예측하는 방법은?

A. 지도 학습

B. 비지도 학습

C. 반지도 학습

D. 강화 학습

비지도 학습은 레이블이 없는 데이터를 사용해 데이터의 숨겨진 구조나 패턴을 찾는 학습 방법이다. 군집화$_{clustering}$는 비지도 학습의 대표적인 예시다.

 

---

 

8. 주어진 현재 상황에서 보상을 최대화하도록 다음 행동을 학습시키는 방법은?

A. 지도 학습

B. 비지도 학습

C. 반지도 학습

D. 강화 학습

강화 학습은 에이전트가 환경과 상호작용하면서 현재 상태에서 최적의 행동을 선택해 보상을 최대화하는 학습 방법이다.

 

---

 

9. 지도 학습 알고리즘으로만 구성된 것은?

A. K-평균 군집화, KNN

B. K-평균 군집화, 차원 축소

C. KNN, K-평균 군집화

D. 선형 모델, KNN

선형 모델과 KNN$_{K-Nearest \space Neighbors}$은 모두 지도 학습 알고리즘이다.

K-평균 군집화$_{K-means \space clustering \space algorithm}$는 레이블 없이 비슷한 특징을 가진 데이터끼리 군집화하는 비지도 학습 알고리즘이고, 차원 축소 역시 레이블 없이 데이터의 특성을 줄이는 비지도 학습 방법이다.

 

---

 

10. 퍼셉트론이 학습을 수행해 구하는 값은?

A. 가중치, 편향

B. 가중치, 출력값

C. 입력값, 출력값

D. 입력값, 편향

퍼셉트론은 학습 과정에서 가중치$_{weight}$와 편향$_{bias}$을 조정한다.

입력값은 학습을 위해 주어지는 값이고, 출력값은 학습된 가중치와 편향을 통해 계산되는 결과값이다.

 

---

 

11. ReLU와 시그모이드 등은 무슨 종류인가?

A. 퍼셉트론

B. 지도 학습

C. 활성화 함수

D. 인공신경망

ReLU$_{Rectified \space Linear \space Unit}$와 시그모이드$_{Sigmoid}$는 활성화 함수다.

활성화 함수는 신경망에서 뉴런의 출력을 결정하는 비선형 함수로, 입력 신호를 변환해 다음 층으로 전달하는 역할을 한다.

 

---

 

12. 인공신경망에서 학습 지표인 목표값의 함수가 아닌 것은?

A. 손실 함수

B. 비용 함수

C. 목적 함수

D. 활성화 함수

손실 함수$_{loss \space function}$, 비용 함수$_{cost \space function}$, 목적 함수$_{objective \space function}$는 모두 모델의 예측값과 실제값의 차이를 측정하는 함수로, 학습의 성능을 평가하는 지표다.

반면 활성화 함수$_{activation \space function}$는 뉴런의 입력값을 출력값으로 변환하는 함수로, 학습 성능을 측정하는 지표가 아니다.

 

---

 

13. 심층신경망에서 원활한 학습에 기여한 다음 알고리즘은?

예측 값과 실제 값을 비교해 오차를 출력층에서 입력층으로 역으로 전파시키면서 연쇄법칙을 사용해 바로 가중치와 편향을 계산하는 방식이다.

A. 오차 역전파

B. 순전파

C. 활성화 함수

D. 손실 함수

오차 역전파$_{backpropagation}$는 신경망 학습의 알고리즘이다.

 

---

 

14. 인공신경망에서 손실 함수의 값이 최소가 되는 지점을 찾아가는 방법은?

A. 오차 역전파

B. 평균 제곱 오차

C. 크로스 엔트로피

D. 경사 하강법

경사하강법$_{Gradient \space Descent}$은 손실 함수의 최솟값을 찾기 위한 최적화 알고리즘이다. 현재 지점에서 손실 함수의 기울기(경사)를 계산하고, 그 기울기가 감소하는 방향으로 조금씩 이동하면서 최솟값을 찾아간다.
오차 역전파는 신경망의 가중치를 업데이트하는 알고리즘이고, 평균 제곱 오차와 크로스 엔트로피는 손실 함수의 종류다. 경사하강법은 손실 함수의 값을 최소화하는 방향으로 파라미터를 조정하는 방법이다.

 

---

 

15. 인공신경망에 대한 설명으로 옳지 않은 것은?

A. 손실 함수는 평균 제곱 오차와 교차 엔트로피 오차 등이 있다.

B. 평균제곱오차 수식은 학습 데이터에서 실제 값 $y$와 모델이 예측한 값 $y$ 사이의 오차 제곱 합의 평균값으로 정의한다.

C. 학습 데이터 $x$에서 결과 $y$를 예측하는 학습 과정에서 최적의 가중치와 편향을 찾아간다.

D. 목표값인 손실 함수의 결과를 최대화하는 방향으로 학습을 수행한다.

 

---

 

16. 구글이 공개한 머신러닝과 딥러닝을 위한 오픈소스 플랫폼은?

A. 케라스

B. 파이토치

C. 텐서플로

D. CNTK

텐서플로$_{TensorFlow}$는 구글이 2015년에 공개한 오픈소스 머신러닝 플랫폼이다.

 

---

 

17. 프랑쇼야 숄레가 개발한 오픈소스 라이브러리로 구글의 텐서플로 등의 인공신경망 엔진에서 지원하는 고수준 API 라이브러리는?

A. 파이토치

B. 텐서플로

C. CNTK

D. 케라스

케라스$_{Keras}$는 프랑소와 숄레가 개발한 신경망 API다. 처음에는 독립적인 라이브러리였지만 현재는 텐서플로의 공식 API로 통합되었다.

 

---

 

18. 테슬라의 오토파일럿이나 우버의 파이로 개발에 사용된 인공지능 라이브러리는?

A. CNTK

`B. 파이토치`

C. 케라스

D. 텐서플로

파이토치$_{PyTorch}$는 페이스북이 개발한 오픈소스 머신러닝 라이브러리로 자율주행 분야에서 널리 사용된다. 테슬라의 오토파일럿과 우버의 자율주행 시스템인 파이로$_{Pyro}$가 파이토치를 기반으로 개발되었다.

 

---

 

19. 사용 중인 딥러닝 프레임워크를 필요에 따라 다른 라이브러리로 쉽게 바꿀 수 있게 하는 프레임워크는?

A. MNIST

B. 오토파일럿

C. 오픈 뉴럴 네트워크 익스체인지

D. MXNET

오픈 뉴럴 네트워크 익스체인지$_{ONNX}$는 서로 다른 딥러닝 프레임워크 간의 모델 변환을 가능하게 한다. 페이스북과 마이크로소프트가 주도하여 개발했고, 학습된 모델을 다른 프레임워크에서도 사용할 수 있게 해준다.

 

---

 

20. 인공신경망 라이브러리와 다소 관계가 적은 것은?

A. 텐서플로

B. 파이토치

C. CNTK

D. 사이킷런

사이킷런$_{Scikit-learn}$은 전통적인 머신러닝 알고리즘을 구현한 파이썬 라이브러리다.

텐서플로, 파이토치, CNTK는 모두 딥러닝에 특화된 프레임워크인 반면 사이킷런은 SVM, 랜덤 포레스트, K-means 등 전통적인 머신러닝 알고리즘에 중점을 두고 있다.

물론 사이킷런도 간단한 신경망을 구현할 수 있지만, 복잡한 딥러닝 모델 구현에는 적합하지 않다.

 

 

괄호 채우기

1. 인공지능이 인간 뇌의 능력을 넘어서는 순간을 ___라 한다.

기술적 특이점$_{Technological \space Singularity}$

기술적 특이점은 인공지능이 인간의 지능을 초월하는 시점을 의미한다. 이 순간이 되면 인공지능이 스스로를 개선하고 발전시킬 수 있게 되어 기하급수적인 발전이 일어날 것으로 예측된다.

 

---

 

2. 이안 굿펠로가 만든 ___가 활용되면서 인공지능은 모방과 참조가 가능해졌다.

적대적 생성 신경망$_{GAN; \space Generative \space Adversarial \space Network}$

GAN은 생성자${Generator}$와 판별자${Discriminator}$ 두 신경망이 서로 경쟁하면서 학습하는 구조다.

생성자는 가짜 데이터를 만들어내고, 판별자는 이를 진짜와 구분하려 하는데, 이 과정에서 생성자는 점점 더 진짜 같은 데이터를 만들어내게 된다.

 

---

 

3. ___는 원본 이미지나 동영상 위에 다른 영상을 중첩하거나 결합해 원본과는 다른 콘텐츠를 생성하는 기술이다.

딥페이크$_{Deepfake}$

딥페이크는 'Deep Learning'과 'Fake'의 합성어로, 딥러닝 기술을 사용해 가짜 미디어 콘텐츠를 만드는 기술이다.

GAN과 같은 인공신경망을 활용해서 매우 사실적인 가짜 영상을 만들 수 있다.

 

---

 

4. 기호주의는 인간의 지능과 지식을 기호화해 학습시키는 방법이며, ___는 두뇌 신경 조직을 모형화해 여러 신경을 네트워크 구조로 연결해 연결 강도를 학습시키는 방법이다.

연결주의

연결주의는 인간의 뇌 구조를 모방한 인공신경망의 기본이 되는 접근 방식이다.

 

---

 

5. 데이터는 크게 ___과 테스트(검사 또는 시험) 데이터(test data)로 나뉜다.

훈련 데이터$_{training \space data}$

훈련 데이터는 모델을 학습시키는 데 사용되고, 테스트 데이터는 학습된 모델의 성능을 평가하는 데 사용된다. 모델이 훈련 데이터에만 과적합되지 않고 새로운 데이터에도 잘 일반화될 수 있는지 확인할 수 있다.

 

---

 

6. ___는 정답이 없는 학습인 비지도 학습의 일종으로, 정답이 없이 주어진 데이터들을 유사한 특성을 가진 그룹으로 분리하는 일이다.

군집화$_{clustering}$

군집화는 비슷한 특성을 가진 데이터들을 자동으로 그룹화하는 기법이다. 대표적인 알고리즘으로 KK-means 군집화가 있다.

 

---

 

7. 머신러닝은 지도 학습과 비지도 학습, 반지도 학습 그리고 ___로 나뉜다.

강화 학습$_{Reinforcement \space Learning}$

강화 학습은 에이전트가 환경과 상호작용해 시행착오를 통해 학습하는 방법이다.

에이전트는 특정 상태에서 행동을 취하고 결과로 보상을 받으면서 최대화하는 방향으로 학습한다.

 

---

 

8. 입력층과 출력층 사이에는 ___라 부르는 여러 층으로 연결해 하나의 인공신경망을 구성할 수 있다.

은닉층$_{hidden \space layer}$

은닉층은 입력층과 출력층 사이에 있는 중간층들을 의미한다. 여러 개의 은닉층을 쌓아 심층 신경망$_{Deep \space Neural \space Network}$을 구성할 수 있다.

각 은닉층은 데이터의 특징을 다른 수준에서 학습한다. 은닉층의 수가 많아질수록 더 복잡한 패턴을 학습할 수 있지만, 동시에 학습에 필요한 계산량과 데이터량도 증가한다.

 

---

 

9. 딥러닝이라고 불리는 ___는 입력층$_{input \space layer}$과 출력층$_{output \space layer}$ 사이에 여러 개의 은닉층$_{hidden \space layer}$들로 이뤄진 인공신경망이다.

심층 신경망$_{Deep \space Neural \space Network}$

심층 신경망은 여러 개의 은닉층을 가진 인공신경망을 의미한다. 일반적으로 2개 이상의 은닉층을 가진 신경망을 심층 신경망이라 부른다.

각 은닉층은 데이터의 서로 다른 수준의 추상화된 특징을 학습하고, 층이 깊어질수록 더 복잡하고 추상적인 특징을 학습할 수 있다.

 

---

 

10. 입력 속성이 $x$ 하나인 선형회귀를 단순 선형회귀라 하며, ‘프로젝트 개발 경험’과 ‘관련 자격증’ 등의 $x_1, x_2, x_3, \cdots$ 여러 입력 속성이 있는 경우 이를 ___라 한다.

다중 선형회귀$_{Multiple Linear Regression}$

다중 선형회귀는 여러 개의 독립변수(입력 속성)를 사용해 종속변수를 예측하는 회귀 모델이다.

수식으로는 $y = w_1x_1 + w_2x_2 + ... + w_nx_n + b$ 형태로 표현되며, 여기서 $w_i$는 각 독립변수의 가중치, $b$는 편향을 의미한다.

 

 

주관식

1. 운영체제의 정의를 설명하고 운영체제를 구성하는 관리자를 열거하시오.

`컴퓨터 하드웨어를 효율적으로 관리하고, 편리한 UI를 제공하는 시스템 소프트웨어`

`프로세스 관리자, 메모리 관리자, 파일 관리자, 주변장치 관리자, 보안 관리자`

 

---

 

2. 운영체제의 사용자 인터페이스의 종류를 열거하고 각각 설명하시오.

`1. CLI$_{Command \space Line \space Interface}$: 명령어를 텍스트로 입력해 컴퓨터를 제어하는 방식`

`2. GUI$_{Graphical \space User \space Interface}$: 그래픽 요소를 마우스로 조작해 컴퓨터를 제어하는 방식`

 

---

 

3. 배치 처리 방식과 시분할 방식의 차이를 설명하시오.

`배치 처리$_{Batch \space Processing}$: 일정량의 작업을 모아서 한꺼번에 처리하는 방식. 작업이 완료될 때까지 다음 작업을 시작하지 않음`

`시분할$_{Time \space Sharing}$: CPU 시간을 여러 작업에 조금씩 할당해 동시에 여러 작업을 처리하는 것처럼 보이게 하는 방식`

배치 처리는 초기 컴퓨터에서 사용된 방식으로 처리 효율은 좋지만 응답시간이 길다. 시분할은 짧은 응답시간과 대화형 처리가 가능하다.

 

---

 

4. 다중 프로그래밍과 다중 처리 방식의 차이를 설명하시오.

`다중 프로그래밍$_{Multiprogramming}$: 하나의 CPU로 여러 프로그램을 동시에 수행하는 것처럼 보이게 하는 방식`

`다중 처리$_{Multiprocessing}$: 여러 개의 CPU를 사용해 여러 프로그램을 실제로 동시에 처리하는 방식`

다중 프로그래밍은 CPU 유휴시간을 줄여 효율을 높이는 방식이고, 다중 처리는 병렬 처리로 전체적인 처리 속도가 향상된다.

 

---

 

5. 운영체제의 발전을 1세대부터 5세대까지 구분해 그 특징을 설명하시오.

`1세대(1945-1955): 운영체제 없음, 기계어 프로그래밍, 일괄처리`

`2세대(1955-1965): 배치 처리 시스템 도입, 어셈블러/컴파일러 등장`

`3세대(1965-1980): 시분할 시스템, 다중 프로그래밍 도입, UNIX 개발`

`4세대(1980-1990): PC용 운영체제 등장, GUI 도입, MS-DOS/Windows 개발`

`5세대(1990-현재): 클라이언트/서버 시스템, 분산 처리, 모바일 OS, 클라우드 컴퓨팅`

 

---

 

6. GUI의 효시와 발전에 대해 설명하시오.

`1973년 제록스의 알토(Alto) 컴퓨터에서 최초로 GUI 도입 → 1984년 애플의 매킨토시로 대중화 → 1985년 마이크로소프트의 Windows 1.0 출시 → 1995년 Windows 95로 PC GUI 환경 본격화`

 

---

 

7. 애플의 홈페이지를 방문해 현재의 매킨토시의 운영체제의 버전과 특징을 설명하시오.

`macOS Sonoma (14.0)`

 

---

 

8. 린도우즈$_{Lindows}$가 무엇인지 인터넷에서 조사해 설명하시오.

`리눅스 커널 기반으로 Windows 프로그램을 실행할 수 있도록 만든 운영체제`

2001년 마이클 로버트슨이 설립한 Lindows Inc.에서 개발했으나, 마이크로소프트와의 상표권 분쟁으로 2004년 Linspire로 이름을 변경했다. Wine(Windows 에뮬레이터)을 통해 Windows 프로그램 실행을 지원했으며, 2008년 Xandros에 인수된 후 개발이 중단되었다.

 

---

 

9. 유닉스의 명령어 기반 쉘에서 이용되는 명령어 10개를 소개하고 설명하시오.

`1. ls: 디렉토리 내용 목록 표시`

`2. cd: 디렉토리 이동`

`3. pwd: 현재 작업 디렉토리 경로 표시`

`4. mkdir: 새 디렉토리 생성`

`5. rm: 파일 또는 디렉토리 삭제`

`6. cp: 파일 또는 디렉토리 복사`

`7. mv: 파일 또는 디렉토리 이동/이름변경`

`8. cat: 파일 내용 출력`

`9. chmod: 파일 권한 변경`

`10. ps: 실행 중인 프로세스 목록 표시`

 

---

 

10. 윈도우 10의 가상 데스크톱의 기능을 확장할 수 있는 다음 소프트웨어를 설치하고 여러 가상 데스크톱의 이름과 배경화면을 직접 수정해보시오.

win-10-virtual-desktop-enahncer

`-`