|
|
|
ÆÄÀ̽ãÀ» È°¿ëÇÑ ¸Ó½Å·¯´× Çؼ® °¡´É¼º : ¿¹ÃøÀÇ °øÁ¤¼º, Ã¥ÀÓ¼º, Åõ¸í¼ºÀ» ¼ö¸³ÇÏ´Â ´Ù¾çÇÑ ¹æ¹ý ÇнÀÇϱâ
|
|
|
µ¥ÀÌÅÍ °úÇÐ ½Ã¸®Áî(¿¡ÀÌÄÜ)1
¤Ó ±è¿ìÇö
¤Ó
¿¡ÀÌÄÜÃâÆÇ
¤Ó
Interpretable Machine Learning with Python: Build explainable, fair, and robust high-performance models with hands-on, real-world examples
|
|
|
|
- Á¦ÈÞ¸ô ÁÖ¹® ½Ã °í°´º¸»ó, ÀϺΠÀ̺¥Æ® Âü¿© ¹× ÁõÁ¤Ç° ÁõÁ¤, ÇÏ·ç/´çÀÏ ¹è¼Û¿¡¼ Á¦¿ÜµÇ¹Ç·Î Âü°í ¹Ù¶ø´Ï´Ù.
-
-
-
¼³¸í °¡´ÉÇÑ ÀΰøÁö´É ¶Ç´Â Çؼ® °¡´ÉÇÑ ¸Ó½Å·¯´× ¸ðµ¨À» ±¸ÃàÇÏ´Â ´Ù¾çÇÑ ¹æ¹ý·ÐÀ» ¼Ò°³ÇÑ´Ù. ÃÖ±Ù À̽´°¡ µÇ°í ÀÖ´Â ÀΰøÁö´É ¸ðµ¨ÀÇ À±¸®Àû ¹®Á¦¸¦ ´Ù·ç¸é¼µµ µ¿½Ã¿¡ ³ôÀº ¼º´É°ú °ß°í¼ºÀ» À¯ÁöÇÒ ¼ö ÀÖ´Â ºñ°áÀ» ¼Ò°³ÇÑ´Ù. ¸ÕÀú Çؼ® °¡´É¼ºÀ̶õ ¹«¾ùÀÎÁö ¼³¸íÇÏ°í ¸Ó½Å·¯´× ¸ðµ¨ÀÇ À±¸®Àû Ãø¸éÀÎ °øÁ¤¼º, Ã¥ÀÓ¼º, Åõ¸í¼ºÀÌ ÇÊ¿äÇÑ ÀÌÀ¯ ±×¸®°í À̸¦ ´Þ¼ºÇÒ ¹æ¹ýÀ» ¼³¸íÇÑ´Ù. ±× ´ÙÀ½ ´Ù¾çÇÑ »óȲ°ú ´Ù¾çÇÑ µ¥ÀÌÅÍ ÇüŸ¦ °®´Â °¢ À¯½º ÄÉÀ̽º¿¡¼ ¸Ó½Å·¯´× Çؼ®¹æ¹ý·ÐÀ» Àû¿ëÇÏ´Â °úÁ¤À» ½ÇÁ¦ÀûÀ¸·Î ´Ù·ç°í ÀÖ´Ù. ¸¶Áö¸·À¸·Î ¸ðµ¨ÀÇ º¹À⼺À» ÁÙÀÌ°í, ÆíÇâÀ» ¿ÏȽÃÅ°°í, ¾ÈÁ¤¼º°ú °ß°í¼ºÀ» Çâ»ó½ÃÅ°±â À§ÇØ ¸ðµ¨À» Æ©´×ÇÏ´Â ¹æ¹ýÀ» ÇнÀÇÒ ¼ö ÀÖ´Ù.
-
-
¢Â ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë ¢Â
¡ß ºñÁî´Ï½º¿¡¼ Çؼ® °¡´É¼ºÀÇ Á߿伺
¡ß ¼±Çü ¸ðµ¨, ÀÇ»ç°áÁ¤ Æ®¸®, ³ªÀÌºê º£ÀÌÁî µî º»ÁúÀûÀ¸·Î Çؼ® °¡´ÉÇÑ ¸ðµ¨ ÇнÀ
¡ß ¸ðµ¨ µ¶¸³ÀûÀÎ Çؼ®¹æ¹ý·ÐÀ» ÅëÇØ ¸ðµ¨ Çؼ® ¼÷·Ãµµ Çâ»ó
¡ß À̹ÌÁö ºÐ·ù±âÀÇ ÀÛµ¿ ¹æ½Ä ¹× ¸ðµ¨ÀÌ ÇнÀÇÑ ³»¿ë ½Ã°¢È
¡ß µ¥ÀÌÅͼ¿¡¼ ÆíÇâ ¿ÏÈ ¹æ¹ý
¡ß Àû´ëÀû °ß°í¼ºÀ¸·Î ¸ðµ¨ÀÇ ½Å·Ú¼ºÀ» ³ôÀÌ´Â ¹æ¹ý
¡ß ´ÜÁ¶Àû Á¦¾àÁ¶°ÇÀ» »ç¿ëÇØ º¸´Ù °øÁ¤ÇÏ°í ¾ÈÀüÇÑ ¸ðµ¨ ±¸Ãà
¢Â ÀÌ Ã¥ÀÇ ´ë»ó µ¶ÀÚ ¢Â
¡ß ¸Ó½Å·¯´×°ú ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö ¾ð¾î¿¡ ´ëÇÑ ±âÃÊ Áö½ÄÀ» °¡Áø µ¥ÀÌÅÍ °úÇÐ Ãʺ¸ÀÚ ¹× Çлý
¡ß ÀÚ½ÅÀÌ °³¹ßÇÏ°í À¯Áö °ü¸®ÇÏ´Â AI ½Ã½ºÅÛÀÇ ÀÛµ¿ ¹æ¹ý°ú °³¼± °èȹÀ» ¼³¸íÇÒ Áß¿ä Ã¥ÀÓÀÌ Á¡Á¡ ´õ ´Ã¾î³ª´Â µ¥ÀÌÅÍ Àü¹®°¡
¡ß ÃֽŠÇؼ® ¹æ¹ý·Ð°ú ÆíÇâ ¿ÏÈ ±â¼úÀ» Æ÷ÇÔÇϵµ·Ï ÀÚ½ÅÀÇ ±â¼ú ¿µ¿ªÀ» È®ÀåÇÏ·Á´Â ¸Ó½Å·¯´× ¿£Áö´Ï¾î ¹× µ¥ÀÌÅÍ °úÇÐÀÚ
¡ß AI À±¸®¿Í °ü·ÃÇØ ´õ ³ªÀº ¹æÇâÀ» Á¦½ÃÇϱâ À§ÇØ AIÀÇ ±¸Çö Ãø¸éÀ» ´õ ±íÀÌ ÀÌÇØÇÏ°íÀÚ ÇÏ´Â AI À±¸® ´ã´çÀÚ
¡ß °øÁ¤¼º, Ã¥ÀÓ¼º, Åõ¸í¼ºÀÇ ¿øÄ¢À» ÁؼöÇϱâ À§ÇØ Çؼ® °¡´ÉÇÑ ¸Ó½Å·¯´×À» ºñÁî´Ï½º¿¡ µµÀÔÇÏ·Á´Â AI ÇÁ·ÎÁ§Æ® ¸Å´ÏÀú ¹× ºñÁî´Ï½º ¸®´õ
¢Â ÀÌ Ã¥ÀÇ ±¸¼º ¢Â
1Àå, ¡®Çؼ®, Çؼ® °¡´É¼º, ¼³¸í °¡´É¼º: ¿Ö ÀÌ ¸ðµÎ°¡ Áß¿äÇÑ°¡?¡¯¿¡¼´Â ¸Ó½Å·¯´× Çؼ®°ú ÇÔ²² Çؼ® °¡´É¼º, ¼³¸í °¡´É¼º, ºí·¢¹Ú½º ¸ðµ¨, Åõ¸í¼º µî°ú °°Àº °ü·Ã °³³äÀ» ¼Ò°³ÇÏ°í ¸ðÈ£¼ºÀ» ÇÇÇϱâ À§ÇØ ¿ë¾î¿¡ °üÇÑ Á¤ÀǸ¦ Á¦°øÇÑ´Ù. ±× ´ÙÀ½ ºñÁî´Ï½º¿¡ ´ëÇÑ ¸Ó½Å·¯´× Çؼ® °¡´É¼º
ÀÇ °¡Ä¡¸¦ ³íÀÇÇÑ´Ù.
2Àå, ¡®Çؼ® °¡´É¼ºÀÇ ÁÖ¿ä °³³ä¡¯¿¡¼´Â ½ÉÇ÷°ü Áúȯ ¿¹Ãø ¿¹Á¦¸¦ »ç¿ëÇØ µÎ °¡Áö ±âº» °³³äÀÎ ¡°ÇÇó Áß¿äµµ¡±¿Í ¡°ÀÇ»ç°áÁ¤ ¿µ¿ª¡±À» ¼Ò°³ÇÏ°í, Çؼ® ¹æ¹ý·ÐÀ» ºÐ·ùÇÒ ¶§ »ç¿ëµÇ´Â °¡Àå Áß¿äÇÑ ºÐ·ù¹ýÀ» »ìÇÉ´Ù. ¶ÇÇÑ ¸Ó½Å·¯´× Çؼ® °¡´É¼ºÀ» ¹æÇØÇÏ´Â °ÍÀÌ ¹«¾ùÀÎÁö ÀÚ¼¼È÷ ¼³¸íÇÑ´Ù.
3Àå, ¡®¸Ó½Å·¯´× Çؼ®ÀÇ °úÁ¦¡¯¿¡¼´Â Ç×°ø±â Áö¿¬ ¿¹Ãø ¹®Á¦¸¦ °®°í ȸ±Í¿Í ºÐ·ù ¸ðµÎ¿¡¼ ¸Ó½Å·¯´× Çؼ®¿¡ »ç¿ëµÇ´Â ÀüÅëÀûÀÎ ¹æ¹ýÀ» ³íÀÇÇÑ´Ù. ±× ´ÙÀ½ ÀÌ·± ÀüÅëÀûÀÎ ¹æ¹ýÀÇ ÇѰ踦 »ìÆ캸°í ¡°ÈÀÌÆ®¹Ú½º¡± ¸ðµ¨À» º»ÁúÀûÀ¸·Î Çؼ®ÇÒ ¼ö ÀÖ°Ô ¸¸µå´Â ¿ä¼Ò°¡ ¹«¾ùÀÎÁö, ¿Ö ÈÀÌÆ®¹Ú½º ¸ðµ¨À» Ç×»ó »ç¿ëÇÒ ¼ö ¾ø´ÂÁö ¼³¸íÇÑ´Ù. ÀÌ Áú¹®¿¡ ´äÇϱâ À§ÇØ ¿¹Ãø ¼º´É°ú ¸ðµ¨ Çؼ® °¡´É¼º »çÀÌÀÇ ÀýÃæ¿¡ ´ëÇØ °í·ÁÇÒ °ÍÀÌ´Ù. ¸¶Áö¸·À¸·Î ÀÌ·± ÀýÃæ ¹®Á¦¿¡¼ ŸÇùÇÏÁö ¾ÊÀ¸·Á´Â »õ·Î¿î ¸ðµ¨ÀÎ ¡°±Û·¡½º¹Ú½º(glass-box)¡± ¸ðµ¨À» »ìÆ캻´Ù.
4Àå, ¡®ÇÇó Áß¿äµµ¿Í ÇÇó ¿µÇâ·Â¡¯¿¡¼´Â Ãâ»ý ¼ø¼ ºÐ·ù ¿¹Á¦¸¦ »ç¿ëÇØ ¸ðµ¨ÀÇ °íÀ¯ÇÑ ¸Å°³º¯¼ö¸¦ »ç¿ëÇÏ´Â °Í°ú °°ÀÌ, ÇÇó Áß¿äµµ¸¦ ¾ò±â À§ÇÑ ´Ù¸¥ ¹æ¹ý·Ðµé°ú ÇÔ²² ¡°¼ø¿ ÇÇó Áß¿äµµ(PFI, Permutation Feature Importance)¡±¶ó°í ºÎ¸£´Â Á» ´õ ½Å·ÚÇÒ ¼ö ÀÖ´Â ¸ðµ¨ µ¶¸³ÀûÀÎ ¹æ¹ý·ÐÀ» ³íÀÇÇÑ´Ù. ±×·± ´ÙÀ½¿¡ ´ÜÀÏ ÇÇóÀÇ ¿¹Ãø¿¡ ´ëÇÑ ÇÑ°è È¿°ú¸¦ È®ÀÎÇϱâ À§ÇØ ¡°ºÎºÐ ÀÇÁ¸µµ Ç÷Ô(PDP, Partial Dependence Plot)¡± ¹× ¡°°³º° Á¶°ÇºÎ ±â´ëÄ¡(ICE, Individual Conditional Expectation)¡± ±×·¡ÇÁ¸¦ ·»´õ¸µÇÏ°í Çؼ®ÇÏ´Â ¹æ¹ýÀ» ÇнÀÇÑ´Ù.
5Àå, ¡®±Û·Î¹ú ¸ðµ¨ µ¶¸³ÀûÀÎ Çؼ® ¹æ¹ý·Ð¡¯¿¡¼´Â ÀÚµ¿Â÷ ¿¬ºñ ȸ±Í ¸ðµ¨À» »ç¿ëÇØ °ÔÀÓ ÀÌ·ÐÀ¸·ÎºÎÅÍ ¿µ°¨À» ¹ÞÀº SHAPS(Hapley Additive exPlanations)¸¦ ÀÚ¼¼È÷ ÇнÀÇÑ ´ÙÀ½, Á¶°ÇºÎ ÁÖº¯ ºÐÆ÷ÀÎ ¡°´©Àû Áö¿ª È¿°ú(ALE, Accumulated Local Effects)¡± ±×·¡ÇÁ¸¦ ½Ã°¢ÈÇÑ´Ù. ¸¶Áö¸·À¸·Î ¡°±Û·Î¹ú ´ëü ¸ðµ¨(Global Surrogate)¡±¿¡ ´ëÇØ ¾Ë¾Æº»´Ù.
6Àå, ¡®·ÎÄà ¸ðµ¨ µ¶¸³ÀûÀÎ Çؼ® ¹æ¹ý·Ð¡¯¿¡¼´Â ´ÜÀÏ ¿¹Ãø ¶Ç´Â ±×·ì ¿¹ÃøÀ» ¼³¸íÇÏ´Â ·ÎÄà Çؼ® ¹æ¹ý·ÐÀ» ´Ù·é´Ù. À̸¦ À§ÇØ Å×ÀÌºí µ¥ÀÌÅÍ¿Í ÅؽºÆ® µ¥ÀÌÅ͸¦ ¸ðµÎ Æ÷ÇÔ...ÇÏ°í ÀÖ´Â ÃÊÄݸ´¹Ù µî±Þ ºÐ·ù ¿¹Á¦¸¦ »ç¿ëÇÑ´Ù. ·ÎÄà Çؼ®À» À§ÇØ SHAP¿Í LIME(Local Interpretable Model-Agnostic Descriptions)À» È°¿ëÇÏ´Â ¹æ¹ýÀ» ´Ù·ê °ÍÀÌ´Ù.
7Àå, ¡®¾ÞÄ¿¿Í ¹Ý»ç½ÇÀû ¼³¸í¡¯¿¡¼´Â ·ÎÄà ¸ðµ¨ Çؼ®À» °è¼ÓÇϸç, ºÐ·ù ¹®Á¦¸¦ ´õ ±í°Ô ´Ù·é´Ù. Àΰ£ÀÌ Çؼ®ÇÒ ¼ö ÀÖ´Â ¹æ½ÄÀ¸·Î ºÒ°øÁ¤ÇÑ ¿¹ÃøÀ» ¼³¸íÇÏ´Â ¹æ¹ýÀ» ÆľÇÇϱâ À§ÇØ Àç¹ü À§Çè ¿¹Ãø ¿¹Á¦¸¦ »ç¿ëÇÑ´Ù. WIT(What-If-Tool)»Ó¸¸ ¾Æ´Ï¶ó ¡°¾ÞÄ¿(Anchor)¡±, ¡°¹Ý´ë »ç½Ç(Counterfactuals)¡±, ¡°´ëÁ¶Àû ¼³¸í ¹æ¹ý·Ð(CEM, Contrastive Explanation Method)¡± µîÀ» ¼Ò°³ÇÑ´Ù.
8Àå, ¡®ÄÁº¼·ç¼Ç ½Å°æ¸Á ½Ã°¢È¡¯¿¡¼´Â ÄÁº¼·ç¼Ç ½Å°æ¸Á(CNN) ¸ðµ¨ÀÎ °úÀÏ ºÐ·ù±â ¸ðµ¨°ú ÇÔ²² ÀÛµ¿ÇÏ´Â Çؼ® ¹æ¹ý·ÐÀ» ÁýÁßÀûÀ¸·Î »ìÆ캻´Ù. CNNÀÌ ¡°È°¼ºÈ ÇÔ¼ö(activation)¡±¸¦ ÅëÇØ ÇнÀÇÏ´Â ¹æ¹ýÀ» ÆľÇÇÑ ÈÄ, Ŭ·¡½º ¼Ó¼ºÀ» µð¹ö±ëÇϱâ À§ÇØ ¡°µ¹Ãâ ¸Ê(Saliency Maps)¡±, Grad-CAM, ¡°ÅëÇÕ ±×·¡µð¾ðÆ®(Integrated Gradients)¡± µî°ú °°Àº ¸î °¡Áö ±×·¡µð¾ðÆ® ±â¹Ý ±ÍÀÎ ¹æ¹ý·ÐÀ» ÇнÀÇÑ´Ù. ¸¶Áö¸·À¸·Î ¡°Æó¼â ¹Î°¨µµ(Occlusion Sensitivity)¡±, LIME, CEM°ú °°Àº ¼·µ¿ ±â¹Ý ±ÍÀÎ ¹æ¹ý·ÐÀ» ÅëÇØ ¼Ó¼º µð¹ö±ë ³ëÇϿ츦 È®ÀåÇÑ´Ù.
9Àå, ¡®´Ùº¯·® ¿¹Ãø ¹× ¹Î°¨µµ ºÐ¼®À» À§ÇÑ Çؼ® ¹æ¹ý·Ð¡¯¿¡¼´Â ±³Åë·® ¿¹Ãø ¹®Á¦¿Í LSTM(Long Short-Term Memory) ¸ðµ¨À» »ç¿ëÇØ ÀÌ À¯½º ÄÉÀ̽º¿¡ ÅëÇÕ ±×·¡µð¾ðÆ®¿Í SHAP¸¦ Àû¿ëÇÏ´Â ¹æ¹ýÀ» ´Ù·é´Ù. ¶ÇÇÑ ¿¹Ãø°ú ºÒÈ®½Ç¼ºÀÌ º»ÁúÀûÀ¸·Î ¾î¶»°Ô ¿¬°áµÅ ÀÖ´ÂÁö, ÀԷ°ú °ü·ÃµÈ ¸ðµ¨ Ãâ·ÂÀÇ ºÒÈ®½Ç¼ºÀ» ÃøÁ¤Çϱâ À§ÇØ ¼³°èµÈ ¹æ¹ý·Ð Áß ¹Î°¨µµ ºÐ¼®À» »ìÆ캻´Ù. ¿©±â¼´Â ÀÎÀÚÀÇ ¿ì¼±¼øÀ§¸¦ ÃßÃâÇÏ´Â ¸ð¸®½º(Morris) ¹æ½Ä°ú ÀÎÀÚ¸¦ °íÁ¤ÇÏ´Â ¼Òº¼(Sobol) ¹æ½Ä µÎ °¡Áö¸¦ ÇнÀÇÑ´Ù.
10Àå, ¡®Çؼ® °¡´É¼ºÀ» À§ÇÑ ÇÇó ¼±Åðú ÇÇó ¿£Áö´Ï¾î¸µ¡¯¿¡¼´Â ºñ¿µ¸® ´ÙÀÌ·ºÆ® ¸ÞÀϸµ ÃÖÀûÈ ¹®Á¦¸¦ »ç¿ëÇØ ½ºÇǾ(Spearman) »ó°ü°è¼ö¿Í °°Àº ÇÊÅÍ ±â¹Ý ÇÇó ¼±Åà ¹æ¹ý·ÐÀ» °ËÅäÇÏ°í, Lasso¿Í °°Àº ÀÓº£µðµå ¹æ¹ý¿¡ °üÇØ ¾Ë¾Æº»´Ù. ±×·± ´ÙÀ½ ¡°¼øÂ÷ÀûÀÎ ÇÇó ¼±ÅÃ(Sequential Feature Selection)¡±°ú °°Àº ·¡ÆÛ ¹æ¹ý, ¡°Àç±ÍÀûÀÎ ÇÇó Á¦°Å(Recursive Feature Elimination)¡±¿Í °°Àº ÇÏÀ̺긮µå ¹æ¹ý, ¡°À¯Àü ¾Ë°í¸®µë(Genetic Algorithm)¡±°ú °°Àº °í±Þ ¹æ¹ýÀ» ¼Ò°³ÇÑ´Ù. ¸¶Áö¸·À¸·Î, ¡°ÇÇó ¿£Áö´Ï¾î¸µ(feature engineering)¡±Àº ÀϹÝÀûÀ¸·Î ÇÇó ¼±Åà ÀÌÀü¿¡ ¼öÇàµÇÁö¸¸, ¸ÕÁö°¡ °¡¶ó¾ÉÀº ÈÄ¿¡ ¼öÇàÇÏ´Â °Íµµ ¿©·¯ °¡Áö ÀÌÀ¯·Î °¡Ä¡°¡ ÀÖÀ½À» »ìÆ캻´Ù.
11Àå, ¡®ÆíÇâ ¿ÏÈ ¹× Àΰú°ü°è Ãß·Ð ¹æ¹ý·Ð¡¯¿¡¼´Â ½Å¿ëÄ«µå 乫ºÒÀÌÇà ¹®Á¦¸¦ ÅëÇØ ¿øÄ¡ ¾Ê´Â ÆíÇâÀ» °¨ÁöÇϱâ À§ÇØ °øÁ¤¼º ¸ÞÆ®¸¯ ¹× ½Ã°¢È¸¦ È°¿ëÇÏ´Â ¹æ¹ýÀ» ¹è¿î´Ù. ±×´ÙÀ½ °¡ÁßÄ¡ Àç¼³Á¤°ú °°Àº Àüó¸® ¹æ¹ý, ÇÁ·Î¼¼½º ³» 󸮸¦ À§ÇÑ ÀÌÁúÀû ¿µÇâ·Â Á¦°Å±â, ÈÄ󸮸¦ À§ÇÑ ¡°¿ÀÁî ±ÕµîÈ(equalized odds)¡± µîÀ» ÅëÇØ ÆíÇâÀ» ÁÙÀÌ´Â ¹æ¹ýÀ» »ìÆ캻´Ù. ±×·¯°í ³ª¼ ½Å¿ëÄ«µå 乫ºÒÀÌÇàÀ» ³·Ãß±â À§ÇÑ Ã³Ä¡¸¦ Å×½ºÆ®ÇÏ°í ÀΰúÀû ¸ðµ¨¸µÀ» È°¿ëÇØ ¡°Æò±Õ óġ È¿°ú(ATE, Average Treatment Effects)¡±¿Í ¡°Á¶°ÇºÎ Æò±Õ óġ È¿°ú(CATE, Conditional Average Treatment Effects)¡±¸¦ °áÁ¤ÇÑ´Ù. ¸¶Áö¸·À¸·Î, ÀΰúÀû °¡Á¤°ú ÃßÁ¤Ä¡ÀÇ °ß°í¼ºÀ» Å×½ºÆ®ÇÑ´Ù.
12Àå, ¡®Çؼ® °¡´É¼ºÀ» À§ÇÑ ´ÜÁ¶¼º Á¦¾àÁ¶°Ç°ú ¸ðµ¨ Æ©´×¡¯¿¡¼´Â 7ÀåÀÇ Àç¹ü À§Çè ¿¹Ãø ¹®Á¦¸¦ °è¼ÓÇؼ ´Ù·é´Ù. °øÁ¤¼ºÀ» º¸ÀåÇϱâ À§ÇØ µ¥ÀÌÅÍ Ãø¸é¿¡ ¡°ÇÇó ¿£Áö´Ï¾î¸µ¡±°ú ÇÔ²² °¡µå·¹ÀÏÀ» ¹èÄ¡ÇÏ°í, ¸ðµ¨¿¡ ¡°´ÜÁ¶ÀûÀÌ°í »óÈ£ÀÛ¿ëÇÏ´Â Á¦¾àÁ¶°Ç¡±À» Àû¿ëÇÏ´Â ¹æ¹ýÀ» ¹è¿ì´Â µ¿½Ã¿¡ ¿©·¯ ¸ñÇ¥°¡ ÀÖÀ» ¶§ ¸ðµ¨À» Æ©´×ÇÏ´Â ¹æ¹ýÀ» ¹è¿î´Ù.
13Àå, ¡®Àû´ëÀû °ß°í¼º¡¯¿¡¼´Â ¾ó±¼ ¸¶½ºÅ· ŽÁö ¹®Á¦¸¦ »ç¿ëÇØ ¿£µå Åõ ¿£µå Àû´ëÀû ¼Ö·ç¼Ç(end-to-end adversarial solution)À» ´Ù·é´Ù. ¸ðµ¨À» °ø°ÝÇÏ´Â ¹æ¹ý¿¡´Â ¿©·¯ °¡Áö°¡ ÀÖÁö¸¸, ¿©±â¼´Â Ä®¸®´Ï(Carlini)¿Í ¿Í±×³Ê(Wagner)ÀÇ ¡°ÀÎÇÇ´ÏƼ-³ë¸§(Infinity-Norm)¡± ¹× ¡°Àû´ëÀû ÆÐÄ¡(Adversarial Patchs)¡±¿Í °°Àº ȸÇÇ °ø°Ý¿¡ ÃÊÁ¡À» ¸ÂÃß°í, ´Ù¸¥ ÇüÅÂÀÇ °ø°ÝÀº °£·«ÇÏ°Ô ¼³¸íÇÑ´Ù. ¡°°ø°£ ÆòÈ° Àüó¸®(spatial smoothing preprocessing)¡±¿Í ¡°Àû´ëÀû ÇнÀ(adversarial training)¡±À̶ó´Â µÎ °¡Áö ¹æ¾î ¹æ¹ýÀ» ¼³¸íÇÑ´Ù. ³¡À¸·Î ¡°°ß°í¼º Æò°¡¡± ¹æ¹ý Çϳª¿Í ÀÎÁõ ¹æ¹ý Çϳª¸¦ º¸¿©ÁØ´Ù.
14Àå, ¡®¸Ó½Å·¯´× Çؼ® °¡´É¼º ±× ´ÙÀ½ ´Ü°è´Â?¡¯¿¡¼´Â ¸Ó½Å·¯´× Çؼ® °¡´É¼º ¹æ¹ý·ÐÀÇ »ýÅ°èÀÇ ¸Æ¶ô¿¡¼ ÇнÀÇÑ ³»¿ëÀ» ¿ä¾àÇÑ´Ù.
-
-
1ºÎ. ¸Ó½Å·¯´× Çؼ® ¼Ò°³
__1Àå. Çؼ®, Çؼ® °¡´É¼º, ¼³¸í °¡´É¼º: ¿Ö ÀÌ ¸ðµÎ°¡ Áß¿äÇÑ°¡?
______±â¼ú ¿ä±¸ »çÇ×
______¸Ó½Å·¯´× Çؼ®À̶õ?
____´Ü¼ø ¸ö¹«°Ô ¿¹Ãø ¸ðµ¨ÀÇ ÀÌÇØ
______Çؼ® °¡´É¼º°ú ¼³¸í °¡´É¼ºÀÇ Â÷ÀÌÁ¡ ÀÌÇØ
____Çؼ® °¡´É¼ºÀ̶õ
____¼³¸í °¡´É¼ºÀ̶õ
______Çؼ® °¡´É¼º¿¡ ´ëÇÑ ºñÁî´Ï½º »ç·Ê
____´õ ³ªÀº ÀÇ»ç°áÁ¤
____´õ ½Å·Ú¹Þ´Â ºê·£µå
____´õ À±¸®ÀûÀÎ
____´õ ¸¹Àº ¼öÀÍ
______Á¤¸®
______À̹ÌÁö ¼Ò½º
______´õ ÀÐÀ»°Å¸®
__2Àå. Çؼ® °¡´É¼ºÀÇ ÁÖ¿ä °³³ä
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
____CVD¿¡ ´ëÇÑ »ó¼¼Á¤º¸
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
______Çؼ® ¹æ¹ý·ÐÀÇ Á¾·ù¿Í ¹üÀ§
____¸ðµ¨ Çؼ® °¡´É¼º ¹æ¹ý·ÐÀÇ Á¾·ù
____¸ðµ¨ Çؼ® °¡´É¼ºÀÇ ¹üÀ§
____·ÎÁö½ºÆ½ ȸ±Í·Î °³º° ¿¹Ãø Çؼ®
______¸Ó½Å·¯´× Çؼ® °¡´É¼ºÀ» ÀúÇØÇÏ´Â ¿äÀÎ
____ºñ¼±Çü¼º
____»óÈ£Àۿ뼺
____ºñ´ÜÁ¶¼º
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______´õ ÀÐÀ»°Å¸®
__3Àå. ¸Ó½Å·¯´× Çؼ®ÀÇ °úÁ¦
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍÀÇ ÀÌÇØ ¹× Áغñ
______ÀüÅëÀûÀÎ ¸ðµ¨ Çؼ® ¹æ¹ý·Ð
____...´Ù¾çÇÑ È¸±Í ¹æ¹ý·ÐÀ¸·Î Áö¿¬µÈ ½Ã°£ ¿¹Ãø
____´Ù¾çÇÑ ºÐ·ù ¹æ¹ý·ÐÀ¸·Î Ç×°øÆí Áö¿¬ ¿©ºÎ ºÐ·ù
____Â÷¿ø Ãà¼Ò ¹æ¹ýÀ¸·Î Áö¿¬µÈ Ç×°øÆí ½Ã°¢È
______ÀüÅëÀûÀÎ ¸ðµ¨ Çؼ® ¹æ¹ý·ÐÀÇ ÇÑ°è
______º»ÁúÀûÀ¸·Î Çؼ® °¡´ÉÇÑ ÈÀÌÆ®¹Ú½º ¸ðµ¨
____ÀϹÝÈ ¼±Çü ¸ðµ¨(GLM)
____ÀÇ»ç°áÁ¤ Æ®¸®
____RuleFit
____ÃÖ±ÙÁ¢ ÀÌ¿ô
____³ªÀÌºê º£ÀÌÁî
______¼º´É°ú Çؼ® °¡´É¼º »çÀÌÀÇ ±ÕÇü
____Ư¼öÇÑ ¸ðµ¨ ¼Ó¼º
____¼º´É Æò°¡
______ÃÖ½ÅÀÇ Çؼ® °¡´ÉÇÑ ±Û·¡½º¹Ú½º ¸ðµ¨
____¼³¸í °¡´ÉÇÑ ºÎ½ºÆà ¸Ó½Å(EBM)
____Skoped Rules
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅͼ ¼Ò½º
______´õ ÀÐÀ»°Å¸®
2ºÎ. Çؼ® ¹æ¹ý·Ð ¸¶½ºÅÍÇϱâ
__4Àå. ÇÇó Áß¿äµµ¿Í ÇÇó ¿µÇâ·Â
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
____¼º°Ý°ú Ãâ»ý ¼ø¼
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
______°á°ú¿¡ ´ëÇÑ ÇÇóÀÇ ¿µÇâ·Â ÃøÁ¤
____Æ®¸® ±â¹Ý ¸ðµ¨ÀÇ ÇÇó Áß¿äµµ
____·ÎÁö½ºÆ½ ȸ±ÍÀÇ ÇÇó Áß¿äµµ
____LDAÀÇ ÇÇó Áß¿äµµ
____´ÙÃþ ÆÛ¼ÁÆ®·ÐÀÇ ÇÇó Áß¿äµµ
______PFI ½Ç½À
____PFIÀÇ ´ÜÁ¡
______PDP Çؼ®
____»óÈ£ÀÛ¿ë PDP
____PDPÀÇ ´ÜÁ¡
______ICE Ç÷Ô
____ICEÀÇ ´ÜÁ¡
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅͼ ¼Ò½º
______´õ ÀÐÀ»°Å¸®
__5Àå. ±Û·Î¹ú ¸ðµ¨ µ¶¸³Àû Çؼ® ¹æ¹ý·Ð
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
____µ¥ÀÌÅÍ µñ¼Å³Ê¸®
______¼¨Çø® °ª ¼Ò°³
______SHAP ¿ä¾à ÇÃ·Ô ¹× ÀÇÁ¸µµ ÇÃ·Ô Çؼ®
____SHAP ¿ä¾à ÇÃ·Ô »ý¼º
____»óÈ£ÀÛ¿ë ÀÌÇØÇϱâ
____SHAP ÀÇÁ¸µµ Ç÷Ô
____SHAP ¿µÇâ·Â Ç÷Ô
______´©Àû Áö¿ª È¿°ú Ç÷Ô
______±Û·Î¹ú ´ëü ¸ðµ¨
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______´õ ÀÐÀ»°Å¸®
__6Àå. ·ÎÄà ¸ðµ¨ µ¶¸³Àû Çؼ® ¹æ¹ý·Ð
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
______SHAPÀÇ KernelExplainer È°¿ëÇØ SHAP °ªÀ¸·Î ·ÎÄà Çؼ®
______LIME
______NLP¿¡ LIME »ç¿ëÇϱâ
______NLP¿¡ SHAP »ç¿ëÇϱâ
______SHAP°ú LIME ºñ±³
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅͼ ¼Ò½º
______´õ ÀÐÀ»°Å¸®
__7Àå. ¾ÞÄ¿¿Í ¹Ý»ç½ÇÀû ¼³¸í
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
____Àç¹ü À§Çè Æò°¡ÀÇ ºÎ´çÇÑ ÆíÇâ
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
______¾ÞÄ¿ ¼³¸í¿¡ ´ëÇÑ ÀÌÇØ
____alibi¸¦ ÀÌ¿ëÇØ ¾ÞÄ¿ ¹× ¹Ý»ç½ÇÀû ¼³¸í ÁغñÇϱâ
____¾ÞÄ¿ ¼³¸íÀ» À§ÇÑ ·ÎÄà Çؼ®
______¹Ý»ç½ÇÀû ¼³¸í Ž»ö
____ÇÁ·ÎÅäŸÀÔÀ» ÅëÇÑ ¹Ý»ç½ÇÀû ¼³¸í
____What-If µµ±¸(WIT)¸¦ »ç¿ëÇÑ ¹Ý»ç½ÇÀû ¼³¸í
______CEM°úÀÇ ºñ±³
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅͼ ¼Ò½º
______´õ ÀÐÀ»°Å¸®
__8Àå. ÄÁº¼·ç¼Ç ½Å°æ¸Á ½Ã°¢È
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
____ÀüÅëÀûÀÎ Çؼ® ¹æ¹ý·ÐÀ¸·Î CNN ºÐ·ù±â Æò°¡
______È°¼ºÈ ±â¹Ý ¹æ¹ý·ÐÀ¸·Î ÇнÀ °úÁ¤À» ½Ã°¢È
____Áß°£ È°¼ºÈ
____È°¼ºÈ ±Ø´ëÈ
______±×·¡µð¾ðÆ® ±â¹Ý ±ÍÀÎ ¹æ¹ý·ÐÀ¸·Î ¿ÀºÐ·ù °ËÁõ
____µ¹Ãâ ¸Ê
____Grad-CAM
____ÅëÇÕ ±×·¡µð¾ðÆ®
____Á¾ÇÕ
______¼·µ¿ ±â¹Ý ±ÍÀÎ ¹æ¹ý·ÐÀ¸·Î ºÐ·ù ÀÌÇØ
____Æó¼â ¹Î°¨µµ
____LIMEÀÇ ImageExplainer
____CEM
____Á¾ÇÕ
____º¸³Ê½º: SHAPÀÇ DeepExplainer
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅͼ ¹× À̹ÌÁö ¼Ò½º
______´õ ÀÐÀ»°Å¸®
__9Àå. ´Ùº¯·® ¿¹Ãø ¹× ¹Î°¨µµ ºÐ¼®À» À§ÇÑ Çؼ® ¹æ¹ý·Ð
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
______ÀüÅëÀûÀÎ Çؼ® ¹æ¹ý·ÐÀ¸·Î ½Ã°è¿ ¸ðµ¨ Æò°¡
______ÅëÇÕ ±×·¡µð¾ðÆ®·Î LSTM ¼Ó¼º »ý¼º
______SHAPÀÇ KernelExplainer·Î ±Û·Î¹ú ¹× ·ÎÄà ¼Ó¼º °è»ê
______ÀÎÀÚ ¿ì¼±¼øÀ§È·Î ¿µÇâ·Â ÀÖ´Â ÇÇó ½Äº°
______ÀÎÀÚ °íÁ¤À¸·Î ºÒÈ®½Ç¼º ¹× ºñ¿ë ¹Î°¨µµ Á¤·®È
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅͼ ¹× À̹ÌÁö ¼Ò½º
______´õ ÀÐÀ»°Å¸®
3ºÎ. Çؼ® °¡´É¼ºÀ» À§ÇÑ Æ©´×
__10Àå. Çؼ® °¡´É¼ºÀ» À§ÇÑ ÇÇó ¼±Åðú ÇÇó ¿£Áö´Ï¾î¸µ
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
______»ó°ü¼º ¾ø´Â ÇÇóÀÇ È¿°ú ÀÌÇØ
______ÇÊÅ͸µ ±â¹Ý ÇÇó ¼±Åà ¹æ¹ý·Ð
____±âº» ÇÊÅ͸µ ±â¹Ý ¹æ¹ý·Ð
____»ó°ü°ü°è ÇÊÅ͸µ ±â¹Ý ¹æ¹ý·Ð
____¼øÀ§ ÇÊÅ͸µ ±â¹Ý ¹æ¹ý·Ð
____ÇÊÅ͸µ ±â¹Ý ¹æ¹ý·Ð ºñ±³
______ÀÓº£µðµå ÇÇó ¼±Åà ¹æ¹ý·Ð
______·¡ÆÛ, ÇÏÀ̺긮µå, °í±Þ ÇÇó ¼±Åà ¹æ¹ý·Ð
____·¡ÆÛ ¹æ¹ý·Ð
____ÇÏÀ̺긮µå ¹æ¹ý
____°í±Þ ÇÇó ¼±Åà ¹æ¹ý·Ð
____¸ðµç ÇÇó ¼±Åà ¸ðµ¨ Æò°¡
______ÇÇó ¿£Áö´Ï¾î¸µ °í·Á
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅͼ ¼Ò½º
______´õ ÀÐÀ»°Å¸®
__11Àå. ÆíÇâ ¿ÏÈ ¹× Àΰú°ü°è Ãß·Ð ¹æ¹ý·Ð
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
______ÆíÇâ °¨Áö
____µ¥ÀÌÅͼ ÆíÇ⠽ð¢È
____µ¥ÀÌÅͼ ÆíÇâ Á¤·®È
____¸ðµ¨ ÆíÇâ Á¤·®È
______ÆíÇâ ¿ÏÈ
____Àüó¸® ÆíÇâ ¿ÏÈ ¹æ¹ý·Ð
____ÇÁ·Î¼¼½º ³» ÆíÇâ ¿ÏÈ ¹æ¹ý·Ð
____ÈÄó¸® ÆíÇâ ¿ÏÈ ¹æ¹ý·Ð
____ÆíÇâ ¿ÏÈ ¹æ¹ý·Ð ºñ±³
______Àΰú ¸ðµ¨ »ý¼º
____½ÇÇè °á°ú ÀÌÇØ
____Àΰú ¸ðµ¨¿¡ ´ëÇÑ ÀÌÇØ
____¼±Çü DRL ÃʱâÈ
____Àΰú ¸ðµ¨ ÀûÇÕ
______ÀÌÁúÀû óġ È¿°ú
____Á¤Ã¥ ¼±ÅÃ
______ÃßÁ¤Ä¡ °ß°í¼º Å×½ºÆ®
____¹«ÀÛÀ§ °øÅë ¿øÀÎ Ãß°¡
____¹«ÀÛÀ§ º¯¼ö·Î óġ ´ëü
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅͼ ¼Ò½º
______´õ ÀÐÀ»°Å¸®
__12Àå. Çؼ® °¡´É¼ºÀ» À§ÇÑ ´ÜÁ¶¼º Á¦¾àÁ¶°Ç°ú ¸ðµ¨ Æ©´×
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
______ÇÇó ¿£Áö´Ï¾î¸µÀ¸·Î °¡µå·¹ÀÏ ¹èÄ¡
____¼¼öÈ
____ÀÌ»êÈ
____»óÈ£ÀÛ¿ë Ç×°ú ºñ¼±Çü º¯È¯
____¹üÁÖÈ ÀÎÄÚµù
____´Ù¸¥ Áغñ ÀÛ¾÷
______Çؼ® °¡´É¼ºÀ» À§ÇÑ ¸ðµ¨ Æ©´×
____ÄÉ¶ó½º ½Å°æ¸Á Æ©´×
____Àαâ ÀÖ´Â ´Ù¸¥ ¸ðµ¨ Ŭ·¡½º Æ©´×
____º£ÀÌÁö¾È ÇÏÀÌÆÛÆĶó¹ÌÅÍ Æ©´× ¹× »ç¿ëÀÚ Á¤ÀÇ ¸ÞÆ®¸¯À¸·Î °øÁ¤¼º ÃÖÀûÈ
______¸ðµ¨ Á¦¾àÁ¶°Ç ±¸Çö
____XGBoost¿¡ ´ëÇÑ Á¦¾àÁ¶°Ç
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅͼ ¼Ò½º
______´õ ÀÐÀ»°Å¸®
__13Àå. Àû´ëÀû °ß°í¼º
______±â¼ú ¿ä±¸ »çÇ×
______¹Ì¼Ç
______Á¢±Ù¹ý
______Áغñ
____¶óÀ̺귯¸® ·Îµå
____µ¥ÀÌÅÍ ÀÌÇØ ¹× Áغñ
____CNN ±âº» ¸ðµ¨ ·Îµå
____CNN ±âº» ºÐ·ù±â Æò°¡
______¿ìȸ °ø°Ý
______Àü󸮸¦ ÅëÇÑ Ç¥Àû °ø°Ý ¹æ¾î
______Àû´ëÀû ÇнÀÀ» ÅëÇØ ¿ìȸ °ø°ÝÀ¸·ÎºÎÅÍ º¸È£
______Àû´ëÀû °ß°í¼º Æò°¡ ¹× ÀÎÁõ
____¸ðµ¨ °ß°í¼º°ú °ø°Ý °µµ ºñ±³
____¹«ÀÛÀ§ ÆòÈ°È·Î °ß°í¼º ÀÎÁõ
______¹Ì¼Ç ¿Ï·á
______Á¤¸®
______µ¥ÀÌÅÍ ¼Ò½º
______´õ ÀÐÀ»°Å¸®
__14Àå. ¸Ó½Å·¯´× Çؼ® °¡´É¼º ±×´ÙÀ½ ´Ü°è´Â?
______ML Çؼ® °¡´É¼ºÀÇ ÇöÀç »óȲ ÀÌÇØ
____Àüü ¿ä¾à
____ÃֽŠƮ·»µå
____ML Çؼ® °¡´É¼ºÀÇ ¹Ì·¡¿¡ ´ëÇÑ ÃßÃø
____MLÀÇ »õ·Î¿î ºñÀü
____Á¾ÇÕÀûÀÎ Á¢±Ù
____ÀûÀýÇÑ Ç¥ÁØÈ
____±ÔÁ¦ ½ÃÇà
____³»ÀåµÈ Çؼ®À¸·Î ÀÎÇÑ ¸Å²ô·¯¿î ¸Ó½Å·¯´× ÀÚµ¿È
____MLOps ¿£Áö´Ï¾î¿ÍÀÇ ±ä¹ÐÇÑ ÅëÇÕ
______´õ ÀÐÀ»°Å¸®
-
-
|
±è¿ìÇö [Àú]
|
|
-
´ëÇлý ½ÃÀý, ¼±¹è¿Í ÇÔ²² â¾÷ÇÑ ÈÄ 20³â ³Ñ°Ô ¼ÒÇÁÆ®¿þ¾î °³¹ßÀÚ·Î »ì°í ÀÖÀ¸¸ç ÀΰøÁö´É ºÐ¾ß¿¡¼ »õ·Î¿î ±æÀ» ¸¸µé¾î°¡°í ÀÖ´Ù. ¼÷¸í¿©ÀÚ´ëÇб³ ³ª³ë/¹ÙÀÌ¿À Àü»êÈÇÐ ¿¬±¸¼¾ÅÍ¿¡¼ µ¥ÀÌÅÍ °úÇÐÀÚ·Î ±Ù¹«ÇßÀ¸¸ç, ÇöÀç ÇÁ¸®·£¼ AI °³¹ßÀÚ·Î ÀÏÇÏ°í ÀÖ´Ù. ¿Å±ä Ã¥À¸·Î´Â ¡ºR µ¥ÀÌÅÍ ±¸Á¶¿Í ¾Ë°í¸®Áò¡»(¿¡ÀÌÄÜ, 2017), ¡ºÀÚ¹Ù µ¥ÀÌÅÍ »çÀ̾𽺠ÄîºÏ¡»(¿¡ÀÌÄÜ, 2018), ¡ºÇÇó ¿£Áö´Ï¾î¸µ, Á¦´ë·Î ½ÃÀÛÇϱ⡻(¿¡ÀÌÄÜ, 2018), ¡ºThe Python 3 Standard Library by Example¡»(¿¡ÀÌÄÜ, 2020) µîÀÌ ÀÖ´Ù.
-
-
Àüü 0°³ÀÇ ±¸¸ÅÈıⰡ ÀÖ½À´Ï´Ù.
|
ÀÎÅÍÆÄÅ©µµ¼´Â °í°´´ÔÀÇ ´Ü¼ø º¯½É¿¡ ÀÇÇÑ ±³È¯°ú ¹ÝÇ°¿¡ µå´Â ºñ¿ëÀº °í°´´ÔÀÌ ÁöºÒÄÉ µË´Ï´Ù.
´Ü, »óÇ°À̳ª ¼ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯ ¹× ¹ÝÇ°Àº ¹«·á·Î ¹ÝÇ° µË´Ï´Ù. |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ °¡´ÉÇÑ °æ¿ì |
»óÇ°À» °ø±Þ ¹ÞÀº ³¯·ÎºÎÅÍ 7ÀÏÀ̳» °¡´É
°ø±Þ¹ÞÀ¸½Å »óÇ°ÀÇ ³»¿ëÀÌ Ç¥½Ã, ±¤°í ³»¿ë°ú ´Ù¸£°Å³ª ´Ù¸£°Ô ÀÌÇàµÈ °æ¿ì¿¡´Â °ø±Þ¹ÞÀº ³¯·ÎºÎÅÍ 3°³¿ù À̳», ȤÀº ±×»ç½ÇÀ» ¾Ë°Ô µÈ ³¯ ¶Ç´Â ¾Ë ¼ö ÀÖ¾ú´ø ³¯·ÎºÎÅÍ 30ÀÏ À̳»
»óÇ°¿¡ ¾Æ¹«·± ÇÏÀÚ°¡ ¾ø´Â °æ¿ì ¼ÒºñÀÚÀÇ °í°´º¯½É¿¡ ÀÇÇÑ ±³È¯Àº »óÇ°ÀÇ Æ÷Àå»óÅ µîÀÌ ÀüÇô ¼Õ»óµÇÁö ¾ÊÀº °æ¿ì¿¡ ÇÑÇÏ¿© °¡´É |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ ºÒ°¡´ÉÇÑ °æ¿ì |
±¸¸ÅÈ®Á¤ ÀÌÈÄ(¿ÀǸ¶ÄÏ»óÇ°¿¡ ÇÑÇÔ)
°í°´´ÔÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¸ê½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
(´Ü, »óÇ°ÀÇ ³»¿ëÀ» È®ÀÎÇϱâ À§ÇÏ¿© Æ÷Àå µîÀ» ÈѼÕÇÑ °æ¿ì´Â Á¦¿Ü)
½Ã°£ÀÌ Áö³²¿¡ µû¶ó ÀçÆǸŰ¡ °ï¶õÇÒ Á¤µµ·Î ¹°Ç°ÀÇ °¡Ä¡°¡ ¶³¾îÁø °æ¿ì
Æ÷Àå °³ºÀµÇ¾î »óÇ° °¡Ä¡°¡ ÈÑ¼ÕµÈ °æ¿ì |
|
´Ù¹è¼ÛÁöÀÇ °æ¿ì ¹ÝÇ° ȯºÒ |
´Ù¹è¼ÛÁöÀÇ °æ¿ì ´Ù¸¥ Áö¿ªÀÇ ¹ÝÇ°À» µ¿½Ã¿¡ ÁøÇàÇÒ ¼ö ¾ø½À´Ï´Ù.
1°³ Áö¿ªÀÇ ¹ÝÇ°ÀÌ ¿Ï·áµÈ ÈÄ ´Ù¸¥ Áö¿ª ¹ÝÇ°À» ÁøÇàÇÒ ¼ö ÀÖÀ¸¹Ç·Î, ÀÌÁ¡ ¾çÇØÇØ Áֽñ⠹ٶø´Ï´Ù. |
|
Áß°í»óÇ°ÀÇ ±³È¯ |
Áß°í»óÇ°Àº Á¦ÇÑµÈ Àç°í ³»¿¡¼ ÆǸŰ¡ ÀÌ·ç¾îÁö¹Ç·Î, ±³È¯Àº ºÒ°¡´ÉÇÕ´Ï´Ù. |
|
¿ÀǸ¶ÄÏ »óÇ°ÀÇ È¯ºÒ |
¿ÀǸ¶ÄÏ»óÇ°¿¡ ´ëÇÑ Ã¥ÀÓÀº ¿øÄ¢ÀûÀ¸·Î ¾÷ü¿¡°Ô ÀÖÀ¸¹Ç·Î, ±³È¯/¹ÝÇ° Á¢¼ö½Ã ¹Ýµå½Ã ÆǸÅÀÚ¿Í ÇùÀÇ ÈÄ ¹ÝÇ° Á¢¼ö¸¦ ÇϼžßÇϸç, ¹ÝÇ°Á¢¼ö ¾øÀÌ ¹Ý¼ÛÇϰųª, ¿ìÆíÀ¸·Î º¸³¾ °æ¿ì »óÇ° È®ÀÎÀÌ ¾î·Á¿ö ȯºÒÀÌ ºÒ°¡´ÉÇÒ ¼ö ÀÖÀ¸´Ï À¯ÀÇÇϽñ⠹ٶø´Ï´Ù. |
|
|
|
¹è¼Û¿¹Á¤ÀÏ ¾È³» |
ÀÎÅÍÆÄÅ© µµ¼´Â ¸ðµç »óÇ°¿¡ ´ëÇØ ¹è¼Û¿Ï·á¿¹Á¤ÀÏÀ» À¥»çÀÌÆ®¿¡ Ç¥½ÃÇÏ°í ÀÖ½À´Ï´Ù.
|
<ÀÎÅÍÆÄÅ© Á÷¹è¼Û »óÇ°> |
»óÇ°Àº ¿ù~Åä¿äÀÏ ¿ÀÀü 10½Ã ÀÌÀü ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ´çÀÏ Ãâ°í/´çÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù. |
»óÇ°Àº ¼¿ïÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀº ´çÀÏ Ãâ°í/ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇϸç,
¼¿ï¿ÜÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀÇ °æ¿ì´Â ¿ÀÈÄ 6½Ã±îÁö ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù.
(´Ü, ¿ù¿äÀÏÀº 12½Ã±îÁö ÁÖ¹®¿¡ ÇÑÇÔ)
|
»óÇ°Àº, ÀÔ°í¿¹Á¤ÀÏ(Á¦Ç°Ãâ½ÃÀÏ)+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù. |
~
»óÇ°Àº À¯ÅëƯ¼º»ó ÀÎÅÍÆÄÅ©¿¡¼ Àç°í¸¦ º¸À¯ÇÏÁö ¾ÊÀº »óÇ°À¸·Î ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø±âÁØÃâ°íÀÏ:ÀÎÅÍÆÄÅ©°¡ »óÇ°À» ¼ö±ÞÇÏ¿© ¹°·ùâ°í¿¡¼ Æ÷Àå/Ãâ°íÇϱâ±îÁö ¼Ò¿äµÇ´Â ½Ã°£
|
|
<¾÷ü Á÷Á¢¹è¼Û/¿ÀǸ¶ÄÏ »óÇ°> |
~
»óÇ°Àº ¾÷ü°¡ ÁÖ¹®À» È®ÀÎÇÏ°í, Ãâ°íÇϱâ±îÁö °É¸®´Â ½Ã°£ÀÔ´Ï´Ù. ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(2ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø5ÀÏÀ̳» Ãâ°í°¡ ½ÃÀÛµÇÁö ¾ÊÀ»½Ã, ¿ÀǸ¶ÄÏ »óÇ°Àº ÀÚµ¿À¸·Î ÁÖ¹®ÀÌ Ãë¼ÒµÇ¸ç, °í°´´Ô²² Ç°Àýº¸»ó±ÝÀ» Áö±ÞÇØ µå¸³´Ï´Ù.
|
|
|
¹è¼Ûºñ ¾È³» |
µµ¼(Áß°íµµ¼ Æ÷ÇÔ)¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û) À½¹Ý/DVD¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
ÀâÁö/¸¸È/±âÇÁÆ®¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í À½¹Ý/DVD¸¦ ÇÔ²² ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø 1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í ÀâÁö/¸¸È/±âÇÁÆ®/Áß°íÁ÷¹è¼Û»óÇ°À» ÇÔ²² ±¸¸ÅÇϽøé : 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
¾÷üÁ÷Á¢¹è¼Û»óÇ°À» ±¸¸Å½Ã : ¾÷üº°·Î »óÀÌÇÑ ¹è¼Ûºñ Àû¿ë
* ¼¼Æ®»óÇ°ÀÇ °æ¿ì ºÎºÐÃë¼Ò ½Ã Ãß°¡ ¹è¼Ûºñ°¡ ºÎ°úµÉ ¼ö ÀÖ½À´Ï´Ù.
* ºÏÄ«Æ®¿¡¼ ¹è¼Ûºñ¾ø¾Ö±â ¹öÆ°À» Ŭ¸¯Çϼż, µ¿ÀϾ÷ü»óÇ°À» Á¶±Ý ´õ ±¸¸ÅÇϽøé, ¹è¼Ûºñ¸¦ Àý¾àÇÏ½Ç ¼ö ÀÖ½À´Ï´Ù.
|
|
Çؿܹè¼Û ¾È³» |
ÀÎÅÍÆÄÅ©µµ¼¿¡¼´Â ±¹³»¿¡¼ ÁÖ¹®ÇϽðųª ÇØ¿Ü¿¡¼ ÁÖ¹®ÇÏ¿© ÇØ¿Ü·Î ¹è¼ÛÀ» ¿øÇÏ½Ç °æ¿ì DHL°ú Ư¾àÀ¸·Î Ã¥Á¤µÈ ¿ä±ÝÇ¥¿¡
ÀÇÇØ °³ÀÎÀÌ ÀÌ¿ëÇÏ´Â °æ¿ìº¸´Ù ¹è¼Û¿ä±ÝÀ» Å©°Ô ³·Ã߸ç DHL(www.dhl.co.kr)·Î Çؿܹè¼Û ¼ºñ½º¸¦ Á¦°øÇÕ´Ï´Ù.
Çؿܹè¼ÛÀº µµ¼/CD/DVD »óÇ°¿¡ ÇÑÇØ ¼ºñ½ºÇÏ°í ÀÖÀ¸¸ç, ´Ù¸¥ »óÇ°À» ºÏÄ«Æ®¿¡ ÇÔ²² ´ãÀ¸½Ç °æ¿ì Çؿܹè¼ÛÀÌ ºÒ°¡ÇÕ´Ï´Ù.
ÇØ¿ÜÁÖ¹®¹è¼Û ¼ºñ½º´Â ÀÎÅÍÆÄÅ© µµ¼ ȸ¿ø °¡ÀÔÀ» Çϼž߸¸ ½Åû °¡´ÉÇÕ´Ï´Ù. |
|
¾Ë¾ÆµÎ¼¼¿ä!!! |
µµ¸Å»ó ¹× Á¦ÀÛ»ç »çÁ¤¿¡ µû¶ó Ç°Àý/ÀýÆÇ µîÀÇ »çÀ¯·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
¿ÀǸ¶ÄϾ÷üÀÇ ¹è¼ÛÁö¿¬½Ã ÁÖ¹®ÀÌ ÀÚµ¿À¸·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
À¯ÅëÀÇ Æ¯¼º»ó Ãâ°í±â°£Àº ¿¹Á¤º¸´Ù ¾Õ´ç°ÜÁö°Å³ª ´ÊÃçÁú ¼ö ÀÖ½À´Ï´Ù.
Åùè»ç ¹è¼ÛÀÏÀÎ ¼¿ï ¹× ¼öµµ±ÇÀº 1~2ÀÏ, Áö¹æÀº 2~3ÀÏ, µµ¼, »ê°£, ±ººÎ´ë´Â 3ÀÏ ÀÌ»óÀÇ ½Ã°£ÀÌ ¼Ò¿äµË´Ï´Ù. |
|
|
|
|