Q1 : 딥러닝(Deep Learning) 모델을 개발하고 훈련하기 위한 Python 라이브러리로서, 간결하고 쉽게 사용할 수 있는 high level API를 제공하여 딥러닝 모델 구축, 훈련, 평가 및 추론을 단순화해 주며, 오랜 시간동안 안정적으로 사용되어 왔으며, 많은 개발자 및 연구자 지원을 받고 있는 라이브러리는?
Q2 : ‘인공지능(Artificial Intelligence·AI)’의 개념을 창시해 ‘인공지능의 아버지’로 불리며, 뇌 신경망을 모방해 컴퓨터의 논리회로를 만들면 컴퓨터도 지능을 가질 수 있다고 믿었던 사람은?
Q3 : 시퀀스 데이터에 대한 모델링을 위해 개발된 신경망 구조이며, 순차적인 데이터(예를 들어, 텍스트, 시계열 데이터 등)에서 현재의 입력과 과거의 정보를 결합하여 예측 또는 분류를 수행하는 것은?
Q4 : 머신러닝 모델의 결과를 설명하고 해석할 수 있는 기술로서, 목적은 머신러닝 모델의 동작 방식과 결과를 사람이 이해할 수 있는 형태로 표현하는 것이며, 모델의 동작 방식을 해석하는 것이 가능하며, 디지털 시스템에서 일어나는 결정의 투명성을 높이는 데 도움을 주는 기술은?
Q5 : 출력 데이터가 입력 데이터와 비슷한 형태를 갖도록 학습된 딥러닝 모델로서, 인코더와 디코더 두 가지 부분으로 구성되며, 인코더는 입력 데이터를 압축하여 저차원 표현으로 변환하는 것이며, 디코더는 이 저차원 표현을 다시 원래의 데이터 형태로 복원하는 것은?
Q6 : 컴퓨터 비전, 음성 인식, 자연어 처리 분야에서 많이 사용되는 신경망 모델이며, 이미지에서의 특징을 추출하기 위해 구조화된 필터와 풀링(pooling) 연산을 사용하는 방법은?
Q7 : Google에서 개발한 딥러닝 모델이며, NLP(Natural Language Processing) 과제에 특히 적합한 구조를 가지고 있고, 시퀀스-투-시퀀스(Sequence-to-Sequence) 구조와 Self-Attention Mechanism을 사용하여 긴 시퀀스의 정보를 다루는 능력이 높은 모델은?
Q8 : Google에서 개발한 NLP(Natural Language Processing) 모델로서, 트랜스포머의 인코딩 모듈만을 활용하여 언어 처리에 중요한 정보를 효과적으로 캡처하고 처리할 수 있도록 디자인되었으며, 말뭉치에서 기술한 언어의 의미와 관계를 학습하여, 언어 처리 과제에서 고품질의 언어 표현을 제공하는 것은?
Q9 : 구글에서 개발하고 오픈소스로 공개한 머신러닝 프레임워크로서, 강력한 유연성을 제공하며, 모델 구성과 훈련 뿐만 아니라, 딥러닝 모델의 성능 향상을 위한 다양한 디버깅 및 최적화 기능을 제공하는 것은?
Q10 : 인공 신경망의 구성 요소로서 생물학적인 신경계의 기본 단위인 신경세포의 동작 과정을 통계학적으로 모델링한 알고리즘으로, 다수의 값을 입력받아 하나의 값으로 출력하는 알고리즘은?