데이터

불확실성

제한된 데이터에서 학습된 AI는 현실 세계를 모두 예측할 수 없으며, 잘못된 확신을 가질 수 있음. 데이터의 불확실성, 모델의 불확실성 등 다양한 형태로 AI에 내재된 요소임.¹

획득(Data Acquisition)

인공지능의 기계학습에 필요한 데이터를 현실 세계에서 직접 수집 또는 생성하거나, 이미 보유하고 있는 조직이나 시스템 등으로부터 법률적 제약이 없도록 ‘원시데이터’를 확보하는 활동¹

정제(Data Refinement)

획득한 원시데이터를 기계학습에 필요한 형식으로 맞추거나 불필요한 중복을 제거하며, 개인정보를 비식별화 하여 처리하는 등 일련의 전처리 과정을 통해 ‘원천데이터’를 확보하는 활동¹

라벨링(Data Labeling)

인공지능이 기계학습에 활용할 수 있도록 기능이나 목적에 부합하는 정보를 원천데이터에 부착하는 활동¹

라벨링 데이터(Labeled Data)

원천데이터에 부여한 ‘참값’, 파일형식이나 해상도 등의 속성, 그리고 설명이나 주석 등이 포함된 ‘어노테이션’의 집합¹

원시 데이터(Raw Data)

기계학습을 목적으로 획득 단계에서 수집 또는 생성한 음성, 이미지, 영상, 텍스트 등의 데이터¹

원천 데이터(Source Data, Unlabeled Data)

원시데이터를 라벨링 공정에 투입하기 위해 필요한 전처리 등 정제 작업을 수행한 데이터로 라벨링데이터가 부여되지 않은 상태의 데이터¹

인공지능 학습용 데이터 구축

임무정의, 데이터 획득, 데이터 정제, 데이터 라벨링 등 인공지능 학습용 데이터를 구축하는 일련의 활동¹

---

Footnotes

1. 쉽게 활용하는 인공지능 비즈니스 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸