OCI 데이터 사이언스에서 모델 카탈로그의 주요 목적은 머신 러닝 모델을 저장, 추적, 공유 및 관리하는 것입니다. 이 기능은 데이터 과학자와 개발자가 모델에 대해 협업하고, 성능을 모니터링하고, 수명 주기를 관리할 수 있는 체계적인 저장소를 유지하는 데 필수적입니다. 또한, 모델 카탈로그는 모델 버전 관리를 용이하게 하여 최신의 효과적인 모델을 배포에 사용할 수 있도록 보장합니다. 이 기능은 여러 이해관계자가 테스트, 평가 및 배포를 위해 최신 모델 버전에 액세스해야 하는 협업 환경에서 매우 중요합니다.
1Z0-1122-25 문제 7
OCI Speech의 어떤 기능이 필사본을 더 쉽게 읽고 이해하는 데 도움이 됩니까?
정답: D
OCI Speech의 텍스트 정규화 기능은 음성 언어를 더욱 표준화되고 문법적으로 올바른 형식으로 변환하여 필사본을 읽고 이해하기 쉽게 만들어 줍니다. 이 과정에는 문법, 구두점 및 서식 수정이 포함되어 필사된 텍스트가 명확하고 정확하며 다양한 사용 사례에 적합하도록 보장합니다. 텍스트 정규화는 필사본의 사용성을 향상시켜 다운스트림 애플리케이션에서 접근성과 처리 용이성을 높여줍니다. 양식 상단 양식 하단
1Z0-1122-25 문제 8
순환 신경망(RNN)의 주요 특징은 무엇입니까?
정답: C
순환 신경망(RNN)은 노드 간 연결이 순환 구조를 형성하는 신경망의 한 종류입니다. 이 순환 구조는 네트워크가 내부 상태 또는 메모리를 유지할 수 있도록 하는 피드백 루프를 생성하며, 이 메모리는 여러 시간 단계에 걸쳐 지속됩니다. 이는 RNN을 입력을 단방향으로만 처리하고 내부 상태를 갖지 않는 피드포워드 신경망과 같은 다른 신경망과 구분하는 핵심 특징입니다. RNN은 언어 모델링, 시계열 예측, 음성 인식처럼 맥락이나 순차적 정보가 중요한 작업에 특히 유용합니다. 이전 입력의 정보를 유지하는 능력 덕분에 RNN은 현재 입력뿐 아니라 전체 데이터 시퀀스를 기반으로 더욱 정보에 기반한 예측을 수행할 수 있습니다. 대조적으로: 옵션 A(데이터를 병렬로 처리)는 RNN이 일반적으로 병렬이 아닌 순차적으로 데이터를 처리하기 때문에 잘못된 선택입니다. 옵션 B(주로 이미지 인식 작업에 사용됨)는 이미지 인식이 RNN이 아닌 CNN(합성곱 신경망)과 더 일반적으로 연관되기 때문에 잘못된 설명입니다. 옵션 D(내부 상태가 없음)는 RNN의 결정적 특성이 내부 상태를 갖는다는 점에서 잘못된 설명입니다. 이 피드백 루프는 RNN 작동의 핵심이며, 과거 입력을 "기억"하여 미래 출력에 영향을 미침으로써 RNN이 데이터 시퀀스를 효과적으로 처리할 수 있도록 합니다. 이러한 기억 능력 덕분에 RNN은 순차적이거나 시간 의존적인 데이터를 처리하는 애플리케이션에서 강력한 성능을 발휘합니다.
1Z0-1122-25 문제 9
머신 러닝에서 "모델 학습"이란 용어는 무엇을 의미합니까?
정답: D
머신러닝에서 "모델 학습"은 입력 특성과 해당 출력 간의 관계를 학습하여 모델이 예측이나 의사결정을 내리도록 훈련하는 과정을 의미합니다. 학습 과정에서 모델은 입력과 알려진 출력(레이블)이 쌍을 이루는 대규모 데이터 세트를 제공받습니다. 모델은 예측과 실제 출력 간의 오차를 최소화하기 위해 내부 매개변수를 조정합니다. 시간이 지남에 따라 모델은 학습 데이터를 일반화하여 새롭고 알려지지 않은 데이터에 대한 정확한 예측을 수행합니다.
1Z0-1122-25 문제 10
어떤 AI 도메인을 사용하여 이미지의 패턴을 식별하고 관련 특징을 추출할 수 있습니까?
정답: D
컴퓨터 비전은 이미지에서 패턴을 식별하고 관련 특징을 추출하는 데 특화된 AI 분야입니다. 이 분야는 기계가 주변 환경의 시각 정보를 해석하고 이해하도록 하는 데 중점을 두고, 사물 인식, 장면 분석, 이상 감지 등 인간의 시각 체계가 수행하는 작업을 자동화합니다. 컴퓨터 비전 기술은 얼굴 인식, 이미지 분류부터 의료 영상 분석, 자율주행차에 이르기까지 다양한 분야에서 널리 사용됩니다.
