상세정보
더 괜찮은 개발자가 되기 위한 AI 품질 관리 가이드
AI 기초부터 성능, 품질, 테스트를 위한 체크리스트와 사례까지, 한 권으로 시작하자!| 지은이 | 박영근, 최애숙, 김문호 | |||||
| 옮긴이 | | |||||
| 발행일 | 2021-05-20 | |||||
| 페이지 | 352 | 가격 | 26,000원 | ||||
| ISBN | 978-89-6540-295-4 | 분야 | AI,품질관리,소프트웨어 | ||||
 |  |  |  |  |  |
더 괜찮은 개발자가 되기 위한 AI 품질 관리 가이드
AI 기초부터 성능, 품질, 테스트를 위한 체크리스트와 사례까지, 한 권으로 시작하자!| 지은이 | 박영근, 최애숙, 김문호 | |||||
| 옮긴이 | | |||||
| 발행일 | 2021-05-20 | |||||
| 페이지 | 352 | |||||
| 가격 | 26,000원 | |||||
| ISBN | 978-89-6540-295-4 | |||||
| 분야 | AI,품질관리,소프트웨어 | |||||
| | | |||
| | | |||
신뢰할 수 있는 AI 기술, 보다 높은 품질을 갖춘
AI 시스템을 만들고 싶다면...
생활의 일부가 되고 있는 인공지능(AI)은 정의되지 않은 '결함' 때문에 프로그램 디버깅, 정적 코드 분석, 기능 테스트 등과 같은 전통적인 소프트웨어 품질관리 기법에 새로운 도전이 되고 있습니다. AI 기술 자체에 많은 관심이 쏠려 있지만, 이 기술이 우리 사회에서 신뢰를 얻고 저변이 확대되기 위해서는 품질 관리에도 많은 노력을 쏟아야 합니다.
이 책은 인공지능 시스템의 성능뿐만 아니라 공정성, 견고성, 설명가능성 등과 같은 인공지능 시스템 품질 관리에 필요한 새로운 기준에 대해 준비하고 대비하고자 합니다. IT 기획자, 관리자라면 반드시 알아야 할 인공지능 시스템을 위한 전체적인 품질관리 프레임워크는 물론, 개발 현장에서 손쉽게 활용 가능한 체크리스트와 이를 활용한 실제 사례에 이르기까지 개발자와 품질관리자에게 실무적인 도움이 될 수 있는 사항들까지 구체적으로 제시하고 있습니다.
더욱 가속화되는 인공지능 생태계에 신뢰할 수 있는 AI 기술, 보다 높은 품질을 갖춘 AI 시스템을 갖추고자 한다면 지금 바로 이 책으로 시작하세요.
이 책의 특징
-인공지능, 머신러닝, 딥러닝 등에 대한 기본 지식과 다양한 알고리즘을 소개하고 적용 범위를 알아봅니다.
-AI 시스템의 '품질' 때문에 발생하는 다양한 사례와 품질 확보가 왜 어려운지를 알아봅니다.
-구체적인 품질 관리 방법을 데이터, 성능지표, 모델, 레벨 등으로 구분해서 알아보고 체크리스트를 통해 실무 활용을 돕습니다.
-AI 시스템의 테스트가 어려운 이유와 테스트 결과의 판단 기준을 알아보고 실제 요구사항 정의서의 작성 방법을 알아봅니다.
-여러 다양한 방법론과 이론적 개념을 실제 AI 시스템 품질 관리 사례를 통해 쉽게 이해할 수 있습니다.
AI 시스템을 만들고 싶다면...
생활의 일부가 되고 있는 인공지능(AI)은 정의되지 않은 '결함' 때문에 프로그램 디버깅, 정적 코드 분석, 기능 테스트 등과 같은 전통적인 소프트웨어 품질관리 기법에 새로운 도전이 되고 있습니다. AI 기술 자체에 많은 관심이 쏠려 있지만, 이 기술이 우리 사회에서 신뢰를 얻고 저변이 확대되기 위해서는 품질 관리에도 많은 노력을 쏟아야 합니다.
이 책은 인공지능 시스템의 성능뿐만 아니라 공정성, 견고성, 설명가능성 등과 같은 인공지능 시스템 품질 관리에 필요한 새로운 기준에 대해 준비하고 대비하고자 합니다. IT 기획자, 관리자라면 반드시 알아야 할 인공지능 시스템을 위한 전체적인 품질관리 프레임워크는 물론, 개발 현장에서 손쉽게 활용 가능한 체크리스트와 이를 활용한 실제 사례에 이르기까지 개발자와 품질관리자에게 실무적인 도움이 될 수 있는 사항들까지 구체적으로 제시하고 있습니다.
더욱 가속화되는 인공지능 생태계에 신뢰할 수 있는 AI 기술, 보다 높은 품질을 갖춘 AI 시스템을 갖추고자 한다면 지금 바로 이 책으로 시작하세요.
이 책의 특징
-인공지능, 머신러닝, 딥러닝 등에 대한 기본 지식과 다양한 알고리즘을 소개하고 적용 범위를 알아봅니다.
-AI 시스템의 '품질' 때문에 발생하는 다양한 사례와 품질 확보가 왜 어려운지를 알아봅니다.
-구체적인 품질 관리 방법을 데이터, 성능지표, 모델, 레벨 등으로 구분해서 알아보고 체크리스트를 통해 실무 활용을 돕습니다.
-AI 시스템의 테스트가 어려운 이유와 테스트 결과의 판단 기준을 알아보고 실제 요구사항 정의서의 작성 방법을 알아봅니다.
-여러 다양한 방법론과 이론적 개념을 실제 AI 시스템 품질 관리 사례를 통해 쉽게 이해할 수 있습니다.
1. 인공지능 시스템을 살펴보면
_1.1 인공지능이란
_1.2 머신러닝이란
_1.3 머신러닝 알고리즘의 종류
__1.3.1 지도학습
__1.3.2 비지도학습
__1.3.3 강화학습
_1.4 AI 기술이 적용된 사례
__1.4.1 아마존 Alexa
__1.4.2 우버 Uber
__1.4.3 얼굴인식 시스템
__1.4.4 자율주행 자동차
__1.4.5 스마트 팩토리 시스템
__1.4.6 헬스케어
__1.4.7 로봇 투자전문가
__1.4.8 추천 시스템
2. AI 시스템 품질 때문에 발생하는 일
_2.1 AI 시스템의 오류 사례
__2.1.1 얼굴 인식 오류 사례
__2.1.2 대화형 주문 오류 사례
__2.1.3 자율주행 자동차 오류 사례
__2.1.4 의료분야 AI 프로젝트 실패 사례
_2.2 AI 시스템의 품질 확보가 어려운 이유
__2.2.1 데이터 측면
__2.2.2 기술 측면
__2.2.3 AI 시스템의 고유 특성
__2.2.4 확립되지 않은 품질관리 방법론
3. AI 시스템 품질관리
_3.1 데이터 품질 확보하기
__3.1.1 데이터 충분성(Sufficiency)
__3.1.2 데이터 다양성(Diversity)
__3.1.3 데이터 신뢰성(Trustworthiness)
__3.1.4 인공지능 데이터 품질 표준안
__3.1.5 AI 시스템의 데이터 품질관리 체크리스트 예시
_3.2 성능지표 결정하기
_3.3 AI 모델 품질 확보하기
__3.3.1 오류 분석
__3.3.2 대규모 데이터에 대한 오류 분석
__3.3.3 편향성과 변동성 파악하기
__3.3.4 편향성 줄이기
__3.3.5 변동성 줄이기
__3.3.6 편향성과 변동성의 진단
__3.3.7 AI 모델에 대한 품질관리 체크리스트 예시
_3.4 시스템 레벨의 품질 검토하기
__3.4.1 기존 소프트웨어 품질관리의 핵심 개념
__3.4.2 AI 시스템 구성요소
__3.4.3 AI 시스템에서 발생 가능한 오류
__3.4.4 AI 시스템에 대한 품질관리 활동
__3.4.5 AI 시스템에 대한 품질관리 체크리스트 예시
__3.4.6 AI 시스템의 품질
4. AI 시스템의 요구사항 정의와 테스트
_4.1 시스템 요구사항 정의서
__4.1.1 프로젝트 목표 정의
__4.1.2 프로젝트 범위 정의
__4.1.3 성능 목표 정의
__4.1.4 전체 시스템의 요구사항 정의
__4.1.5 시스템 수준의 기능에 대한 요구사항 정의
__4.1.6 데이터 요구사항 정의
__4.1.7 AI 컴포넌트(머신러닝 모델) 수준의 요구사항 정의
__4.1.8 개인정보 및 보안에 대한 요구사항 정의
__4.1.9 AI 시스템의 요구사항 정의서 작성 사례
_4.2 시스템 테스트
__4.2.1 AI 알고리즘의 처리 단계
__4.2.2 AI 시스템의 활용 케이스별 테스트 전략
__4.2.3 AI 시스템의 테스트 워크플로우
__4.2.4 AI 시스템의 테스트 컴포넌트
__4.2.5 AI 시스템의 테스트 대상 속성
__4.2.6 AI 시스템의 테스트 컴포넌트에 대한 테스트
5. AI 시스템의 품질관리 사례
_5.1 스마트 스피커 사례
__5.1.1 시스템 개요
__5.1.2 시스템 기능에 대한 품질요건 검토
__5.1.3 품질 중점사항
__5.1.4 테스트 아키텍처
__5.1.5 n단계 평가법
__5.1.6 품질보증 수준
_5.2 자율주행 자동차 사례
__5.2.1 전제 사항
__5.2.2 자율주행 시스템 개요
__5.2.3 자율주행 시스템의 특성과 품질보증 과제
__5.2.4 품질 중점사항
_5.3 산업용 제어 시스템 사례
__5.3.1 사례 개요
__5.3.2 산업용 제어 시스템의 품질보증 착안사항
__5.3.3 산업용 제어 시스템의 구성 아키텍처
__5.3.4 산업용 제어 시스템의 개발 프로세스
__5.3.5 품질 평가항목 구체화
__5.3.6 품질 평가항목에 따른 품질보증 활동
__5.3.7 품질 평가항목에 근거한 실제 품질보증 사례 검토
부록
_부록A 인공지능 데이터 품질 표준
_부록B AI 시스템에 대한 요구사항 정의서 작성사례
_부록C AI 제품 품질관리 체크리스트
참고문헌
_1.1 인공지능이란
_1.2 머신러닝이란
_1.3 머신러닝 알고리즘의 종류
__1.3.1 지도학습
__1.3.2 비지도학습
__1.3.3 강화학습
_1.4 AI 기술이 적용된 사례
__1.4.1 아마존 Alexa
__1.4.2 우버 Uber
__1.4.3 얼굴인식 시스템
__1.4.4 자율주행 자동차
__1.4.5 스마트 팩토리 시스템
__1.4.6 헬스케어
__1.4.7 로봇 투자전문가
__1.4.8 추천 시스템
2. AI 시스템 품질 때문에 발생하는 일
_2.1 AI 시스템의 오류 사례
__2.1.1 얼굴 인식 오류 사례
__2.1.2 대화형 주문 오류 사례
__2.1.3 자율주행 자동차 오류 사례
__2.1.4 의료분야 AI 프로젝트 실패 사례
_2.2 AI 시스템의 품질 확보가 어려운 이유
__2.2.1 데이터 측면
__2.2.2 기술 측면
__2.2.3 AI 시스템의 고유 특성
__2.2.4 확립되지 않은 품질관리 방법론
3. AI 시스템 품질관리
_3.1 데이터 품질 확보하기
__3.1.1 데이터 충분성(Sufficiency)
__3.1.2 데이터 다양성(Diversity)
__3.1.3 데이터 신뢰성(Trustworthiness)
__3.1.4 인공지능 데이터 품질 표준안
__3.1.5 AI 시스템의 데이터 품질관리 체크리스트 예시
_3.2 성능지표 결정하기
_3.3 AI 모델 품질 확보하기
__3.3.1 오류 분석
__3.3.2 대규모 데이터에 대한 오류 분석
__3.3.3 편향성과 변동성 파악하기
__3.3.4 편향성 줄이기
__3.3.5 변동성 줄이기
__3.3.6 편향성과 변동성의 진단
__3.3.7 AI 모델에 대한 품질관리 체크리스트 예시
_3.4 시스템 레벨의 품질 검토하기
__3.4.1 기존 소프트웨어 품질관리의 핵심 개념
__3.4.2 AI 시스템 구성요소
__3.4.3 AI 시스템에서 발생 가능한 오류
__3.4.4 AI 시스템에 대한 품질관리 활동
__3.4.5 AI 시스템에 대한 품질관리 체크리스트 예시
__3.4.6 AI 시스템의 품질
4. AI 시스템의 요구사항 정의와 테스트
_4.1 시스템 요구사항 정의서
__4.1.1 프로젝트 목표 정의
__4.1.2 프로젝트 범위 정의
__4.1.3 성능 목표 정의
__4.1.4 전체 시스템의 요구사항 정의
__4.1.5 시스템 수준의 기능에 대한 요구사항 정의
__4.1.6 데이터 요구사항 정의
__4.1.7 AI 컴포넌트(머신러닝 모델) 수준의 요구사항 정의
__4.1.8 개인정보 및 보안에 대한 요구사항 정의
__4.1.9 AI 시스템의 요구사항 정의서 작성 사례
_4.2 시스템 테스트
__4.2.1 AI 알고리즘의 처리 단계
__4.2.2 AI 시스템의 활용 케이스별 테스트 전략
__4.2.3 AI 시스템의 테스트 워크플로우
__4.2.4 AI 시스템의 테스트 컴포넌트
__4.2.5 AI 시스템의 테스트 대상 속성
__4.2.6 AI 시스템의 테스트 컴포넌트에 대한 테스트
5. AI 시스템의 품질관리 사례
_5.1 스마트 스피커 사례
__5.1.1 시스템 개요
__5.1.2 시스템 기능에 대한 품질요건 검토
__5.1.3 품질 중점사항
__5.1.4 테스트 아키텍처
__5.1.5 n단계 평가법
__5.1.6 품질보증 수준
_5.2 자율주행 자동차 사례
__5.2.1 전제 사항
__5.2.2 자율주행 시스템 개요
__5.2.3 자율주행 시스템의 특성과 품질보증 과제
__5.2.4 품질 중점사항
_5.3 산업용 제어 시스템 사례
__5.3.1 사례 개요
__5.3.2 산업용 제어 시스템의 품질보증 착안사항
__5.3.3 산업용 제어 시스템의 구성 아키텍처
__5.3.4 산업용 제어 시스템의 개발 프로세스
__5.3.5 품질 평가항목 구체화
__5.3.6 품질 평가항목에 따른 품질보증 활동
__5.3.7 품질 평가항목에 근거한 실제 품질보증 사례 검토
부록
_부록A 인공지능 데이터 품질 표준
_부록B AI 시스템에 대한 요구사항 정의서 작성사례
_부록C AI 제품 품질관리 체크리스트
참고문헌
박영근
㈜스텝포워드솔루션 대표
前 국방기술품질원 선임연구원
과학기술정보통신부장관 표창
국방부장관 표창
저서 <소프트웨어 품질관리 실무가이드>
*이메일: ykpark@stepforward.co.kr
최애숙
㈜스텝포워드솔루션 이사
정보통신산업진흥원 SW품질관리 전문 강사
前 비즈피어㈜ SW프로세스개선/QA 컨설턴트
前 동양시스템즈 SW품질보증 담당
*이메일: cas001@stepforward.co.kr
김문호
㈜스텝포워드솔루션 이사
TTA 소프트웨어 테스트 전문 강사
前 가온테스팅 수석 컨설턴트
前 SGS 신뢰성 사업부 수석 컨설턴트
*이메일: mhkim@stepforward.co.kr
㈜스텝포워드솔루션 대표
前 국방기술품질원 선임연구원
과학기술정보통신부장관 표창
국방부장관 표창
저서 <소프트웨어 품질관리 실무가이드>
*이메일: ykpark@stepforward.co.kr
최애숙
㈜스텝포워드솔루션 이사
정보통신산업진흥원 SW품질관리 전문 강사
前 비즈피어㈜ SW프로세스개선/QA 컨설턴트
前 동양시스템즈 SW품질보증 담당
*이메일: cas001@stepforward.co.kr
김문호
㈜스텝포워드솔루션 이사
TTA 소프트웨어 테스트 전문 강사
前 가온테스팅 수석 컨설턴트
前 SGS 신뢰성 사업부 수석 컨설턴트
*이메일: mhkim@stepforward.co.kr
신뢰할 수 있는 AI 기술, 보다 높은 품질을 갖춘
AI 시스템을 만들고 싶다면...
생활의 일부가 되고 있는 인공지능(AI)은 정의되지 않은 '결함' 때문에 프로그램 디버깅, 정적 코드 분석, 기능 테스트 등과 같은 전통적인 소프트웨어 품질관리 기법에 새로운 도전이 되고 있습니다. AI 기술 자체에 많은 관심이 쏠려 있지만, 이 기술이 우리 사회에서 신뢰를 얻고 저변이 확대되기 위해서는 품질 관리에도 많은 노력을 쏟아야 합니다.
이 책은 인공지능 시스템의 성능뿐만 아니라 공정성, 견고성, 설명가능성 등과 같은 인공지능 시스템 품질 관리에 필요한 새로운 기준에 대해 준비하고 대비하고자 합니다. IT 기획자, 관리자라면 반드시 알아야 할 인공지능 시스템을 위한 전체적인 품질관리 프레임워크는 물론, 개발 현장에서 손쉽게 활용 가능한 체크리스트와 이를 활용한 실제 사례에 이르기까지 개발자와 품질관리자에게 실무적인 도움이 될 수 있는 사항들까지 구체적으로 제시하고 있습니다.
더욱 가속화되는 인공지능 생태계에 신뢰할 수 있는 AI 기술, 보다 높은 품질을 갖춘 AI 시스템을 갖추고자 한다면 지금 바로 이 책으로 시작하세요.
이 책의 특징
-인공지능, 머신러닝, 딥러닝 등에 대한 기본 지식과 다양한 알고리즘을 소개하고 적용 범위를 알아봅니다.
-AI 시스템의 '품질' 때문에 발생하는 다양한 사례와 품질 확보가 왜 어려운지를 알아봅니다.
-구체적인 품질 관리 방법을 데이터, 성능지표, 모델, 레벨 등으로 구분해서 알아보고 체크리스트를 통해 실무 활용을 돕습니다.
-AI 시스템의 테스트가 어려운 이유와 테스트 결과의 판단 기준을 알아보고 실제 요구사항 정의서의 작성 방법을 알아봅니다.
-여러 다양한 방법론과 이론적 개념을 실제 AI 시스템 품질 관리 사례를 통해 쉽게 이해할 수 있습니다.
AI 시스템을 만들고 싶다면...
생활의 일부가 되고 있는 인공지능(AI)은 정의되지 않은 '결함' 때문에 프로그램 디버깅, 정적 코드 분석, 기능 테스트 등과 같은 전통적인 소프트웨어 품질관리 기법에 새로운 도전이 되고 있습니다. AI 기술 자체에 많은 관심이 쏠려 있지만, 이 기술이 우리 사회에서 신뢰를 얻고 저변이 확대되기 위해서는 품질 관리에도 많은 노력을 쏟아야 합니다.
이 책은 인공지능 시스템의 성능뿐만 아니라 공정성, 견고성, 설명가능성 등과 같은 인공지능 시스템 품질 관리에 필요한 새로운 기준에 대해 준비하고 대비하고자 합니다. IT 기획자, 관리자라면 반드시 알아야 할 인공지능 시스템을 위한 전체적인 품질관리 프레임워크는 물론, 개발 현장에서 손쉽게 활용 가능한 체크리스트와 이를 활용한 실제 사례에 이르기까지 개발자와 품질관리자에게 실무적인 도움이 될 수 있는 사항들까지 구체적으로 제시하고 있습니다.
더욱 가속화되는 인공지능 생태계에 신뢰할 수 있는 AI 기술, 보다 높은 품질을 갖춘 AI 시스템을 갖추고자 한다면 지금 바로 이 책으로 시작하세요.
이 책의 특징
-인공지능, 머신러닝, 딥러닝 등에 대한 기본 지식과 다양한 알고리즘을 소개하고 적용 범위를 알아봅니다.
-AI 시스템의 '품질' 때문에 발생하는 다양한 사례와 품질 확보가 왜 어려운지를 알아봅니다.
-구체적인 품질 관리 방법을 데이터, 성능지표, 모델, 레벨 등으로 구분해서 알아보고 체크리스트를 통해 실무 활용을 돕습니다.
-AI 시스템의 테스트가 어려운 이유와 테스트 결과의 판단 기준을 알아보고 실제 요구사항 정의서의 작성 방법을 알아봅니다.
-여러 다양한 방법론과 이론적 개념을 실제 AI 시스템 품질 관리 사례를 통해 쉽게 이해할 수 있습니다.
