데이터라벨링 AIDE2급 독학 후기, 시험유형 및 기출문제 키워드

데이터라벨링 자격증 AIDE2급 취득 후기

 

목차

AIDE2급

안녕하세요. 오늘 98회 차 AIDE2급 2023년 3월 22일 11시 시험을 봤습니다.
시험 시작 15분 만에 85점으로 통과했네요. 인터넷으로 보는 시험이다 보니 끝나자마자 점수가 나오는 건 참 좋은 것 같습니다.

 

시험난이도

일단 시험 난이도는 '몹시 쉽다'입니다.
따로 막 강의를 듣거나 하지 않고 기출문제와 키워드만 쓱 훑어만 봐서 시험 전에 약간 긴장했는데 AIDE 2급 시험 자체는 몹시 쉬운 편입니다.

저는 국비지원으로 데이터라벨링 심화과정만 이수를 한 상태로 시험을 보았는데요. 실습은 쉽다 못해 날로 먹기 수준이고, 이론 문제는 1시간만 공부해도 다 풀 수 있을 정도입니다.(본인 이론 30분 정도 공부함)

 한 번쯤 기출 키워드만 쓱 훑어보시면 남녀노소 누구나 쉽게 합격 가능합니다.

결론적으로 국비지원 무료교육을 들으셨다면 굳이 비싼 돈 주고 유료강의 들으면서 시험 응시 하실 필요 없습니다. 하지만 완전히 처음 접하시는 분들은 한 번쯤은 강의를 들으셔야 풀 수 있습니다.

데이터라벨링, 크라우드웍스 국비지원 데이터라벨링심화-검수자 양성과정 후기 및 정보

 

시험 기준

교육 과정에 포함된 이론 및 실습 프로젝트를 바탕으로 작업 기준 및 라벨링에 대한 이해도 측정

문제는 총 50문항입니다.
인공지능 이론 20문항, 실습 프로젝트 30문항으로 이루어져 있고 전 문항 객관식이며 시험 응시 시간 60분, 100점 만점 60점 이상 합격입니다.

문제유형

문제 유형 (출처 한국인공지능자격센터)

문제가 정말 쉽죠? 좌측 문제에 영어가 섞여있고 우측 답안 부분에도 전부 영어로 나오는 문제도 조금씩 출제가 됩니다.
 
 AIDE 2급 시험 공부할 때 주의할 점은 시험 문제가 영어단어로 나오는 문제가 한두 개쯤 섞여있는데 문제자체는 한글과 영어가 섞여있는데 답안에는 한글이 없습니다. 영어가 조금 헷갈리더라도 한 번쯤은 보고 넘어가는 게 좋을 것 같습니다.
만약 영어가 어렵다면 문제 비중 자체는 그렇게 많지 않아 다른 부분에서 맞추면 돼서 그냥 과감하게 외우지 않는 것도 좋다고 생각합니다.
 

문제 유형 (출처 한국인공지능자격센터)

문제 유형 (출처 한국인공지능자격센터)

문제 유형 (출처 한국인공지능자격센터)

aide 2급은 문제 유형만 쓱 봤는데도 이 정도면 누구나 맞출 수 있겠죠? 모든 문제가 객관식이고 간단한 문제도 많습니다.하지만 모든 문제가 이 정도로 쉽진 않습니다.
기출문제 키워드 정리를 한번쯤 검색해서 확인하시고 시험에 들어가시는 걸 추천드립니다. 

기출문제 키워드

모든 문제가 기억이 나진 않지만 기억나는 대로 적어 보겠습니다.
 
1. 4차 산업혁명: 인공지능과 정보의 발전을 통한 산업혁명
4차 산업혁명 (인공지능, 빅데이터, 사물인터넷, 3d프린팅, 로봇, 공유경제, 드론)
 
2. 인공지능 서비스 개발의 4단계

데이터 획득 - 데이터 가공 - 모델생성 - 서비스개발( api개발)
 
 
3. 데이터 획득
 
IOT, M2M을 통한 데이터(이미지, 영상, 텍스트 등) 수집과정
 
ㄴM2M(Machine To Machine)이란 기계간의 통신 및 사람이 조작하는 디바이스와 기계간의 통신입니다.
   인공지능서비스 개발 단계 중 데이터획득에 해당함
 
4. 데이터 가공
수집된 데이터를 인공지능이 학습할 수 있는 형태의 데이터로 변형시키는 과정
데이터 가공작업은 데이터 라벨링, 구분·선별, 포맷변경, 결합·변형 등이 있다.
 
ㄴ인공지능이 학습할 수 있는 형태로 데이터를 만드는 작업을 데이터라벨링이라고 한다. -거의 무조건 나오는 문제(?) 
 
5. 모델생성
모델 생성 과정은
모델개발 - 데이터입력 -데이터학습 - 모델 수정 (반복)
 
6. 머신러닝 학습종류 3가지
지도학습, 비지도학습, 강화학습
ㄴ지도학습(Supervised Learning)
문제와 답을 알려주고 학습 (예측 분류 회귀)    - 딥러닝은 지도학습에 해당
ㄴ비지도학습(Unsupervised Learning)
답을 가르쳐주지 않고 학습 (연관규칙, 군집)
ㄴ강화학습(Reinforcement Learning)
보상을 통해 학습하는 방식 
 
7. 인공지능의 발전 
1단계( ai 개념) - 2단계 (전문가시스템) - 3단계 (머신러닝 딥러닝)
 
1단계 ai 개념
1960-1970, 인공지능의 아버지 앨런튜링이 인공지능 제기
 
2단계 전문가시스템
1980-1990 전문가가 직접 지식을 입력, 규칙을 만들어 동작하는 시스템
 
3단계 AI 붐
2000년 초반~ 컴퓨터가 스스로 학습함
머신러닝과 딥러닝을 이용
 
8. 인공지능이란? 
사람의 뇌를 모방한 인공신경망과 다양한 머신러닝 알고리즘을 통해 구현
 
9. 인공신경망 (ANN:Artificaial Neaural Network)
입력층, 은닉층, 출력층으로 구성
 
ㄴ입력층 input layer
학습하고 데이터를 입력하는 층
ㄴ출력층 output layer
처리된 결과를 출력하는 층
ㄴ은닉층 hidden layer
입력된 데이터를 여러 단계로 처리하는 층
 
10. 학습용 데이터 구축 과정
수집 -정제 -라벨링 -검수
 
11. 유형별 라벨링 방법
바운딩 bounding - 마우스를 드래그하여 작업대상에 박스를 그리는 작업
 
키포인트 keypoint - 작업 대상의 특정 지점에 마우스를 클릭하여 점을 찍는 작업
 
OCR - 이미지 속의 글자를 바운딩한 후 태깅이나 전사하는 작업
 
폴리라인 Polyline - 선을 라벨링 하는 작업방식, 작업 대상을 따라 여러 개의 점을 연속적으로 그리는 작업
 
스켈레톤 추출 Skeleton - 작업 대상의 행동 패턴을 분석하기 위해 특정 부위에 점을 찍어주는 작업
 
시멘틱 세그멘테이션 Sementic Segmentation -
폴리곤 폴리라인 브러시 등을 사용하여 경계를 나누어 분할. 이민지 내의 모든 대상의 위치 및 모양 들을 영역으로 분류해 내는 작업
 
12.
single object (단일 객체): 검출하려는 객체가 하나 일 때
분류 (classification)+ 영역표시 (localization) + 바운딩박스(bounding box)
 
ㄴ분류 (classification):인공지능 데이터셋을 학습하여 새로운 이미지를 식별하게 되는 과정, 학습 못한 것은 인지 불가
 
multi object (여러 객체)
객체검출 object detection + 의미적 분할(instance segmentation)
 
13.
CNN(Convolution Neural Network)
영상처리에 많이 활용되는 합성곱을 이용한 신경망
convolution컨볼루션과 pooling 풀링 과정으로 진행
 
RNN(Recurrent Neural Network) 순환신경망
음성 언어처리에 많이 사용되는 계층의 출력이 순환되는 신경망
 
GAN (Generative Adversarial Networks) 생성적 적대 신경망
신경망끼리 경쟁하여 최적화하는 신경망
 
14. 초상권
사람이 자신의 초상(肖像)에 대해 갖는 인격적·재산적 이익, 즉, 본인의 얼굴, 기타 사회통념상 특정인임을 식별할 수 있는 신체적 특징
 
 

aide 2급자격증

지금까지 aide2급 후기였습니다.

좁은 범위에서 문제가 3문제 정도씩 나오다 보니 대충 쓱 훑어보기만 해도 대부분 풀 수 있습니다. 시험 보기 30분 전에 꼭 기출문제 및 키워드 한 번씩은 보고 푸시는 걸 추천드립니다. 저는 조만간 AIDE 1급도 도전해 볼 예정입니다.

 

자격증 취득 이후 작업 구하기

크라우드웍스 데이터라벨링 작업 구하는 방법, 크라우드웍스 첫 수익 후기