더 괜찮은 개발자가 되기 위한 AI 품질 관리 가이드

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