Danny's Blog

Governance & Compliance in AIWhy Governance and Compliance MatterGovernance is about managing, optimizing, and scaling AI initiatives inside an organization. It builds trust in AI systems. Ensures responsible and trustworthy practices. Mitigates risks such as bias, privacy violations, or unintended outcomes. Aligns AI systems with legal and regulatory requirements. Protects against legal and reputational risks. Fosters public trust and confidence in AI deployment. 📌 Exam ti...

Generative AI: Capabilities, Challenges, and ComplianceCapabilities of Generative AIGenerative AI (GenAI) has several strengths that make it powerful and attractive for businesses: Adaptability – can quickly adjust to new tasks and domains. Responsiveness – provides real-time answers and interactions. Simplicity – users can interact with natural language prompts instead of coding. Creativity & Exploration – useful for brainstorming, content creation, and generating novel ideas. D...

생성형 AI의 역량과 과제 (시험 포인트 포함)아래 내용은 강의자료와 대본을 바탕으로 쉽고 자연스럽게 정리/확장한 것입니다. 특히 AWS 자격증(특히 AWS Certified AI Practitioner,ML–Specialty, SAP/Architect) 대비에 유리하도록 시험에 자주 나오는 개념과 실무 팁을 함께 넣었습니다. 1) 생성형 AI가 잘하는 것 (Capabilities) 적응성(Adaptability): 다양한 도메인과 태스크로 빠르게 전이·적용 가능 반응성(Responsiveness): 프롬프트에 즉시 응답, 대화형 인터페이스에 적합 단순성(Simplicity): 사용자 입장에선 프롬프트만 잘 쓰면 복잡한 작업도 가능 창의성·탐색(Creativity & Exploration): 아이디어 발산, 초안/프로토타이핑에 강함 데이터 효율(Data Efficiency): 사전학습 덕분에 비교적 적은 추가 데이터로도 튜닝 가능 개인화(Pe...

Responsible AI & Security (책임 있는 AI와 보안)1. Responsible AI (책임 있는 AI) 목표: AI 시스템이 투명성과 신뢰성을 가지도록 설계 중요성: 사용자가 결과를 신뢰하고, 부정적 결과나 위험을 줄일 수 있음 적용 범위: AI 전체 라이프사이클 설계(Design) → 개발(Development) → 배포(Deployment) → 모니터링(Monitoring) → 평가(Evaluation) 2. Security (보안) 3대 원칙: CIA 원칙 Confidentiality (기밀성): 민감한 데이터 보호 Integrity (무결성): 데이터가 변조되지 않도록 보장 Availability (가용성): 필요한 사람이 필요한 시점에 데이터 접근 가능 적용 대상: 조직의 데이터, 정보 자산, IT 인프라 전반 Governance & Compliance1. Governance (거버넌스) 목적: 리스크...

Responsible AI, Security, Governance, and ComplianceThis section is less about building models and more about ensuring trust, safety, and compliance when deploying AI. While it may feel text-heavy, it’s very important for the AWS AI certification exam. Let’s go step by step. Responsible AIDefinition: Responsible AI ensures that AI systems are transparent, trustworthy, and beneficial to society. It reduces risks and negative outcomes across the entire AI lifecycle: Design → Development → D...

Amazon SageMaker – ML Governance & Productivity (Exam-friendly Guide)This rewrite keeps things simple, adds missing context, and highlights what typically shows up on AWS exams. Why “ML Governance” mattersOnce a model is in production, you need to know what it does, who can touch it, how it’s behaving, and how it changes over time. SageMaker gives you a set of tools to do exactly that. Model documentation & visibilitySageMaker Model Cards A living document for each model: intended u...

SageMaker – ML 거버넌스 및 확장 기능SageMaker 거버넌스 도구머신러닝 모델을 실제 서비스에 배포했다면, 거버넌스(Governance) 가 필수적입니다. SageMaker는 이를 위해 다양한 도구를 제공합니다. 1. SageMaker Model Cards 모델의 필수 정보를 문서화하는 카드 형식 예시: 모델의 의도된 사용 목적 모델 리스크 등급 학습 데이터 및 훈련 과정 상세 시험 포인트: “Model Cards = 모델 문서화” 2. SageMaker Model Dashboard 모든 모델을 중앙에서 조회·검색·탐색할 수 있는 포털 예시: 어떤 모델이 현재 배포되어 추론(Inference)에 사용되는지 추적 가능 품질 관리: 데이터 품질, 모델 품질, 편향(Bias), 설명 가능성(Explainability) 위반 여부 확인 시험 포인트: “중앙 대시보드, 품질 및 편향 모니터링” -----------------...

SageMaker – 데이터 준비 및 모델 신뢰성 도구1. SageMaker Data Wrangler머신러닝을 하기 전에 가장 중요한 단계는 데이터 준비입니다. SageMaker Data Wrangler는 표 형식 데이터(tabular)와 이미지 데이터를 손쉽게 준비할 수 있는 도구입니다. 주요 기능: - 데이터 선택, 정제, 탐색, 시각화, 처리까지 단일 인터페이스에서 수행 데이터 변환 및 피처 엔지니어링(feature engineering) 지원 SQL 쿼리 지원 → 데이터 분석 경험이 있는 사람에게 친숙 데이터 품질(Data Quality) 도구 제공 → 결측치, 잘못된 포맷 탐지 활용 단계: 데이터 불러오기 (Import) → S3, Redshift 등 다양한 소스에서 불러오기 데이터 미리보기 (Preview) → 열 이름, 타입 확인 데이터 시각화 (Visualize) → 분포도, 상관관계 그래프 생성 ...

Amazon SageMaker Data Tools and Model EvaluationSageMaker Data WranglerSageMaker Data Wrangler is a tool designed to make data preparation easier before building machine learning (ML) models. With Data Wrangler, you can: - Prepare tabular and image data for ML Perform data preparation, transformation, and feature engineering Use a single interface for: - Data selection - Cleansing - Exploration - Visualization - Processing Run SQL queries directly Use the Data Quality tool to check for missa...

Amazon SageMaker AIWhat is Amazon SageMaker? Fully managed ML service for developers and data scientists. Handles the entire machine learning lifecycle: Collect and prepare data Build and train models Deploy models and monitor predictions Removes the need to manually provision servers or manage infrastructure. Example use case: predicting AWS exam scores using student history. ------------------------------------------------------------------------ Built-in AlgorithmsSageMake...