Cert Notes/ 출퇴근 학습 노트
로드맵
KOEN
CLF-C02 · FoundationalCloud Practitioner - Foundational
DVA-C02 · AssociateDeveloper - Associate
SAA-C03 · AssociateSolutions Architect - Associate
SOA-C02 · AssociateCloudOps Engineer - Associate
SAP-C02 · ProfessionalSolutions Architect - Professional
DOP-C02 · ProfessionalDevOps Engineer - Professional
SCS-C03 · SpecialtySecurity - Specialty
MLA-C01 · AssociateMachine Learning Engineer - Associate
AIF-C01 · FoundationalAI Practitioner - Foundational
  • Week 1
    • 1.AI·머신러닝·딥러닝의 관계와 차이
    • 2.학습 유형: 지도·비지도·강화학습
    • 3.ML이 적합한 문제 vs 아닌 문제
    • 4.핵심 용어: 모델·학습·추론·특성·레이블·과적합
    • 5.Week 1 종합: AI/ML 기초 복습
  • Week 2
    • 1.ML 수명주기 개요: 데이터에서 운영까지의 한 바퀴
    • 2.데이터: 정형/비정형, 데이터 분리, 그리고 품질의 힘
    • 3.모델 평가 기초: 정확도·정밀도·재현율과 과적합/과소적합
    • 4.ML 개발에서 사람의 역할: 라벨링, 피드백, 반복 개선
    • 5.Week 2 종합: ML 수명주기와 데이터 한눈에 복습
  • Week 3
    • 1.생성형 AI란 무엇인가: 전통 ML과의 차이, 그리고 파운데이션 모델
    • 2.LLM은 어떻게 작동하나: 토큰, 임베딩, 컨텍스트 윈도우, 추론
    • 3.프롬프트 엔지니어링 기초: 좋은 프롬프트, Zero/Few-shot, 그리고 한계
    • 4.생성형 AI의 한계와 위험: 환각, 편향, 비결정성, 그리고 적합한 사용처
    • 5.Week 3 종합 복습: 생성형 AI 기초 한눈에 묶기
  • Week 4
    • 1.Amazon Bedrock: 파운데이션 모델을 빌려 쓰는 완전관리형 서비스
    • 2.Amazon SageMaker: 직접 ML 모델을 학습하고 배포하는 플랫폼
    • 3.AWS AI 서비스 (1): 이미지·문서·텍스트·음성을 다루는 관리형 API
    • 4.AWS AI 서비스 (2) + Amazon Q: 챗봇·검색·추천·예측과 생성형 비서
    • 5.Week 4 종합: AWS AI/ML 서비스 전체 지도
  • Week 5
    • 1.책임 있는 AI의 원칙: 공정성·편향·투명성·설명가능성·견고성·프라이버시
    • 2.AWS의 책임 있는 AI 도구: SageMaker Clarify, Model Monitor, Bedrock Guardrails, AI Service Cards
    • 3.AI 보안: IAM 최소권한, 데이터 암호화, PII 보호, PrivateLink, 책임 공유 모델
    • 4.데이터 거버넌스와 규정 준수: 데이터 출처·품질, 모델 거버넌스, 감사·로깅, 생성형 AI의 법적·윤리 고려
    • 5.Week 5 종합 복습: 책임 있는 AI·보안·거버넌스를 하나로 묶기
  • Week 6
    • 1.도메인 복습 1: AI/ML 기초 + 생성형 AI 기초 핵심 총정리
    • 2.도메인 복습 2: 파운데이션 모델 응용(AWS AI 서비스) 핵심 총정리
    • 3.도메인 복습 3: 책임 있는 AI + 보안·거버넌스 핵심 총정리
    • 4.전체 모의고사 페이스: 5개 도메인 종합 문제
    • 5.D-Day 마무리: 시험 구성, 키워드→서비스 번역표, 자주 틀리는 함정
DEA-C01 · AssociateData Engineer - Associate
MLS-C01 · SpecialtyMachine Learning - Specialty
합격 후기
← AIF-C01/Week 5/Day 4
AIF-C01· AssociateWeek 5 · Day 4읽기 약 9분

Day 4 - 데이터 거버넌스와 규정 준수: 데이터 출처·품질, 모델 거버넌스, 감사·로깅, 생성형 AI의 법적·윤리 고려

어제는 AI 보안의 기술적 방어(IAM, 암호화, PII, PrivateLink)를 봤다. 오늘은 그 위에 얹히는 조직적 관리 — 데이터 거버넌스와 규정 준수(Compliance) 다. 보안이 "벽을 세우는 일"이라면, 거버넌스는 "누가 무엇을 어떤 규칙으로 다루는지 정하고 그것을 증명하는 일"이다.

AIF-C01은 자격증답게 "어떻게 추적·감사하고, 어떻게 규정을 지키며, 생성형 AI가 일으키는 법적·윤리 문제는 무엇인가"를 묻는다. 오늘은 데이터 출처·품질, 모델 거버넌스, CloudTrail 기반 감사·로깅, 그리고 생성형 AI 특유의 법적·윤리 고려를 정리한다.

데이터 거버넌스: 출처와 품질부터

AI는 데이터로 만들어지므로, 거버넌스의 출발점은 데이터다.

  • 데이터 출처(Data Lineage/Provenance): 데이터가 어디서 왔고, 어떤 변환을 거쳤는지 추적하는 것. "이 모델은 어떤 데이터로 학습됐나?"에 답할 수 있어야 한다. 출처가 불분명한 데이터는 저작권·편향·규정 위반의 씨앗이 된다.
  • 데이터 품질(Data Quality): 정확성, 완전성, 일관성, 최신성. "쓰레기를 넣으면 쓰레기가 나온다(Garbage In, Garbage Out)"는 ML의 철칙이다

여기부터는 Pro 전용입니다

Week 1은 누구나 무료로 볼 수 있어요. Week 2부터의 전체 학습 자료와 모의고사·무제한 복습은 Pro 플랜에서 이용할 수 있습니다.

Pro 알아보기로그인
이전AI 보안: IAM 최소권한, 데이터 암호화, PII 보호, PrivateLink, 책임 공유 모델Week 5 · Day 3다음 Week 5 종합 복습: 책임 있는 AI·보안·거버넌스를 하나로 묶기Week 5 · Day 5