[AWS AI Practitioner 7일차] 1주차 핵심 개념 총정리 (Bedrock, Q, RAG)

 

• 요약
  • AI/ML 기초: AI(가장 포괄적) > ML(데이터 패턴 학습) > DL(인공 신경망). 정답 유무에 따라 지도 학습과 비지도 학습으로 구분.
  • 파운데이션 모델(FM): 방대한 데이터로 사전 학습된 초대형 범용 모델. 트랜스포머 아키텍처 기반으로 텍스트 처리 최적화.
  • 프롬프트 엔지니어링: 예시 유무에 따라 제로샷과 퓨샷으로 구분. 복잡한 추론 시 '체인 오브 소트(CoT)' 활용.
  • RAG(검색 증강 생성): 모델 재학습(Fine-tuning) 없이 외부 최신 지식을 검색해 환각(Hallucination)을 줄이는 아키텍처.
  • Amazon Bedrock: 단일 API, 서버리스 환경. 다양한 파운데이션 모델 제공. 고객 프롬프트 데이터로 기본 모델 재학습 절대 불가(프라이버시).
  • Amazon Titan: 임베딩(RAG용 벡터 변환), 이미지 제너레이터(딥페이크 방지용 비가시적 워터마크).
  • Amazon SageMaker: Bedrock과 달리 기반 인프라(인스턴스)에 대한 완벽한 제어와 ML 전체 수명 주기 관리 가능.
  • Amazon Q: 권한 상속이 특징인 사내 업무용 'Q Business', IDE 내 코드 작성 보조용 'Q Developer'.
• 코멘트 & 시험 시사점
  • 단일 API와 서버리스라는 키워드가 나오면 'Bedrock', 인프라 직접 제어와 ML 수명주기 관리는 'SageMaker'를 선택하는 것이 1주차 최고의 득점 포인트.
  • 모델의 재학습 비용을 아끼면서 최신 사내 데이터를 반영하는 방법으로는 항상 'RAG'를 선택할 것.