| 09:30~10:00 |
등록 |
|
| 10:00~10:20 |
오프닝
개회사(신석규 와이즈스톤 회장) ㅣ 환영사(강병준 전자신문 대표) ㅣ 축사(정종열 한국지능정보사회진흥원 본부장)
|
|
| 1부 “테스트와 AI” |
| 10:30~11:00 |
AI 품질의 국제 표준화 동향 (테스팅, 신뢰성, 기능 안전 중심으로)
국제 AI 표준에 대해 SC42에서 수행하고 있는 분야 중
테스팅, 신뢰성 및 기능 안전을 중심으로 표준화 동향 소개
SC 42 조직 구성 및 표준화 항목
AI 테스팅 분야의 표준화 동향
AI 신뢰성 분야의 표준화 동향
AI 기능 안전 분야의 표준화 동향
|
가천대학교
조영임 교수 |
| 11:00~11:30 |
AI 시스템의 품질 평가 방안
기능 정확성(Functional correctness) 평가 방안
강건성(Robustness) 평가 방안
기능 적응성(Functional Adaptability) 평가 방안
투명성(Transparency) 평가 방안
|
포멀웍스
정세훈 팀장 |
| 11:30~12:00 |
CHAT GPT를 활용한 블랙박스 테스트 설계 전략
생성형 AI 챗봇의 소개 및 개념
LLM의 기본 이해, 프롬프트 작성의 기본
CHAT GPT 를 활용한 컨텐츠 생산 사례
테스트 케이스 설계 기법의 기본 개념
CHAT GPT로 작성하는 블랙박스 테스트 케이스 프롬프트
|
몬스터테스트랩
최준현 대표 |
| 12:00~12:30 |
쉽게 사용하는 오픈소스 AI, 과연 안전한가?
AI 모델을 개발할 때 편리하게 사용하는 오픈소스 기반의 AI가 점점 확산되고 있다.
오픈소스기반의 AI에 대해 알아보고 최근 보고된 취약점과 품질을 위하여 고려해야 할 부분에 대해 알아본다.
오픈소스 기반의 AI
위협 사례
최근 보고된 취약점
품질을 위해 고려되어야 할 사항
|
와이즈스톤
김홍기 센터장 |
| 12:30~14:00 |
점심식사 |
|
| 14:00~14:30 |
AI 기술을 활용한 프로젝트 베이스라인 및 성과 베이스라인 예측 정밀도 향상 기법
AI 기반 요구사항 명세서 생성 기법
AI를 통한 WBS 및 Product Backlog 생성 기법
AI 기반 프로젝트 품질 보증 강화 기법
AI Practice Based Learning 사례 : 삼성전자, LG전자
PM/PL훈련 방법
|
프로젝트 리서치
김태영 대표 |
| 14:30~15:00 |
카카오게임즈 외 다양한 사례로 보는 성능테스트의 중요성
성능 테스트의 필요성
일반적인 성능 테스트 사례
런칭 준비 사례 (게임, 웹사이트)
비용 절감 사례
최적화 사례
이벤트성 서비스 사례
|
NGLE
신호용 팀장 |
| 2부 “테스트와 데이터" |
| 15:00~15:30 |
데이터 품질을 좌우하는 최신 오픈 소스 DBMS 활용
대세가 되고 있는 오픈소스 DBMS
NoSQL DB의 현주소
인공지능시대의 벡터디비
|
위데이터랩
김정수 팀장 |
| 15:30~16:00 |
AI 학습용 데이터의 편향성(경향성, 유해성) 검증 방안
AI의 발달로 많은 혜택을 누리고 있지만, AI의 편향성이 사회적으로 문제가 되면서 학습용 데이터 편향성이 중요한 품질 특성이 되었다.
이에 학습데이터의 편향성의 개념과 이를 검증하는 방안을 제시한다.
편향성 개념 정의 (다양성, 경향성, 유해성)
편향성 검증 방안
편향성 검증 사례
|
와이즈스톤
정세린 팀장 |
| 16:00~16:30 |
데이터 품질 확보 방안: 국가공인 데이터 품질 인증
국가에서 추진하고 있는 데이터에 대한 정책 방향을 확인하고 정책방향 중 데이터 품질 인증에 대한 정책을 소개한다.
국가 공인 데이터 품질 인증인 DQ인증의 취지와 절차, 기준 및 신청 방법을 발표하여 최고의 데이터 품질을 확보할 수 있는 방안을 제시하고
향후 개발될 데이터 관리체계와 비정형 데이터에 대한 인증도 소개한다.
|
와이즈스톤
고재정 센터장 |
