24개 주제의 개념과 참고 답안을 읽고, 회차별 기출을 찾아 답안을 연습합니다.
분야를 펼치면 수업을 고를 수 있습니다.
정규화는 데이터의 종속 관계에 따라 테이블을 나눠 중복과 변경 이상을 줄이는 설계 방법이다. 역정규화로 조회 비용을 줄이려면 중복된 값을 일치시키는 데 드는 비용도 함께 계산한다.
트랜잭션은 업무상 함께 성공하거나 취소돼야 할 변경을 묶는다. 동시 실행의 관찰 결과는 격리 수준과 DBMS 구현에 따라 달라지므로 ACID의 이름과 실제 보장 범위를 구분한다.
동시성 제어는 여러 작업이 같은 데이터를 읽고 바꿀 때 제약 조건이 깨지지 않도록 실행 순서를 조정한다. 잠금 대기와 교착상태는 다르며 교착을 탐지한 뒤 어떤 작업을 취소하고 재시도할지도 정해야 한다.
인덱스는 필요한 행을 빠르게 찾는 데 쓰는 자료구조다. 인덱스도 저장 공간을 차지하고 데이터 변경 때 갱신 비용이 들므로 실행 계획과 실제 조회·쓰기 시간을 보고 효과를 확인한다.
CAP는 네트워크가 분할됐을 때 정해진 의미의 일관성과 가용성을 항상 동시에 보장할 수 없다는 제약이다. 평상시에 세 항목 중 두 개를 고르는 제품 분류표가 아니다.
요구사항 관리는 이해관계자의 필요를 검증할 수 있는 조건으로 적고 변경을 관리하는 일이다. 요구사항 ID에 설계·구현·시험·수용 결과를 대응시키면 빠진 요구와 변경의 영향을 추적할 수 있다.
소프트웨어 테스트는 정한 입력과 실행 조건에서 실제 결과를 기대 결과와 비교한다. 테스트가 통과해도 실행하지 않은 경로나 조건의 동작까지 확인된 것은 아니므로 커버리지가 무엇을 세는지 함께 살핀다.
아키텍처는 시스템의 구성 요소와 책임, 상호작용을 정한다. 같은 기능도 응답 시간·가용성·변경 용이성에 대한 요구가 다르면 다른 구조가 적합할 수 있다.
형상관리는 코드·설정·문서 등의 버전과 기준선을 정하고 변경을 기록·승인·확인하는 활동이다. 버전 관리 도구는 그중 일부이며 특정 배포에 사용한 구성과 시험 결과도 추적 대상이 된다.
애자일은 작동 결과와 피드백에 따라 계획과 작업을 조정하는 가치·원리다. Scrum은 이를 복잡한 업무에 적용하는 경량 프레임워크로, 짧은 주기로 작업한다는 사실만으로 품질이 보장되지는 않는다.
위험 관리는 불확실한 사건이 목표에 미칠 영향을 분석하고 대응 방법을 정하는 일이다. 이미 발생한 문제는 이슈로 처리하고 앞으로 발생할 가능성과 대응 후에도 남는 위험을 따로 기록한다.
획득가치 관리는 같은 기준일의 계획가치(PV), 획득가치(EV), 실제원가(AC)를 비교해 일정과 비용 성과를 본다. 남은 비용을 예측할 때는 앞으로도 현재 성과가 이어질지 등의 가정을 별도로 정한다.
편익은 산출물 전달 이후의 변화가 이해관계자에게 주는 유리한 영향이다. 기준 상태·목표·측정 경계·담당·기간을 정하고 비용·부작용과 함께 검토한다.
SLI는 서비스 행동의 측정값, SLO는 측정값에 대한 목표, SLA는 미달 시 결과 등을 포함하는 합의다. 대상 요청·기간·제외 조건·자료 품질을 먼저 고정한다.
모니터링은 정해 둔 지표를 수집하고 이상을 알린다. 관측 가능성은 로그·지표·추적 등의 출력으로 내부 상태를 추론할 수 있는 정도를 뜻하며 사용자에게 나타난 증상과 내부 원인을 구분해 살핀다.
업무 연속성은 재난 상황에서도 중요한 업무를 유지하거나 재개할 사람·절차·자원을 준비하는 일이다. 재해복구는 정보시스템의 복원을 다루며 백업 파일을 보관하는 것만으로 복구 준비가 끝나지는 않는다.
인증은 주체의 신원을 확인하고 인가는 자원·행위에 대한 허용을 결정한다. 제로 트러스트는 네트워크 위치만으로 암묵적 신뢰를 주지 않고 자원 중심의 정책 판단을 설계하는 접근이다.
암호 기술은 기밀성·무결성·인증 등 필요한 보안 속성에 맞춰 선택한다. 알고리즘 이름뿐 아니라 운용 모드, 키 관리와 사용 기간도 확인해야 하며 키 길이와 블록 길이는 서로 다른 값이다.
개인정보 위험 관리는 자료의 수집·이용·공유·보관·폐기 과정이 개인에게 줄 수 있는 영향을 다룬다. 보안 통제와 겹치지만 허가된 처리에서 생기는 위험도 검토한다.
정확도·정밀도·재현율은 서로 다른 분모로 모델 성능을 측정한다. 드문 사건을 탐지할 때는 정확도가 높아도 중요한 사건을 놓칠 수 있으므로 오류 비용과 검토 인력을 고려해 임계값을 정한다.
RAG는 검색한 자료를 생성 모델에 함께 전달해 답변의 근거로 쓰게 하는 방식이다. 검색한 문서가 질문과 관련 있는지, 사용자가 그 문서를 볼 권한이 있는지, 답변이 근거와 일치하는지를 각각 확인한다.
데이터 품질은 정확성·완전성·최신성 등으로 데이터가 사용 목적에 맞는지 평가한다. 데이터 거버넌스는 누가 용어와 기준을 정하고 오류 수정과 예외를 승인하며 품질 관리에 책임을 지는지 정한다.
각 기록은 실제 기출의 위치입니다. 140회 31문항은 확인된 이용 조건에 따라 원문을 제공하며, 이전 회차는 기술명 색인과 공식 원문 링크를 제공합니다. ‘원문 대조’는 문항의 요구를 읽고 편집 분류했다는 뜻이며 공식 분류나 정답 감수가 아닙니다. 나머지 ‘자동 후보’는 배경 용어를 잡거나 놓칠 수 있습니다.
1,860개 기록 · 1–20 표시
핵심 출제 주제: AI 기반 BPR · 업무 프로세스 혁신 효과
배경·적용 맥락: AI 활용
분류 근거: 프로세스 재설계의 도입 효과를 묻는다. 재설계라는 명사에 설계 동사가 포함돼도 시스템 설계 요구로 분류하지 않는다. AI가 등장한다는 이유로 분류 모델의 정밀도·재현율 수업에 연결하지 않는다.
AI 기반의 업무 프로세스 재설계(BPR, Business Process Reengineering) 도입 효과
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 다크 팩토리
분류 근거: 별도 지시 동사가 없는 단문형 기술명이다. 개념 설명형은 학습 편의를 위한 편집 해석이며 공식 답안 요구 항목이 아니다.
다크 팩토리(Dark Factory)
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: ATAM · 아키텍처 트레이드오프 평가
분류 근거: 직접 제시된 대상은 아키텍처 평가 방법이다. 아키텍처 수업은 기초 연결이며 ATAM 전용 해설을 제공한다는 뜻은 아니다.
ATAM(Architecture Trade-off Analysis Method)
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: PMC · PMO
배경·적용 맥락: 프로젝트 관리 조직
분류 근거: 두 조직의 비교가 명시돼 있다. 프로젝트라는 배경어만으로 특정 EVM·위험관리 수업의 기출로 세지 않는다.
PMC(Project Management Consultancy)와 PMO(Project Management Office) 비교
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: ISO/IEC 25010 · 품질 특성
분류 근거: 주특성과 부특성이라는 구성 체계를 요구한다. ISO라는 문자열만으로 테스트나 보안 인증 문제라고 판단하지 않는다.
ISO/IEC 25010의 주특성 및 부특성
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 하이브리드 검색 · 어휘 검색 · 의미 검색
분류 근거: 검색 방식의 결합이 대상이다. 하이브리드 클라우드 문제로 분류하지 않는다. RAG는 검색의 활용 맥락을 배우는 보충 수업이며 문제 자체가 RAG를 묻는 것은 아니다.
어휘 검색(Lexical Search)과 의미 검색(Vector Search)을 결합한 하이브리드 검색(Hybrid Search)
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 잭나이프 · 편향 감소 · 분산 추정
분류 근거: 분산은 통계량의 변동을 뜻한다. 분산 시스템의 일관성이나 CAP 수업과 연결하지 않는다. 세부 요구가 없는 단문형은 방법 설명으로 해석했다.
편향(Bias) 감소와 분산(Variance) 추정을 위한 잭나이프(Jackknife) 기법
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 좀비 프로세스
배경·적용 맥락: 운영체제 프로세스
분류 근거: 운영체제의 프로세스 상태가 대상이다. 업무 프로세스 관리와 구분하며 구체 답안 항목은 원문에 제시되지 않았다.
좀비 프로세스(Zombie Process)
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: Physical AI · 생성형 AI
분류 근거: 두 AI 범주의 비교가 요구된다. 모델 평가 지표 문제로 분류하지 않고 RAG 수업은 생성형 AI를 이해하는 보충 연결로만 둔다.
Physical AI와 생성형 AI 비교
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 차등적 맨체스터 부호화
분류 근거: 부호화 방법을 설명하는 문제다. 특정 계산값을 산출하라는 지시는 없으므로 계산형으로 넣지 않는다.
차등적 맨체스터(Differential Manchester) 부호화 방법
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 비인간 신원 · 신원 보안 취약점
분류 근거: 취약점이 직접 평가 대상이다. 신원·권한 경계를 다루는 수업에 연결하되 해당 수업이 NHI 기출의 완성 답안은 아니다.
비인간 신원(NHI, Non-Human Identities)의 보안 취약점
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 디지털 포렌식
분류 근거: 기술명만 제시된 단문형이다. 개념형이라는 표시는 학습용 해석이며 절차나 법적 요건을 원문 요구로 추가하지 않는다.
디지털 포렌식(Digital Forensics)
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 프롬프트 엔지니어링 · 하네스 엔지니어링
분류 근거: 두 엔지니어링 접근의 비교가 대상이다. 생성형 AI 수업은 보충 연결이며 하네스 비교 전용 해설을 수록했다는 뜻은 아니다.
프롬프트 엔지니어링(Prompt Engineering)과 하네스 엔지니어링(Harness Engineering) 비교
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 서버리스 컴퓨팅
분류 근거: 정의·특징, 구성, 장단점, 도입 고려사항을 나누어 요구한다. 단순 개념 암기로 답안이 끝나지 않도록 여러 요구 유형을 함께 표시한다.
서버리스 컴퓨팅(Serverless Computing)에 대하여 다음을 설명하시오. 가. 정의 및 특징 나. 구성 요소 및 장·단점 다. 도입 시 고려 사항
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 오픈소스 라이선스 · 컴플라이언스 · AI 거버넌스
배경·적용 맥락: AI 생성 코드 · 오픈웨이트 모델
분류 근거: 라이선스 의무와 위험, 점검 항목, 통합 준수 절차·검증 도구가 중심이다. AI는 적용 맥락이며 모델 성능 평가 기출로 세지 않는다. 위험관리 수업은 보충 연결이다.
AI 생성 소스코드 및 오픈웨이트(Open-weight) 모델 활용 시 발생하는 오픈소스 라이선스 리스크와 컴플라이언스 대응 방안에 대하여 다음을 설명하시오. 가. AI 생성 코드 활용 시 주요 오픈소스 라이선스 의무사항 및 위험 나. 오픈소스 라이선스 위험에 대한 컴플라이언스 주요 점검 항목 다. AI 거버넌스 관점의 통합 컴플라이언스 프로세스 및 기술적 검증 도구
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: AI 학습 데이터 품질관리 · 데이터 생애주기
배경·적용 맥락: 인공지능 학습
분류 근거: 학습 데이터의 특성·생애주기와 품질 원칙·관리 활동이 요구된다. AI라는 단어보다 데이터 품질관리라는 출제 대상을 우선한다.
인공지능(AI, Artificial Intelligence) 학습용 데이터 품질관리에 대하여 다음을 설명하시오. 가. 인공지능 학습용 데이터 특성 및 생애주기 나. 인공지능 학습용 데이터 품질관리 원칙 다. 인공지능 학습용 데이터 품질관리 범위 및 활동
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: AI 슈퍼컴퓨팅 플랫폼 · 컴퓨팅 플랫폼 비교
배경·적용 맥락: LLM 서비스 · 멀티모달 데이터 · 대규모 학습·추론
분류 근거: 플랫폼 개념·구성 역할·플랫폼 간 비교가 대상이다. LLM과 멀티모달은 등장 배경이므로 RAG나 분류 모델 평가 기출로 세지 않는다. 클라우드는 비교 대상에 관한 보충 수업이다.
최근 LLM(Large Language Model) 등 초거대 AI 서비스의 급격한 확산과 텍스트· 이미지·음성·영상 등 멀티모달(Multimodal) 데이터 처리 수요의 증가에 따라, 대규모 AI 학습 및 추론을 지원하는 고성능 컴퓨팅 인프라의 중요성이 증대되고 있다. AI 슈퍼컴퓨팅 플랫폼(Supercomputing Platform)에 대하여 다음을 설명하시오. 가. AI 슈퍼컴퓨팅 플랫폼의 개념 및 등장 배경 나. AI 슈퍼컴퓨팅 플랫폼의 구성요소별 역할 다. 전통적 슈퍼컴퓨터, 클라우드 컴퓨팅, AI 슈퍼컴퓨팅 플랫폼과의 비교
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: FIFO 큐잉 · 웨이티드 페어큐잉
분류 근거: 두 큐잉 방식을 비교하도록 명시했다. 운영체제 FIFO 페이지 교체 문제로 바꾸어 해석하지 않는다.
FIFO(First In First Out) 방식과 웨이티드 페어큐잉(Weighted Fair Queuing) 방식을 비교 설명하시오.
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: AI 보안 · 공격 지원 위협 · 자율성 통제
배경·적용 맥락: 고성능 AI 모델
분류 근거: 사이버 공격 지원 및 자율성 통제 상실의 위협·대응이 중심이다. 모델 성능이라는 배경 표현을 정확도·재현율 문제로 오인하지 않는다.
AI 모델의 성능이 좋아지면서 고성능 AI 모델로 인한 위협도 증가하는 상황이다. AI 보안에 대해 다음을 설명하시오. 가. 고도화된 사이버 공격 지원 위협 및 대응 방안 나. 자율성으로 인한 통제 상실 위협 및 대응 방안
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 재해복구 전략 · RTO · RPO · 복구 구성 방식
배경·적용 맥락: 클라우드 네이티브 · 무중단 아키텍처
분류 근거: 복구 목표와 복구 구성 방식이 직접 요구된다. 도입부의 설계는 상황 설명이며 직접 시스템을 설계하라는 지시가 아니다. 클라우드는 배경 학습으로 구분한다.
클라우드 네이티브 환경에서 무중단 아키텍처를 지향하는 시스템을 설계하여도 재해 및 재난 상황을 대비한 재해복구 전략 수립은 필수적이다. 다음을 설명하시오. 가. RTO (Recovery Time Objective), RPO (Recovery Point Objective) 나. Active-Active, Active-Passive, Pilot Light
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
확인일2026-10-27. 1–62회와 공식 목록에서 찾지 못한 회차는 미확인으로 남겼으며 미시행으로 판단하지 않습니다. 현재 수집한60회차의 각31문항 위치가 있습니다.
140회31문항만 확인된 공공누리 안내에 따라 원문을 제공합니다. 이전1,829개는 기술명·위치 색인이며 원문 전체나 해당 기출의 모범답안은 수록하지 않았습니다.
31문항은 원문의 요구 항목과 문맥을 대조해 편집 분류했습니다.519문항의 수업 연결은 기술명 별칭 매칭에 따른 자동 후보입니다. 핵심 이해 또는 자동 후보 연결은 526문항, 보충 수업만 연결된 기록은 8문항이며 나머지 1326문항은 수업 연결 대기입니다. 미검토 문항의 요구 유형은 동사 규칙으로 추정했습니다. 배경 언급·OCR 누락이 있어 연결 수는 동일 문제 재출제 횟수나 출제 확률이 아닙니다.
주제의 연습·참고 답안·표·개념도는 자체 제작입니다. 채점 기준을 알 수 없는 실제 시험의 공식 정답·합격 판정으로 쓰지 않습니다.
Q-Net 제140회부터의 공공누리 적용 안내 ↗답안에서 직접 설명해야 할 대상을 찾습니다. 통계의 ‘분산’은 분산 시스템과 구분합니다.
AI·클라우드가 등장해도 스토리지 비교가 중심일 수 있습니다. 보충 수업은 핵심 출제 주제와 따로 표시합니다.
정의·비교·절차·적용을 함께 요구하면 각각 답안 항목으로 만듭니다. 기술명만 있는 단문형의 해석도 표시합니다.
검토 범위: 140회 31문항 원문 대조 · 나머지 1829문항 자동 후보. 편집 분류는 공식 출제 분류·채점 기준·전문가 감수가 아닙니다. 아래 ‘분류 상태’에서 구분해 볼 수 있습니다.