[2026_SW] AI 신뢰성 평가 항목 설계 및 평가 실무 (260910)
AI 신뢰성 평가 항목 설계 및 평가 실무
1. 교육 개요
AI는 기존 로직 기반 SW처럼 정적/동적 시험만으로는 데이터·학습에서 기인하는 결함(엣지 케이스/극한 환경 성능 저하 등)을 충분히 발견하기 어렵습니다. 따라서 어떤 조건 조합에서 반드시 안전/정확해야 하는가를 명시적으로 설계하고, 그 설계에 따라 평가 항목과 테스트 상황을 체계적으로 도출하는 접근이 필요합니다..
2. 교육 중점
• AI 신뢰성(Trustworthiness) 핵심 이슈: 엣지 케이스·미지의 위험·극한 환경
• 주요 프레임워크/표준 관점 빠른 정리(EU AI Act, DoD CDAO SHIELD, AI Verify, ISO/IEC SC42 등)
• 국제 표준 기반 평가·측정 항목 도출 개요(데이터 품질/모델 강건성 관점 포함)
• 시험 시나리오/평가 항목 설계
3. 교육 대상
• 미션 크리티컬 환경에서 AI 적용·검토·시험평가를 수행/준비하는 실무자
• AI를 보다 강건하게 개발하고자 하는 AI 개발자, QA
4. 교육 프로그램
| 일정 | 세부내용 | 강사 | |
| 1 일차 | 09:00~09:50 | o AI 신뢰성 개요 § SW 테스트와 다른 실패 양상, 엣지 케이스/미지의 위험 § 프레임워크/표준 빠른 지도(EU AI Act, SHIELD, AI Verify, SC42) |
담당 엔지니어 |
| 10:00~10:50 | o 국제 표준 기반 데이터 품질, AI 모델 강건성 평가 항목 개요(어떤 범주가 있는지, 어떻게 항목화되는지) | ||
| 11:00~11:30 | 실습 o 준비된 미니 시나리오로: 원인–결과 요소 → 그래프 → 값 영역 → TC 설계 → 신뢰성 평가까지 실행 |
||
| 13:00~13:50 | 도구 활용 방법 설명 o 데이터 품질 측정을 위한, 단계별 실습 도구 사용 방법 설명 |
||
| 14:00~17:30 | 워크샵 실습 o 팀/개인별로 주어진 대상 시스템을 단계별로 평가 항목 직접 설계 § (1) 원인–결과 요소 도출 → (2) Cause-Effect Graph 설계 → (3) 값 영역 정의 → (4) TC 목록 완성 o 팀/개인별로 설계한 결과를 토대로 시험 수행 및 신뢰성 점수 산출 |
||
| 17:30~17:50 | 개발프로세스 V-Model 매핑 소개 o 교육 내용이 개발 단계와 어떻게 연결되는지 매핑 소개 |
||
* 상기 강의 일정은 진행에 따라 다소 변경될 수 있습니다.
5. 교육비(1인 1일 기준, VAT 포함)
*해당 교육은 외부 강사 초빙교육으로 기존 구매/유지보수 고객에게도 유료 교육으로 진행됩니다.
- 제품 구매 및 유지보수 고객 : 55만원
- 비고객/학생 : 55만원
