AI + BigData, 특징 저장소 (Feature Store), Lakehouse

출제 빈도: ★★★★☆ | 난이도: ★★★★☆

답안.

Ⅰ. 개요

AI와 빅데이터 융합은 대규모 데이터 수집·처리 플랫폼 위에 모델 학습·서빙 체계를 결합해 지능형 서비스를 구현하는 접근이다.
Feature Store는 학습·추론에 쓰이는 특징을 일관되게 관리하여 데이터/모델 불일치를 줄이는 저장·제공 계층이다.
Lakehouse는 데이터 레이크의 유연성과 웨어하우스의 관리 기능을 결합해 AI·분석 공통 기반을 제공한다.

Ⅱ. 핵심 구성요소

Ⅰ. 개요
   1. 정의
   2. 데이터 기반 자동화와 생성형 AI 확산

Ⅱ. 핵심 구성요소
   1. 데이터 플랫폼과 AI 파이프라인
   2. Feature Store와 Lakehouse 역할

Ⅲ. 특징 및 장단점
   1. 데이터 재사용성과 모델 운영 효율 향상
   2. 데이터 품질 미흡 시 AI 성능 불안정

Ⅳ. 유사 기술과의 비교
   - 전통 BI 분석 vs AI 주도 분석 비교표

Ⅴ. 적용사례 및 향후전망
   1. 추천, 이상탐지, 예측 유지보수 플랫폼 구축
   2. Lakehouse + Feature Store + Vector DB 결합 확장

해당 키워드의 기술적 구성요소와 동작 원리를 서술한다.

Ⅲ. 특징 및 비교

핵심 기술의 장단점과 유사 기술과의 차이를 분석한다.

Ⅳ. 적용 사례

실무 환경에서의 적용 사례와 기대효과를 제시한다.

Ⅴ. 전망

최신 기술 동향과 향후 발전 방향을 서술한다.