기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 핵심 용어
<a name="key-definitions"></a>

이 장에서는 Amazon Bedrock이 제공하는 내용과 작동 방식을 이해하는 데 도움이 되는 용어를 설명합니다. 생성형 AI 용어와 Amazon Bedrock의 기본 기능을 이해하려면 다음 목록을 읽어보세요.
+ **파운데이션 모델(FM)** - 많은 수의 파라미터가 있고 방대한 양의 다양한 데이터로 훈련된 AI 모델입니다. 파운데이션 모델은 광범위한 사용 사례에 대한 다양한 응답을 생성할 수 있습니다. 파운데이션 모델은 텍스트 또는 이미지를 생성할 수 있으며, 입력을 *임베딩*으로 변환할 수도 있습니다. 파운데이션 모델에 대한 자세한 내용은 [Amazon Bedrock에서 지원되는 파운데이션 모델](models-supported.md) 섹션을 참조하세요.
+ **기본 모델** - 제공업체의 패키징을 거쳐 사용할 준비가 된 파운데이션 모델입니다. Amazon Bedrock은 업계를 선도하는 주요 제공업체의 다양한 파운데이션 모델을 제공합니다. 자세한 내용은 [Amazon Bedrock에서 지원되는 파운데이션 모델](models-supported.md) 섹션을 참조하세요.
+ **모델 추론** - 주어진 입력(프롬프트)에서 출력(응답)을 생성하는 파운데이션 모델의 프로세스입니다. 자세한 내용은 [추론 요청](inference.md) 섹션을 참조하세요.
+ **프롬프트** - 적절한 응답이나 출력을 생성하도록 모델에 제공되는 입력입니다. 예를 들어, 모델이 응답해야 하는 한 줄의 텍스트 프롬프트를 입력하거나, 모델이 수행할 지침 또는 작업을 텍스트로 자세히 설명할 수 있습니다. 프롬프트에는 작업의 컨텍스트, 출력 예제 또는 모델이 응답에 사용할 텍스트가 포함될 수 있습니다. 프롬프트를 사용하여 분류, 질문 답변, 코드 생성, 창의적인 글쓰기 등의 작업을 수행할 수 있습니다. 자세한 내용은 [프롬프트 엔지니어링 개념](prompt-engineering-guidelines.md) 섹션을 참조하세요.
+ **토큰** - 모델이 의미의 단일 단위로 해석하거나 예측할 수 있는 문자 시퀀스입니다. 예를 들어 텍스트 모델의 경우, 토큰은 단어뿐만 아니라 문법적 의미가 있는 단어의 일부(예: “-ed”), 구두점(예: “?”) 또는 일반적인 문구(예: “a lot”)에도 해당할 수 있습니다.
+ **모델 파라미터** - 입력 해석 및 응답 생성 시 모델과 그 동작을 정의하는 값입니다. 모델 파라미터는 제공업체가 제어하고 업데이트합니다. *모델 사용자 지정* 프로세스를 통해 모델 파라미터를 업데이트하여 새 모델을 만들 수도 있습니다.
+ **추론 파라미터** - **모델 추론** 과정에서 추론 파라미터의 값을 조정하여 응답에 영향을 미칠 수 있습니다. 추론 파라미터는 응답의 가변성에 영향을 미칠 수 있으며 응답의 길이 또는 지정된 시퀀스의 발생을 제한할 수도 있습니다. 구체적인 추론 파라미터에 대한 자세한 내용과 정의는 [추론 파라미터를 사용하여 응답 생성에 영향을 주는 방법](inference-parameters.md) 섹션을 참조하세요.
+ **플레이그라운드** - 실행 중인 모델 추론을 실험하여 Amazon Bedrock에 익숙해질 수 AWS Management Console 있는의 사용자 친화적 그래픽 인터페이스입니다. 플레이그라운드를 사용하여 다양한 모델, 구성 및 추론 파라미터가 여러 가지 프롬프트 입력에 대한 응답에 어떤 영향을 미치는지 테스트할 수 있습니다. 자세한 내용은 [플레이그라운드를 사용하여 콘솔에서 응답 생성](playgrounds.md) 단원을 참조하십시오.
+ **임베딩** - 입력을 **임베딩**이라고 하는 숫자 값의 벡터로 변환하여 정보를 압축하여 공유 숫자 표현을 사용하여 서로 다른 객체 간의 유사성을 비교하는 프로세스입니다. 예를 들어, 문장을 비교하여 의미의 유사성을 판단하거나, 이미지를 비교하여 시각적 유사성을 판단하거나, 텍스트와 이미지를 비교하여 서로 관련이 있는지 확인할 수 있습니다. 사용 사례와 관련된 경우 텍스트 및 이미지 입력을 평균 임베딩 벡터로 결합할 수도 있습니다. 자세한 내용은 [추론 요청](inference.md) 및 [Amazon Bedrock Knowledge Bases를 사용하여 데이터 검색 및 AI 응답 생성](knowledge-base.md) 섹션을 참조하세요.
+ **오케스트레이션** - 파운데이션 모델과 엔터프라이즈 데이터 및 애플리케이션을 조정하여 작업을 수행하는 프로세스입니다. 자세한 내용은 [AI 에이전트를 사용하여 애플리케이션에서 태스크 자동화](agents.md) 단원을 참조하십시오.
+ **에이전트** - 파운데이션 모델을 사용해 주기적으로 입력을 해석하고 출력을 생성하여 오케스트레이션을 수행하는 애플리케이션입니다. 고객 요청을 수행하는 데 에이전트를 사용할 수 있습니다. 자세한 내용은 [AI 에이전트를 사용하여 애플리케이션에서 태스크 자동화](agents.md) 단원을 참조하십시오.
+ **검색 증강 생성(RAG)** - 프로세스에는 다음이 포함됩니다.

  1. 데이터 소스에서 정보 쿼리 및 검색

  1. 파운데이션 모델에 더 나은 컨텍스트를 제공하기 위해 이 정보로 프롬프트 보강

  1. 추가 컨텍스트를 사용하여 파운데이션 모델에서 더 나은 응답 얻기

  자세한 내용은 [Amazon Bedrock Knowledge Bases를 사용하여 데이터 검색 및 AI 응답 생성](knowledge-base.md) 단원을 참조하십시오.
+ **모델 사용자 지정** - 훈련 데이터를 사용하여 기본 모델의 모델 파라미터 값을 조정하여 **사용자 지정 모델을** 생성하는 프로세스입니다. 모델 사용자 지정의 예로는 레이블이 지정된 데이터(입력 및 해당 출력)를 사용하여 모델 파라미터를 조정하는 **미세 조정**이 있습니다. Amazon Bedrock에서 사용할 수 있는 모델 사용자 지정 기법에 대한 자세한 내용은 [모델을 사용자 지정하여 사용 사례에 맞게 성능 개선](custom-models.md) 섹션을 참조하세요.
+ **하이퍼파라미터** - **모델 사용자 지정**에 맞게 조정하여 훈련 프로세스를 제어함으로써 결과적으로 출력 사용자 지정 모델을 제어할 수 있는 값입니다. 구체적인 하이퍼파라미터에 대한 자세한 내용과 정의는 [사용자 지정 모델 하이퍼파라미터](custom-models-hp.md) 섹션을 참조하세요.
+ **모델 평가** - 모델 출력을 평가 및 비교하여 사용 사례에 가장 적합한 모델을 결정하는 프로세스입니다. 자세한 내용은 [Amazon Bedrock 리소스의 성능 평가](evaluation.md) 단원을 참조하십시오.
+ **프로비저닝된 처리량** - 모델 추론 중에 처리되는 토큰의 양 및/또는 속도를 높이기 위해 기본 또는 사용자 지정 모델에 대해 구매하는 처리량 수준입니다. 모델에 대해 프로비저닝된 처리량을 구매하면 모델 추론을 수행하는 데 사용할 수 있는 **프로비저닝된 모델**이 만들어집니다. 자세한 내용은 [Amazon Bedrock에서 프로비저닝된 처리량으로 모델 간접 호출 용량 증대](prov-throughput.md) 섹션을 참조하세요.