• 한국정보전자통신기술학회논문지
• /
• 제13권4호
• /
• pp.283-292
• /
• 2020

4차 산업혁명의 대표적인 이미지 중 하나인 인공지능은 2016년 알파고 이후에 인공지능 인식이 매우 높아져 있다. 본 논문은 학국교육학술정보원에서 제공하는 국내 논문 중 '인공지능', '기계학습', '딥 러닝'으로 검색된 국내 발표 논문에 대해서 분석하였다. 검색된 논문은 약 1만여건이며 논문 동향을 파악하기 위해 빈도분석과 토픽 모델링, 의미 연결망을 이용하였다. 추출된 논문을 분석한 결과, 2015년에 비해 2016년에는 인공지능 분야는 600%, 기계학습은 176%, 딥 러닝 분야는 316% 증가하여 알파고 이후에 인공지능 분야의 연구가 활발히 진행됨을 확인할 수 있었다. 또한, 2018년 부터는 기계학습보다 딥 러닝 분야가 더 많이 연구 발표되고 있다. 기계학습에서는 서포트 벡터 머신 모델이, 딥 러닝에서는 텐서플로우를 이용한 컨볼루션 신경망이 많이 활용되고 있음을 알 수 있었다. 본 논문은 '인공지능', '기계학습', '딥 러닝' 분야의 향후 연구 방향을 설정하는 도움을 제공할 수 있다.

• 실천공학교육논문지
• /
• 제16권3_spc호
• /
• pp.291-296
• /
• 2024

본 연구는 장애인 직업훈련생의 사전 평가 데이터를 활용하여 직업 훈련 후 취업 결과를 예측하는 다양한 머신러닝 모델을 분석하였다. 연구는 훈련생의 성별, 연령, 장애 유형 등을 포함하는 다양한 개인적 특성을 포함한 데이터 세트에 기반하여, 가장 적합한 머신러닝 모델들을 선별하고 활용하였다. 이러한 분석을 통해, 사전 평가 데이터만을 사용하여 장애인 훈련생의 취업률 및 직업 만족도 향상을 목적으로 한다. 결과적으로, 장애인뿐만 아니라 다양한 배경을 가진 직업훈련생들에게도 적용할 수 있는 범용적인 접근법을 제시한다. 이는 맞춤형 직업 훈련 프로그램의 개발과 구현에 중요한 기여를 할 것으로 기대되며, 궁극적으로는 더 나은 취업 결과와 직업 만족도를 달성하는 데 도움이 될 것이다.

• Proceedings of the National Institute of Ecology of the Republic of Korea
• /
• 제3권2호
• /
• pp.67-72
• /
• 2022

Ecological research relies on the interpretation of large amounts of visual data obtained from extensive wildlife surveys, but such large-scale image interpretation is costly and time-consuming. Using an artificial intelligence (AI) machine learning model, especially convolution neural networks (CNN), it is possible to streamline these manual tasks on image information and to protect wildlife and record and predict behavior. Ecological research using deep-learning-based object recognition technology includes various research purposes such as identifying, detecting, and identifying species of wild animals, and identification of the location of poachers in real-time. These advances in the application of AI technology can enable efficient management of endangered wildlife, animal detection in various environments, and real-time analysis of image information collected by unmanned aerial vehicles. Furthermore, the need for school education and social use on biodiversity and environmental issues using AI is raised. School education and citizen science related to ecological activities using AI technology can enhance environmental awareness, and strengthen more knowledge and problem-solving skills in science and research processes. Under these prospects, in this paper, we compare the results of our early 2013 study, which automatically identified African cichlid fish species using photographic data of them, with the results of reanalysis by CNN deep learning method. By using PyTorch and PyTorch Lightning frameworks, we achieve an accuracy of 82.54% and an F1-score of 0.77 with minimal programming and data preprocessing effort. This is a significant improvement over the previous our machine learning methods, which required heavy feature engineering costs and had 78% accuracy.

• 반도체디스플레이기술학회지
• /
• 제18권3호
• /
• pp.25-30
• /
• 2019

In this paper, we have analyzed manufacturing problems of the scaffold with pores using FDM 3D printer and PLGA. We suggested the solutions using 3SC practical TRIZ. We selected the final solution used machine learning. We reduced number of experiments using most influential factor after analysis print factors. We printed the scaffold and measured pore size. We created the regression model using python tensorflow. The print condition data of measured pore size was used as training data. We predicted the pore size of printed condition using regression model. We printed the scaffold using the predicted the print condition data. We quantitatively compare the predicted scaffold pore size data and the measured scaffold pore size data. We got satisfactory result.

• 반도체디스플레이기술학회지
• /
• 제19권2호
• /
• pp.26-30
• /
• 2020

In this paper, we studied the problem if the experiment number occurring in order to identify defect in scaffold. We need to change each of the 5 print factor to predict defect when printing disk type scaffold using FDM 3d printer. So then the number of scaffold print will be more than 100,000 times. This experiment number is difficult to perform in the field. In order to solve this problem, we have produced a prediction model based on machine learning multiple linear regression using print conditions and defect scaffold data for print conditions. The prediction model produced was verified through experiments. The verification confirmed that the error was less than 0.5 %. We have confirmed that satisfied within the target margin of error 5 %.

• 반도체디스플레이기술학회지
• /
• 제18권4호
• /
• pp.46-50
• /
• 2019

In this paper, We used the regression model of machine learning for improve the print quantity problem when which print scaffold with 400 ㎛ pore using FDM 3d printer. We have difficult to experiment with changing all factors in the field. So we reduced print quantity by selected two factors that most impact the pore size. We printed and measured scaffold 5 times under same conditions. We created regression model using scaffold pore size and print conditions. We predicted pore size of untested print condition using the regression model. After print scaffold with 400 ㎛ pore, we printed scaffold 5 times under same conditions. We compare the predicted scaffold pore size and the measured scaffold pore size. We confirmed that error is less than 1 % and we verified the results quantitatively.

• 반도체디스플레이기술학회지
• /
• 제19권4호
• /
• pp.59-64
• /
• 2020

In this paper, we found the solution using data based machine learning regression method to check the pore shape, to solve the problem of the experiment quantity occurring when producing scaffold with the 3d printer. Through experiments, we learned secured each print condition and pore shape. We have produced the scaffold from scaffold pore shape defect prediction model using multiple linear regression method. We predicted scaffold pore shapes of unsecured print condition using the manufactured scaffold pore shape defect prediction model. We randomly selected 20 print conditions from various predicted print conditions. We print scaffold five times under same print condition. We measured the pore shape of scaffold. We compared printed average pore shape with predicted pore shape. We have confirmed the prediction model precision is 99 %.

• 공학교육연구
• /
• 제23권5호
• /
• pp.61-67
• /
• 2020

In the associate degree curriculum of the department of mechanical engineering, the results of the study are presented on the structure and content of a subject based on the case-based learning method. As an case, equipment called a laminator that is actually used in the manufacturing site was selected. Class deals with specific engineering issues at each stage of laminator manufacturing (design-machining-assembly-measurement-maintenance) in connection with general engineering topics in prerequisites in the curriculum. Topics include tolerance fit, length measurement, assembly practice, measurement design and statistics of machine maintenance, etc. Courses that apply the case-based learning method may be included in the curriculum as complementary roles to those that apply other student-centered learning method.

• 융합정보논문지
• /
• 제12권5호
• /
• pp.139-149
• /
• 2022

본 연구는 예비교사의 미래 교육을 위한 인공지능 융합교육 역량을 함양하고, 동시에 학생의 학습 과정에 대한 이해를 증진할 수 있는 교육 프로그램을 개발하고 효과를 분석하는 것을 목적으로 하였다. 이를 위해 물질의 상태 분류를 주제로 머신러닝포키즈와 스크래치3를 활용한 인공지능 융합교육 프로그램을 15주차 분량으로 개발하였다. 개발된 내용은 자발적으로 참여한 K대학교 예비교사들에게 처치되었다. 그 결과, 예비교사들은 머신러닝의 학습을 이해하는 과정을 통해 학생의 학습 과정을 비유적으로 이해할 수 있었다. 또한, 인공지능 교수효능감의 사전-사후 t검정 결과는 t=-7.137(p< .000)으로 통계적으로 유의한 향상을 보였다. 따라서 본 연구에서 개발한 인공지능 융합교육 프로그램은 교생실습 외에 비간접적인 방식으로 예비교사의 학생에 대한 이해를 높일 수 있는데 도움이 되고, 인공지능 교육 역량 함양에 기여할 수 있음이 시사된다.

• 정보교육학회논문지
• /
• 제26권5호
• /
• pp.407-416
• /
• 2022

세계적인 기상이변과 재해로 환경교육에 대한 관심은 높아지고 있지만 아직까지 초등과정에서는 독립 교과가 아니고 여러 교과에서 관련 주제를 다루고 있지만 시간과 내용이 부족한 것이 현실이다. 본 연구에서는 초등학교에서 환경교육과 소프트웨어교육을 융합하는 방법을 개발하였다. 환경교육에서는 분리배출에 대한 주제를 중심으로 인공지능 프로그래밍을 활용하여 학습하고 개발된 인공지능의 도움으로 분리배출을 실천하는 내용을 포함한다. 학습과정에서는 새롭게 개발한 문제인식→기계학습↔인공지능활용→협력활동의 교수-학습 모형을 적용하였으며 학습 후 학생들은 융합학습의 흥미도, 환경교육에의 이해도, 인공지능에 대한 이해도와 향후 인공지능 프로그래밍의 학습 희망에 약 80%이상 긍정적인 답변을 하였다.