- PDF Free Download

Size: px

Start display at page:

Download ""

철기 포
5 years ago
Views:

1 DD 융합인재교육프로그램 학교급 인공지능(AI)과 빅데이터, 그리고 우리의 삶 구 2017 융합인재교육프로그램[학생용] 2017 융합인재교육프로그램[학생용] 인공지능(AI)과 빅데이터, 그리고 우리의 삶 인공지능(AI)과 Big Data의 세계 인공지능(AI)과 Big Data의 세계 인공지능(AI)과 Big Data의 세계 분 고등학교 수업대체용 학생용

3 Contents 이렇게 공부해요 1 1 차시: 인공지능(AI) 의 세계 3 1 차시 학생용 활동지 5 참고 자료 8 2 차시: Data Mining 과 우리의 생활 11 2 차시 학생용 활동지 13 3 차시: Big Data 와 미래 생활 21 3 차시 학생용 활동지 23

인공지능과 Data Mining 과관련된우리의생활을과학적으 로탐색하는활동으로구성하였습니다.

5 이렇게 공부해요 1. 인공지능(AI) 과 Big Data 의세계 프로그램은인공지능(AI) 과 Big Data에대 해다양하게탐구해보는프로그램입니다. 2. 본프로그램은실생활과관련된인공지능(AI) 과 Big Data에대한다양한사 례를체험하고, 인공지능과 Data Mining 과관련된우리의생활을과학적으 로탐색하는활동으로구성하였습니다. 3. 본프로그램은인공지능(AI) 과 Big Data 에대하여조사, 측정, 분석하고창의 적설계를체험활동을중심으로구성하였습니다. 4. 본프로그램에서는인공지능(AI) 과 Big Data가우리의삶에대해관심을가 지고문제를창의적으로해결할수있는능력을기를수있도록하였습니 다. 5. 친구들과경쟁하기보다는서로협력하면서프로그램을수행할수있도록구 성하였습니다. 인공지능(AI) 과 Big Data 의 세계 1

7 인공지능 (AI) 과 Big Data 의 세계 1 차시 인공지능 (AI) 의세계

무엇이 필요할까 학습동영상, 모둠별코팅된개와고양이사진묶음, 학습활동지, 투명 OHP 필름, 에나멜연필, 에나멜붓, 에나멜물감, 스카치테이프

9 학생용활동지 1 차시: 인공지능(AI) 의세계 이 활동을 하면 인공지능이스스로학습하는방법에대해설명할수있다. 인공지능이실생활에사용되는사례를설명할수있다. 무엇이 필요할까 학습동영상, 모둠별코팅된개와고양이사진묶음, 학습활동지, 투명 OHP 필름, 에나멜연필, 에나멜붓, 에나멜물감, 스카치테이프 어떻게 할까 생각 열기 고양이와개는닮은것같기도하지만여러모로다른점이있습니다. 류한다음고양이와개에서만관찰되는특징을적어보세요. 개와고양이를분 고양이에서만볼수있는특징 인공지능(AI) 과 Big Data 의 세계 5

10 생각 키우기 인공지능(AI) 은많은종류의꽃중에서장미를고를수있습니다. 인공지능(AI) 이장미를 인식하는패턴인식단계가 으면좋을지토의해보고그림으로그려보세요 10단계라고한다면다음의 4단계이외에어떤단계를더넣 고등학교 수업대체용 프로그램 [ 학생용]

11 생각 다지기 인공지능(AI) 은무엇일까요? 인공지능(AI) 과관련된산업에는무엇이있을까요? 인공지능(AI) 과 Big Data 의 세계 7

참 고 자 료 http://blog.daum.net/hongsy65/16793639 고전적인공지능(1세대 AI 1.0), 인공신경망 (2세 대 AI 2.0) 그리고 생체신경망 (3세대 AI 3.0) 이 다. 고전적인공지능의탄생 최초의인공지능은단순한컴퓨터프로그램이었 습니다. 문자해독이나이미지속물체인식처럼 인간이쉽게수행하는문제를다뤘습니다.

12 참 고 자 료 고전적인공지능(1세대 AI 1.0), 인공신경망 (2세 대 AI 2.0) 그리고 생체신경망 (3세대 AI 3.0) 이 다. 고전적인공지능의탄생 최초의인공지능은단순한컴퓨터프로그램이었 습니다. 문자해독이나이미지속물체인식처럼 인간이쉽게수행하는문제를다뤘습니다. 능은특정문제에맞게고도로다듬어진기계였 습니다. 아이비엠(IBM) 의인공지능 왓슨 조차도 고전적인공지능의현대버전으로볼수있습니 다. 왜냐하면왓슨이고전적인공지능처럼코드화 된법칙에의존하진않지만, 데이터를제공하고 실력을평가하는전문가의세밀한손길에의존하 기때문입니다. 고전적인공지능은일부 명확히정의된문제들 만해결할수있는능력을지녔습니다. 처음에인공지능이내놓은결과는실망스러웠고 발전속도도더디었습니다. 많은도전과제를거 치면서 과학자들은방대한양의지식에접근할 수있어야컴퓨터가 똑똑해질 수있다고결론내 렸습니다. 그래서도입한것이 전문가시스템 이 었습니다. 특정분야전문가가문제를해결할수 있는법칙을입력하면, 컴퓨터가이법칙에따라 연산을수행하는방식입니다. 예를들면, 의사가 환자에게몇가지질문을던져의학적처방을내 리는것처럼말입니다. 그러나스스로학습하는능력이나개개의문제 에최적화된해결책을제시하는데에는한계가있 었습니다. 이런점에서 인공지능 이라고부르긴하지만, 일반적인 인간지능 과공통점은거의없다고볼 수있습니다. 그래서일부연구자들이탐구하기 시작한것이인공신경망이었습니다. 신경망( 하나의 뉴런과시냅스) 을모델로, 다수를연결하기만한 단순한인공신경망이었습니다. 고전적인공지능 의한계가분명해지면서이러한접근이차츰힘을 얻었습니다. 만약질환이적절하게판정되지않으면, 전문가 는컴퓨터에추가질문( 법칙) 을입력해처방( 결과) 을좀더좁혔습니다. 이런식으로고전적인공지 고등학교 수업대체용 프로그램 [ 학생용]

사실인공신경망기술이시작된것은 40년도더 됐습니다. 그때는인간신경망이어떻게작동하는 지도잘모를때였습니다. 그이후해부학과생리 학을통해인간뇌에대한추가지식을얻게되었 음에도, 인공신경망의기본구조는크게바뀌지 않았습니다. 따라서 신경망 이라는이름에도불구 하고 인공신경망은실제 뉴런 이작용하는바와 공통점이거의없었습니다.

13 사실인공신경망기술이시작된것은 40년도더 됐습니다. 그때는인간신경망이어떻게작동하는 지도잘모를때였습니다. 그이후해부학과생리 학을통해인간뇌에대한추가지식을얻게되었 음에도, 인공신경망의기본구조는크게바뀌지 않았습니다. 따라서 신경망 이라는이름에도불구 하고 인공신경망은실제 뉴런 이작용하는바와 공통점이거의없었습니다. 대신인공신경망은생물학적신경을모방하는 것에서인간의지도없이데이터를학습하는것으 로중심을옮겨갔습니다. 그결과아주단순한인 공신경망조차도 전문가없이도 스스로데이터를 학습하였다는점에서는고전적인공지능보다뛰어 나게되었습니다. 인공신경망은최근들어 딥러닝 네트워크로 발전했습니다. 딥러닝의장점은빠른속도의고 성능컴퓨터들을연결해방대한양의데이터를학 습시킬수있다는데있습니다. 딥러닝은이미지 분류나외국어번역, 스팸메일분류등유형화된 데이터에서탁월한성능을보여주고있습니다. 고전적인공지능이두손을든문제도초보적인 수준의인공신경망은거뜬히풀어냈습니다. 그런데도몇가지한계는있습니다. 예를들어, 학습데이터가충분치않을때인공신경망은좋은 실력을보여주지못합니다. 데이터의패턴이지속 해서바뀌는경우도마찬가지입니다. 기본적으로 인공신경망은방대한통계데이터세트에서패턴 을찾아내는정교한 수학도구 일뿐이기때문입 니다. 고전적인공지능과인공신경망에는근원적 이고중요한문제가도사리고있습니다. 진정한 기계지능 으로이르는통로를찾지못하고있습 니다. 그곳에이르는지도조차보여주지는못하고 있습니다. 오늘날인공신경망은수학적, 통계적학습기술 을포함한 머신러닝 ( 기계학습) 이라고불리는넓 은분류체계아래속해있습니다. 머신러닝기술 은방대한데이터의몸체를다룹니다. 거기서통 계를추출하고, 결과가나오도록분류합니다. 인공지능(AI) 과 Big Data 의 세계 9

15 인공지능 (AI) 과 Big Data 의 세계 2 차시 Data Mining 과우리의생활

17 학생용활동지 2 차시 : Data Mining과우리의생활 이 활동을 하면 Data Mining과 Big Data 개념을설명할수있다. Big Data 가실생활에이용되는사례를설명할수있다. 무엇이 필요할까 학습동영상, 학습활동지, 네임펜 ( 다양한색), 올빼미버스노선도, 서울시주요 Big Data 자료 어떻게 할까 생각 열기 올빼미버스가운영되려면버스노선을정해야합니다. 버스노선은어떤데이터가필요할까요? 미버스노선을정해야할때생각해야할조건및데이터를적어보세요. 올빼 인공지능(AI) 과 Big Data 의 세계 13

18 생각 키우기 이제올빼미버스노선을모둠별로만들어보도록할게요. 참고자료를바탕으로버스노선을모둠별로 연결하고발표하는시간을갖도록하겠습니다. < 참고자료 : 별도제공> 1 서울지하철노선도 년서울지하철환승역환승인원정보 년서울지하철환승역거리및소요시간 년서울특별시세대원수별세대수 고등학교 수업대체용 프로그램 [ 학생용]

19 생각 다지기 Data Mining 은무엇일까요? Data Mining 과관련된산업들에는무엇이있을까요? 인공지능(AI) 과 Big Data 의 세계 15

학생용 활동지 참고 자료 1 서울지하철노선도 (B4 용지별도제공) http://webs.co.kr/f

20 학생용 활동지 참고 자료 1 서울지하철노선도 (B4 용지별도제공) 2 서울지하철환승역환승인원정보 : 역명 평일( 일일평균) 토요일일요일 신도림 308, , ,530 사당 239, , ,239 동대문역사문공원 226, , ,668 종로3가 209, , ,695 교대 175, ,989 96,981 고속터미널 157, , ,145 서울역 132, , ,410 잠실 129, ,229 70,855 충무로 122, ,716 76, 고등학교 수업대체용 프로그램 [ 학생용]

21 역명 평일( 일일평균) 토요일일요일 합정 118,752 95,969 69,315 건대입구 110, ,980 74,475 영등포구청 107,911 81,402 56,060 총신대입구 106, ,556 71,343 왕십리 105,683 91,920 65,988 당산 105,031 82,118 58,216 대림 101,002 78,960 57,305 선릉 84,603 66,105 42,150 동대문 84,041 93,178 56,054 삼각지 83,197 81,056 56,244 을지3가 79,080 85,382 51,739 홍대입구 73,225 75,741 52,749 창동 67,237 56,909 45,909 시청 66,311 75,071 48,579 약수 53,911 48,800 32,109 옥수 53,474 50,346 34,651 신당 52,124 45,646 31,980 동작 51,328 45,453 31,359 강남 50,800 37,182 23,888 동묘 50,340 48,056 33,744 노원 43,481 36,399 27,683 이촌 43,193 45,128 35,546 도곡 41,062 33,976 21,280 수서 40,253 34,127 22,492 청량리 39,856 37,952 27,678 양재 39,293 35,645 20,118 오금 37,162 27,127 17,947 연신내 26,508 21,480 16,316 가락시장 25,782 19,138 13,338 까치산 21,862 16,931 13,002 불광 20,975 17,216 13,897 충정로 20,973 19,303 10,646 성수 17,624 13,920 10,816 종합운동장 14,796 14,290 8,960 신설동 13,172 12,074 9,549 을지4가 11,756 8,776 5,368 인공지능(AI) 과 Big Data 의 세계 17

22 년서울지하철환승역거리및소요시간 : 호선환승역명환승노선환승거리 (m) 환승소요시간( 초) 1 서울역 1 4호선 159 2분 13초 1 서울역 1 공항철도 365 5분 4초 1 시청 1 2호선 101 1분 25초 1 종로3가 1 3호선 118 1분 39초 1 종로3가 1 5호선 312 4분 20초 1 동대문 1 4호선 194 2분 42초 1 동묘앞 1 6호선 96 1분 20초 1 신설동 1 2호선 159 2분 13초 1 청량리 1 국철 165 2분 17초 2 시청 2 1호선 101 1분 25초 2 신설동 2 1호선 159 2분 13초 2 을지로3가 2 3호선 149 2분 5초 2 을지로4가 2 5호선 77 1분 5초 2 동대문 2 4호선 45 38초 2 역사문화공원 2 5호선 234 3분 15초 2 신당 2 6호선 242 3분 22초 2 왕십리 2 중앙선 99 1분 23초 2 왕십리 2 5호선 86 1분 12초 2 왕십리 2 분당선 175 2분 26초 2 성수 2 지선 23 20초 2 건대입구 2 7호선 77 1분 5초 2 잠실 2 8호선 190 2분 39초 2 종합운동장 2 9호선 94 1분 18초 2 선릉 2 분당선 81 1분 8초 2 강남 2 신분당선 214 2분 58초 2 교대 2 3호선 75 1분 3초 2 사당 2 4호선 74 1분 2초 2 대림 2 7호선 276 3분 50초 2 신도림 2 지선 81 1분 8초 2 신도림 2 국철 81 1분 8초 2 영등포구청 2 5호선 110 1분 32초 2 당산 2 9호선 105 1분 28초 2 합정 2 6호선 82 1분 9초 2 홍대입구 2 공항철도 355 4분 56초 2 홍대입구 2 경의선 414 5분 45초 2 충정로 2 5호선 212 2분 57초 3 종로3가 3 1호선 118 1분 39초 고등학교 수업대체용 프로그램 [ 학생용]

23 호선환승역명환승노선환승거리 (m) 환승소요시간( 초) 3 종로3가 3 5호선 117 1분 38초 3 을지로3가 3 2호선 149 2분 5초 3 교대 3 2호선 75 1분 3초 3 양재 3 신분당선 93 1분 18초 3 연신내 3 6호선 181 2분 31초 3 불광 3 6호선 100 2분 3 충무로 3 4호선 17 15초 3 약수 3 6호선 130 1분 49초 3 옥수 3 국철 155 2분 10초 3 고속터미널 3 7호선 169 2분 21초 3 고속터미널 3 9호선 155 2분 10초 3 도곡 3 분당선 78 1분 5초 3 수서 3 분당선 92 1분 17초 3 가락시장 3 8호선 35 30초 3 오금 3 5호선 65 55초 4 서울역 4 1호선 159 2분 13초 4 동대문 4 1호선 194 2분 42초 4 동대문 4 공항철도 255 3분 33초 4 동대문 4 2호선 45 38초 4 역사문화공원 4 5호선 107 1분 30초 4 사당 4 2호선 74 1분 2초 4 충무로 4 3호선 17 15초 4 노원 4 7호선 278 3분 52초 4 창동 4 국철 84 1분 10초 4 이촌 4 중앙선 78 1분 5초 4 삼각지 4 6호선 155 2분 10초 4 동작 4 9호선 245 3분 25초 4 총신대입구 4 7호선 171 2분 23초 년서울시세대원수별세대수 : 자치구전체세대 1인세대 2인세대 3인세대 4인세대 5인세대 6인세대 7인세대 8인세대 합계 4,210,933 1,584, , , , ,657 40,678 10,276 2,760 종로구 73,091 35,176 13,321 10,932 9,942 2, 중구 59,368 28,282 11,949 9,063 7,428 1, 용산구 106,603 48,484 21,347 16,941 14,683 3, 성동구 131,474 50,626 27,343 24,540 22,140 5,121 1, 광진구 159,375 66,793 31,348 27,382 26,214 5,798 1, 인공지능(AI) 과 Big Data 의 세계 19

24 자치구전체세대 1인세대 2인세대 3인세대 4인세대 5인세대 6인세대 7인세대 8인세대 동대문구 159,826 69,365 31,376 26,642 24,049 6,301 1, 중랑구 178,185 67,892 38,780 33,222 29,255 7,051 1, 성북구 188,100 69,364 38,191 35,624 33,811 8,358 1, 강북구 141,999 53,601 32,125 26,645 22,274 5,624 1, 도봉구 136,852 40,484 31,140 29,254 27,308 6,662 1, 노원구 219,460 64,584 46,471 45,868 49,146 10,642 2, 은평구 201,971 69,467 44,608 39,789 35,940 9,289 2, 서대문구 137,413 54,797 28,187 24,547 22,475 5,596 1, 마포구 169,407 71,149 34,458 28,970 26,594 6,365 1, 양천구 176,861 46,993 35,187 38,500 43,481 9,930 2, 강서구 250,708 88,212 53,692 49,031 45,707 10,988 2, 구로구 172,050 60,038 36,813 33,293 31,586 7,893 1, 금천구 105,628 43,702 22,016 18,272 16,287 4, 영등포구 166,252 71,091 32,693 28,365 26,044 6,109 1, 동작구 172,966 67,756 35,391 31,097 29,383 7,076 1, 관악구 254, ,667 47,186 35,363 30,212 7,566 1, 서초구 173,417 55,180 33,405 34,535 37,927 9,285 2, 강남구 233,943 88,225 42,484 42,433 46,670 10,741 2, 송파구 261,155 82,679 51,994 53,325 56,541 12,856 2, 강동구 180,434 59,034 37,192 36,318 36,623 8,790 1, 고등학교 수업대체용 프로그램 [ 학생용]

25 인공지능 (AI) 과 Big Data 의 세계 3 차시 Big Data 와미래생활

학생용활동지 3 차시: Big Data와미래생활 이 활동을 하면 Big Data 가우리생활에어떤영향을미치는지설명할수있다. 무엇이 필요할까 학습동영상, 모둠별코팅된개와고양이사진묶음, 학습활동지, 투명 OHP 필름, 에나 멜연필, 에나멜붓, 에나멜물감, 스카치테이프 어떻게 할까 생각 열기 내일주문하셨습니다. 오늘배달되었습니다. 철수는오늘택배하나를받았습니다.

27 학생용활동지 3 차시: Big Data와미래생활 이 활동을 하면 Big Data 가우리생활에어떤영향을미치는지설명할수있다. 무엇이 필요할까 학습동영상, 모둠별코팅된개와고양이사진묶음, 학습활동지, 투명 OHP 필름, 에나 멜연필, 에나멜붓, 에나멜물감, 스카치테이프 어떻게 할까 생각 열기 내일주문하셨습니다. 오늘배달되었습니다. 철수는오늘택배하나를받았습니다. 설레는마음으로포장을뜯었는데주문하지도않은물건이 왔습니다. 고객센터에전화를걸어다음과같이이야기했습니다. 주문하지도않은물건이배달됐는데요? 이질문에돌아올대답은아래내용중무엇일까요? 1) 죄송합니다. 착오가있었던것같습니다. 2) 옆집물건인데대신좀맡아주시겠어요? 3) 술김에주문하신것같네요. 분명히주문하셨습니다. 셋다아닙니다. 정답은이렇습니다. 네고객님, 내일주문하셨습니다. 이건무슨소리일까요? 이 런일이실제일어나려면어떤데이터가필요하고무엇을예측해야할까요? Data Mining( 데이터가 공) 의작동원리가설명되면더욱좋습니다. 인공지능(AI) 과 Big Data 의 세계 23

28 24 고등학교 수업대체용 프로그램학생용 2017 [ ] 필요한데이터 예측해야되는사항

29 생각 키우기 고객이원하는물품이미리준비가되었습니다. 준비된물품을 Drone 을통해빠르게고객에게배달하려고합니다. 배달 Drone 을어떻게만들어야할까요? 모둠별로아래기준을만족하는 Drone 을설계해보세요. < 배달 Drone 이갖추어야할조건> - Drone 이배달물품을집어들고이륙해 30 분이내에소비자에게배달하고복귀해야함( 입력된주 소지로배달하기위한장치필요 ) - Drone 은 2.5kg 이하의구호품배달 - 전방의장애물을인식하고빠르게대응할수있는장치필요 - Big Data 처리장치가필요 < 드론의기본형태 : 날개개수에의한구분> 인공지능(AI) 과 Big Data 의 세계 25

30 < 드론의기본형태 : 드론내부의주요구성부품> < 드론의기본형태 : 드론자세제어및통신> 고등학교 수업대체용 프로그램 [ 학생용]

31 Drone 설계 인공지능(AI) 과 Big Data 의 세계 27

32 연 구 진 < 연구책임자> 함남우( 인천대학교수학과교수) < 연구자문진> 김주아( 한국교육개발원영재교육센터소장) 강병직( 청주교육대학교교수) 심현보( 인천과학예술영재학교교감) < 연구집필진> 김우태( 인천과학예술영재학교교사), 윤덕한( 인천과학예술영재학교교사) 황선미( 인천과학예술영재학교교사), 김완일( 인천과학예술영재학교교사) 김진영( 인천과학예술영재학교교사), 원기재( 인천과학예술영재학교교사) 조대기( 인천과학예술영재학교교사), 허석( 인천과학예술영재학교교사) 조우영( 석남중학교교사), 황영미( 인천효성중학교교사) 2017 융합인재교육프로그램고등학교수업대체용학생용 인공지능(AI) 과 Big Data의세계 발행일 : 발행처 인쇄처 : 한국과학창의재단, 인천대학교 : 네오다큐( )

33 DD 융합인재교육프로그램 학교급 인공지능(AI)과 빅데이터, 그리고 우리의 삶 구 2017 융합인재교육프로그램[학생용] 2017 융합인재교육프로그램[학생용] 인공지능(AI)과 빅데이터, 그리고 우리의 삶 인공지능(AI)과 Big Data의 세계 인공지능(AI)과 Big Data의 세계 인공지능(AI)과 Big Data의 세계 분 고등학교 수업대체용 학생용

R01-2001-000-00227-0.hwp

R01-2001-000-00227-0.hwp 특정기초연구 + 99.9 Cummulative probability, % 99 90 70 50 30 10 IPM TSP TPM PM2.5 RPM regression curve 1 0.1 10 100 1000 Concentration, μg/ m3 99.999 Cummulative probability, % 99.99 99.9 99 90 70