중학교 STEAM 자유학기제교사용 교재 학습하는 AI(기계에 지능 부여하기)

중학교 STEAM 자유학기제 교사용 교재

학습하는 AI

(기계에 지능 부여하기)

“이 교재는 2019년도 교육부의 재원으로 한국과학창의재단의 지원을 받아 수행된 성과물임”

"This work was supported by the Korea Foundation for the Advancement of Science and Creativity(KOFAC) grant funded by the Korea government(MOE)"

차 례

프로그램 안내 및 사용방법 1

교육과정 연계 2

주제개요 3

STEAM 단계요소 4

평가계획 5

1차시 교수학습과정안 9

1차시 학생용 활동지 및 참고자료 13

2차시 교수학습과정안 18

2차시 학생용 활동지 및 참고자료 22

3차시 교수학습과정안 27

3차시 학생용 활동지 및 참고자료 32

4차시 교수학습과정안 39

4차시 학생용 활동지 및 참고자료 43

5차시 교수학습과정안 48

5차시 학생용 활동지 및 참고자료 51

프로그램 안내

본 프로그램은 인공지능을 주제로 한 융합교육으로 학생들에게 과학, 수학, 기 술, 공학 그리고 인문학을 바탕으로 하여 창의적 문제해결력을 기를 수 있는 교수 학습과정으로 구성하였습니다.

인공지능 기술에 대한 기본적인 개념, 원리에 대한 이해뿐만이 아니라 이로 인 해 개인적, 사회적 차원에서 우리에게 미치는 긍정적인 부분과 부정적인 부분에 대해서도 함께 탐구하고 토론할 수 있도록 하였습니다. 빠른 기술의 발달이 우리 에게 미치는 영향을 살펴보고 이를 바탕으로 우리의 아이들이 살아나갈 미래의 모습을 구현하는데 바른 이해와 가치관을 정립시킬 수 있게 될 것입니다. 이러한 이해를 돕기 위해 진로와 연계한 읽을거리와 생각할 문제를 함께 제시하였습니다.

제안된 프로그램을 통해 인공지능이라는 주제의 적시교육을 실천하여 학생들이 겪어가야 할 실생활 문제를 고민해 보고, 창의적인 아이디어로 문제를 해결해 나 갈 수 있는 인재로 성장하기를 기대해 봅니다.

프로그램 사용방법

본 프로그램의 교재는 교사용과 학생용으로 나뉘어져 있습니다.

교사용은 학교현장에서 선생님들께서 손쉽게 사용하실 수 있도록 최대한 자세 하고 쉽게 안내하였습니다. 그리고 각 차시별로 교수・학습 과정안을 제시하고, 수업의 이해를 돕기 위하여 학습활동 장면을 추가하여 제시하였습니다. 또한 과정 안이나 수업 활동 내용에 유의점과 사용할 자료를 제시하여 수업 적용 시 어려움 이 없도록 안내하였습니다.

학생용은 중학생을 대상으로 하고 수업대체용 교수·학습 자료라는 점을 고려하 여 작성하였습니다.

교육과정 연계

관련교과 2015 개정 교육과정 연계 (내용 요소 및 성취수준)

수학

[9수03-01] 순서쌍과 좌표를 이해한다.

[9수03-02] 다양한 상황을 그래프로 나타내고, 주어진 그래프를 해석할 수 있다.

[9수05-03] 공학적 도구를 이용하여 실생활과 관련된 자료를 수집하고 표나 그래프로 정리 하고 해석할 수 있다.

정 보

[9정02-01] 디지털 정보의 속성과 특징을 이해하고 현실 세계에서 여러 가지 다른 형태로 표현되고 있는 자료와 정보를 디지털 형태로 표현한다.

[9정02-02] 인터넷, 응용 소프트웨어 등을 활용하여 문제 해결을 위한 자료를 수집하고 관리 한다.

[9정03-01] 실생활 문제 상황에서 문제의 현재 상태, 목표 상태를 이해하고 목표 상태에 도 달하기 위해 수행해야 할 작업을 분석한다.

[9정03-04] 문제 해결을 위한 다양한 방법과 절차를 탐색하고 명확하게 표현한다.

과 학

[9과07-01] 과학과 관련된 직업의 종류와 하는 일을 조사하고, 그 직업에 필요한 역량에 대 해 토의할 수 있다.

[9과07-01] 현대 사회의 다양한 직업이 과학과 어떤 관련성이 있는지 예를 들어 설명하고, 미래 사회에서의 직업의 변화를 토의할 수 있다.

주제개요

학습이란 무엇일까, 인간은 도대체 어떻게 학습하는 것일까. 이 해묵은 주 제는 인공지능의 발전과 함께 다시금 의문으로 떠올랐다. 인간이 지식을 제공 하던 과거의 인공지능에서는 학습한 결과를 컴퓨터에게 입력했던 것에 비해 최근의 딥러닝은 스스로 학습하도록 설계되었다. 이 과정에서 인공지능 학자 들은 학습이란 무엇인가에 대해 깊이 고민하기 시작하였다.

일찍이 교육학자 데이빗 콜브(David Kolb)는 ‘학습이란 인간이 연속된 경 험을 통해 배워가는 일련의 과정’이라고 정의했다. 즉, 태어나면서부터 죽을 때까지 경험하는 모든 것을 학습으로 보았다. 그 중 학습에 중요한 요소로 정 보를 받아들이는 것(perceiving)과 정보를 처리하는 것(transforming)을 가리켰 다. 바로 이러한 정보의 입력과 처리 과정을 학습으로 본 것이다.

최근의 인공지능 역시 이와 다르지 않다. 여러 양의 데이터를 보고 인공지 능은 이를 데이터로써 받아들이고, 이를 처리하는 과정에서 학습하게 되는 것 이다. 여기서 받아들이는 것은 단지 존재를 안다는 의미가 아니다. 사물을 지 각하는 것이다. 그러기 위해서는 받아들이는 과정에서 다른 사물을 다르게 인 식할 수 있어야 한다. 이번 과정에서는 인공지능이 수많은 데이터를 통해 어 떻게 다른 사물을 다르게 인식하는지 그 과정을 지도학습과 비지도학습으로 나누어 천천히 추적해보고자 한다.

학습하는 AI

STEAM 단계 요소

1

상황 제시

학습이란 어떻게 이루어지는지 인간의 사례를 들어 확인해본다. 이를 통해 인공지능이 근본적으로 어떻게 학습하게 되는지 알아보고, 인공지능의 학습을 위해 우리가 해야 할 일들을 생각해본다. 또한 비지도 학습의 사례인 K-Means(K평균)를 주변의 사례에서 찾고 이를 적용하기 위한 준비를 한다.

2

창의적 설계

인공지능을 학습시키기 위하여 학습이란 것을 정의하고 나면, 인공지능의 학습에 대한 다양한 활동을 한다. 분류 활동, 감각 차단활동 등을 통해 인공 지능의 눈으로 세상을 바라본다. 그리고 난 후 인공지능을 좀 더 똑똑하게 만 들기 위한 학습세트를 만들어보고, 이 학습세트가 어떤 분류를 하게 되는지 추측해본다. 주제 K-Means 에서는 알고리즘의 원리를 학습하여 보고, 이를 실제로 사용하게 된다면 어떤 분야에서 사용할 수 있는지 설계하여 본다.

3

감성적 체험

각 모둠에서 사람을 만들어가는 과정을 발표하며 힘들었던 점, 알게 된 점, 개선하고 싶은 점에 대한 생각들을 서로 공유한다. 또한 학습 과정에서 잘못 될 수 있는 점 등을 공유하여 인간과 인공지능의 차이점에 대해서도 생각한 다. 새로운 인공지능 서비스를 만드는 과정에서는 미래의 삶이 인공지능으로 인해 보다 풍요로워짐을 체험한다.

평가계획

○ 수행, 관찰 평가 기준표

평가영역 평가항목 도달 노력하여 도달 미도달

감성적 체험

집중과 끈기

과제에 대한 집중력이 좋으며 과제를 끈기 있 게 해결함

과제에 대한 집중력은 있으나 끈기가 부족함

과제에 대한 집중력과 끈기가 부족함

호기심과 자신감

새로운 내용을 배우고 싶어 하며 문제를 해결 할 때 어려워하지 않고 적극적으로 참여함

새로운 내용에 대해 약간의 흥미가 있으며 문제를 해결할 때 어 려워하지만 참여함

새로운 내용에 대해 흥미가 거의 없으며 문제를 해결할 때 어 려워하고 참여하지 않 음

창의성

문제를 해결하는 과정 에서 유창성, 융통성, 독창성, 정교성이 두드 러지게 나타남

문제를 해결하는 과정 에서 유창성, 융통성, 독창성, 정교성이 가 끔씩 나타남

문제를 해결하는 과정 에서 유창성, 융통성, 독창성, 정교성이 거 의 나타나지 않음

창의적 설계

해결방안 및 계획

학습에 대한 이해를 토 대로 인공지능에 대한 접근이 명확함

인공지능의 여러 단계 에 대한 이해가 다소 부족하여 설계가 미흡 함

인공지능의 여러 단계 에 대한 이해가 부족 하여 설계를 세우지 못함

문제해결 과정 및 산출물 도출

분류 적용 과정이 명확 하고 새로운 서비스를 알맞게 만들어냄

분류 단계 과정이 명 확하지 못하고 새로운 서비스의 설계가 미흡 함

분류 단계를 적용하지 못해 새로운 서비스를 만들지 못함

총평

○ 수행, 관찰 평가 기록지

평가 영역

이름

감성적 체험 창의적 설계

집중과 총평 끈기

호기심과

자신감 창의성 해결방안 및 계획

문제해결 과정

산출물 도출

○ 면접기록지

면접기록지

면접대상 ( )학년 ( )반 이름 : 성별 : 일시 2019년 월 일 : ~ : 면접교사

면접계획 (면접 목적 면접

진행 계획 등)

· 인공지능이 학습이란 것을 알고 인공지능의 필요성에 대해 알고 있는가?

· 인공지능 관점에서의 학습을 지도와 비지도로 나누어 설명할 수 있는가?

면접 내용 (면접 과제 질문과 잡변

학생 특성)

· 인공지능이 학습이란 것을 알고 인공지능의 필요성에 대해 말하는가?

· 인공지능 관점에서의 학습을 지도와 비지도로 나누어 설명하는가?

· 학습한 인공지능 알고리즘을 현실 세계로 전이시켜 나타내는가?

평가 결과

평 가 영 역

융합적 사고 창의적 설계 감성적 체험

교 사 총 평 면접 후 학생의

변화

○ 구술 평가에 대한 평가 요소 체크리스트

요소

이름 융합적 사고 창의적 설계 감성적 체험 의사소통

○ 구술 평가 기준표

평가영역 평가기준 평가척도

상 중 하

융합적 사고

◆ 인공지능의 학습을 이해하고 있는가?

◆ 인공지능의 학습이 사람의 문제를 해결하는 데 도움을 주 는 것으로 이해하고 있는가?

◆ 컴퓨팅 사고의 과정이 나타나는가?

창의적 설계

◆ 인공지능 사례를 적용하기 위한 단계와 규칙을 창의적으로 설계하였는가?

◆ 인공지능 알고리즘 사례를 다른 문제 해결에 적용할 수 있 는 방안을 생각해내는가?

감성적 체험

◆ 자신이 설계한 활동에 대해 자긍심을 갖고 있는가?

◆ 느낀 점 발표 시 타인의 의견을 경청하고 비판적으로 수용하는 태도를 지니고 있는가?

의사소통

◆ 자신의 경험을 바탕으로 논리적으로 발표 하는가?

◆ 경청 및 발표 태도는 바람직한가?

○ 학생 동료 평가 계획

평가

방법 평가영역 평가기준 평 가

상 중 하

자기 평가

감성적

체험 ◆ 즐거운 마음으로 활동에 참여하였는가?

창의적 설계

◆ 인공지능 알고리즘을 적용하기 위한 주제 선정과 단계를 창의적인 설계과정으로 이루어졌는가?

◆ 인공지능 알고리즘이 사람의 문제를 해결하는 데 도움을 주는 것으로 이해하고 있는가?

◆ 인공지능 알고리즘이 다른 문제 해결에 적용할 수 있는 방안을 생각하기 위해 노력하였는가?

동료 평가

감성적 체험

◆ 모둠별로 역할 분담이 잘 되었으며 협동하고 배려하며 활 동이 이루어졌는가?

○ 학교생활기록부 기재 예시

교과 학교생활기록부 기재 예시자료 기재 상황 예시

정보

인공지능의 학습 과정을 이해하고, 이를 적용하여 주어진 문제를 해 결해냄. 또한 문제해결과정에서 필요로 하는 규칙을 모둠 친구들과 협동하여 만들어 문제를 해결하는데 도움을 줌.

인공지능 알고리즘을 적용하여 해결할 수 있는 다양한 문제 사례를 창의적으로 제시함

컴퓨터과학 기술의 원 리 이해 및 적용과정에 서의 모습과 모둠 활동 에서의 모습을 관찰하 여 기술하는 경우

동기유발에서는 매우 호기심 있어 하는 모습을 보였으나 단계별 활 동에서 어려움을 겪음. 모둠 친구들과의 계속적인 의사소통을 통해 문제를 완수해냄.

성장과정 중심으로 기 술하는 경우

1차시

1차시

프로그램 지도안

프로그램명 학습이란 무엇인가 학교급 중학교 차시 1/5

학습목표 학습이 분류임을 알고 자료를 기준에 따라 분류할 수 있다.

학습자료 PPT(사진), 학습지

성취기준

정보 [9정02-01] 디지털 정보의 속성과 특징을 이해하고 현실 세계에서 여러 가지 다 른 형태로 표현되고 있는 자료와 정보를 디지털 형태로 표현한다.

수학 [9수05-03] 공학적 도구를 이용하여 실생활과 관련된 자료를 수집하고 표나 그래 프로 정리하고 해석할 수 있다.

흐 름 차시 교수·학습 내용 학습자료( )

유의점( )

상황 제시

1 차시

개별 학습

• 채소와 과일에 대한 퀴즈 맞추기

- 딸기는 과일인가요?

(과일입니다, 채소입니다.)

- 딸기가 채소인 이유는 무엇인가요? 채소와 과일을 구분하는 기준은 무엇일까요?

(맛이 쓴게 채소입니다. 단게 과일입니다.)

- 이제 새롭게 분류 기준을 다시 배워보도록 하겠습 니다.

식물학적으로는 작물의 ‘뿌리’를 따진다. 어려운 말로 목본성(木本性)인지 초본성(草本性)인지가 주된 기준이 다. 나무에서 나는 열매 중 먹을 수 있는 것은 과일로 보고, 풀로 재배되는 것 가운데 먹을 수 있는 걸 채소 라 한다.

- 수박은 나무와 풀 중 어디서 열립니까?

(풀에서 열립니다.)

딸기, 수박 사진 (PPT)

쉽게 설명을 풀어 주도록 한다. 실제 사 진을 준비하여도 좋다.

전체 학습

- 사과, 대추, 밤은 어떻습니까? (과일) - 참외, 토마토는 어떻습니까? (채소)

- 어떻게 배우지 않은 것을 알 수 있었습니까?

(분류 기준을 알게 되었습니다., 공부했습니다.)

• 학습주제 확인

- 학습이란 무엇인지 알아보기

• 분류 기준으로 학습하기

- 다음의 표범과 치타입니다. 어떤 것이 표범이고 어떤 것이 치타입니까? 분류할 수 있는 사람은 기준을 이야기해 봅시다.

(잘 모르겠습니다.)

- 분류 기준을 배워보도록 하겠습니다.

분류기준은 얼굴무늬, 체형, 얼룩무늬이다.

치타는 눈에서 턱까지 검은색 줄무늬가 있다.

치타는 머리가 작고 몸은 날씬하고 다리가 길다.

치타는 검은 얼룩무늬, 표범은 가운데가 빈 둥근 무늬 이다.

- 이제 학습한 내용을 토대로 분류해보도록 하겠습 니다. 치타입니까, 표범입니까?

• 컴퓨터에게 학습이 어려운 이유 알아보기

- 사과와 자두를 구분하여 봅시다. 사과와 자두를 구분할 수 있습니까?

(네)

학습지

치타, 표범 사진 (PPT)

전체 학습

- 컴퓨터는 이를 쉽게 구분하지 못합니다. 그 이유 는 무엇입니까?

(눈이 없습니다.)

- 그렇다면 어떻게 하면 컴퓨터가 쉽게 구분할 수 있겠습니까?

(눈을 만들어줍니다.)

- 인간 역시 한 번에 한군데만 볼 수 있습니다. 그 럼에도 기억하는 이유는 무엇입니까?

(무엇인지 미리 알고 있습니다. 다른 부분을 기억 하고 있습니다.)

- 그럼 만약 컴퓨터가 기억한다면 자두와 사과를 쉽 게 구분할 수 있습니까? 구분하지 못한다면 그 이 유는 무엇입니까?

(사과랑 자두를 잘 알지 못합니다.)

• 인공지능의 학습에 대하여 생각해보기

- 아이가 처음 사과와 자두를 봤다면 구분할 수 있 습니까? 그렇지 않다면 이유는 무엇입니까?

(둘이 비슷해보입니다.)

- 만약 사과 10개, 자두 10개를 준다면 이를 맞게 분류할 수 있습니까? 이유는 무엇입니까?

(비슷한 것끼리 묶으면 됩니다.)

- 같은 방법으로 컴퓨터에게 적용할 수 있습니까?

눈이 없는 컴퓨터에게 어떤 방법을 이용할 수 있 습니까?

(특징을 찾습니다.) - 어떤 특징을 찾습니까?

(크기나 모양 같은 것들입니다.)

• 정리하기

- 이번 시간 활동을 통해 알게 된 점, 재미있던 점 등에 관해 정리하여 봅시다.

사과와 자두 PPT, 종이를 말아 테이프로 붙인 고깔 또는 구멍 을 뚫은 종이

비교 사진 학습지

특징 찾아 분류하기

학습이란 무엇인가 1차시

활동 1

◆ 둘 사진을 보고 채소인지 과일인지 적어봅시다.

( ) ( )

1. 위와 같이 생각하는 이유를 써 봅시다.

2. 과일과 채소의 분류기준을 새롭게 배워봅시다.

식물학적으로는 작물의 ‘뿌리’를 따진다. 어려운 말로 목본성(木本性)인지 초본성(草本性)인지 가 주된 기준이다. 나무에서 나는 열매 중 먹을 수 있는 것은 과일로 보고, 풀로 재배되는 것 가운데 먹을 수 있는 걸 채소라 한다.

3. 위의 분류 기준을 고쳐봅시다.

4. 분류를 다시 할 수 있게 된 이유는 무엇입니까?

분류 기준을 새로 세웠습니다. 새로 배웠습니다.

활동 2 특징 찾아 분류하기

학습이란 무엇인가 1차시

◆ 다음 사진을 보고 둘의 차이점을 생각해봅시다.

( 치타 ) ( 표범 )

1. 두 동물은 각각 무엇인지 써 봅시다.

2. 두 동물의 차이점은 무엇이 있나요?

치타 표범

얼굴 얼굴에 줄무늬가 있음 줄무늬가 없음

몸통 다리가 날렵한 모양 치타에 비해 다리가 굵음

무늬 검은 반점 검은테두리 안에 색

3. 보여주는 두 사진을 보고 치타인지 표범인지 써 보도록 합시다.

1 2 3 4 5 6 7

4. 구분할 수 있게 된 이유는 무엇입니까?

학습을 통해 지식을 습득하였기 때문에, 배웠기 때문에

컴퓨터의 눈으로 구분하기(A형)

학습이란 무엇인가 1차시

활동 3

◆ 다음 사진을 한 점만 보이는 친구에게 보여주고 무엇인지 맞춰보도록 합시다.

컴퓨터의 눈으로 구분하기(B형)

학습이란 무엇인가 1차시

활동 3

◆ 다음 사진을 한 점만 보이는 친구에게 보여주고 무엇인지 맞춰보도록 합시다.

▶ 학습의 학문적 정의

연습이나 경험의 결과 일어나는 행동의 지속적인 변화.

학습이란 ① 행동의 변화이며, ② 이러한 변화는 연습·훈련, 또는 경험에 의한 변화로서 성숙에 의한 변화 학습으로 간주되지 않으며, ③ 이러한 변 화는 비교적 영속적이어야 한다. 따라서 동기·피로·감각적 순응 또는 유 기체의 감수성의 변화 등은 제외된다. ④ 한편 순수심리학적인 견해는 진 보적 또는 퇴보적인 행동의 변화를 모두 학습으로 간주하나, 교육적인 견 해로는 바람직한, 진보적인 행동의 변화만을 학습으로 간주한다.

학습이란 유기체 내에서 일어나는 내재적인 변화과정으로 직접 관찰 가 능한 것이 아니고, 수행(performance)으로 표현될 따름이다. 따라서 학습이 란 수행과 그 선행조건을 통해서 추리할 따름이다. 한편 이상에서 언급한 학습의 형식적인 개념규정과는 달리 실질적인 면에서 학습 또는 행동변화 의 내용이 무엇인가에 대한 견해는 실로 다양하다.

학습의 내용을 조건형성 또는 자극과 반응의 결합으로 보느냐, 또는 인 지구조상(認知構造上)의 변화로 보느냐, 또는 신경생리학적 변화로 보느냐 에 따라 학습이론은 각기 입장을 달리하고 있다.

[네이버 지식백과] 학습 [學習, learning] (교육학용어사전, 1995. 6. 29., 서울대학교 교육연구소)

교사용 자료

2차시

2차시

프로그램 지도안

프로그램명 컴퓨터의 눈으로 보기 학교급 중학교 차시 2/5

학습목표 컴퓨터가 자료를 받아들이는 방법을 알고 이를 실험할 수 있다.

학습자료 PPT(사진), 학습지

성취기준

정보 [9정02-01] 문제 해결을 위한 다양한 방법과 절차를 탐색하고 명확하게 표현한다.

수학 [9수03-01] 순서쌍과 좌표를 이해한다.

흐 름 차시 교수·학습 내용 학습자료( )

유의점( ) 상황

제시 2 차시

전체 학습

• 전시학습 상기

- 지난 시간에 학습한 내용을 떠올려 봅시다. 무엇 에 대해 살펴보았었나요?

(학습이란 무엇인지 공부했습니다.)

- 이번 시간에는 컴퓨터가 되어 학습을 하도록 하겠 습니다.

• 촉각으로 물체 구별하기

- 검은 상자 안에 물체가 들어있습니다. 물체를 만 져보고 무엇인지 맞춰봅시다.

- 무엇인 것 같습니까?

(동물인 것 같습니다. / 젤리 같습니다.) - 왜 그렇게 생각하였습니까?

(털 같은 것이 있었습니다. / 물컹했습니다.) - 어떻게 우리는 처음 느낌만으로 해당 물건을 비슷

하게 유추할 수 있었습니까?

(촉감이 비슷했기 때문입니다.)

- 준비된 물건들 중에 촉감으로 비슷하게 분류한다

구멍 뚫린 상자, 인형, 젤리, 털옷, 가지 (음식) 등

촉감이 다양한 물 체들로 준비한다.

완전히 파악하기 전에 무엇인지 물어보 고 왜 그렇게 생각하 는지 알아본다.

면 무엇과 무엇이 비슷합니까?

(인형과 털옷, 젤리와 가지입니다)

• 학습주제 확인

- 컴퓨터의 방법대로 학습하기

• 사과와 자두 그림 분류해보기

- 인공지능의 눈으로 분류해보도록 하겠습니다. 외 형선을 나타낸 그림을 보고 그래프의 알맞은 위치 에 표시해보도록 합시다.

- 하나의 수직선이 있습니다. 수직선의 x축에 표시 할 값은 무엇이 좋겠습니까? 왜 그렇게 생각합니 까?

(가로와 세로의 길이입니다. 확인할 수 있는 것들 이 많지 않습니다.)

- 가로와 세로의 길이를 재어 수직선 상에 기호로 표시하여 봅시다.

- 이제 이것을 분류해보도록 합시다. 서로 다른 부 분이라고 생각되는 부분을 선으로 그어 나눠보도 록 하겠습니다.

- 이렇게 나눌 수 있는 이유는 무엇입니까?

(서로 멀리 떨어져 있는 부분이 있습니다.)

- 답을 확인해보도록 하겠습니다. 어느정도 답과 맞 게 분류되었습니까?

자

길이 등이 부족할 때에는 가로세로 길이 의 합 정도로 바꿀 수 있다.

모둠별로 단계에 맞게 활동하는 과정에 서 모둠원이 서로의 의견을 존중하고 배려 하는지 상호 평가한다.

창의적 설계

모둠 학습

- 이게 만약 컴퓨터라면 이제 크기를 가지고 사과와 자두를 분류할 수 있겠습니까?

• 새로운 자료 분류해보기

- 이제 새로운 자료를 가지고 분류해보도록 하겠습 니다. 수직선상에 나타낼 때 정확도가 낮을 수 있 는 이유는 무엇입니까?

(값을 결정하는게 하나뿐입니다.)

- 다음 사진은 수박과 호박입니다. 우리는 쉽게 구 분할 수 있지만 컴퓨터에게는 쉽지 않습니다. 어 떤 값으로 구분하면 좋을지 생각해봅시다. 단, 이 사진들은 비율이 맞지 않습니다.

- 무엇으로 분류를 하였습니까?

(색으로 하였습니다. 다른 색의 줄무늬 개수로 하 였습니다. )

- 분류 기준에 맞게 데이터를 잘 정리했습니까? 알 맞게 들어가지 않은 부분이 있다면 왜 그런 것입 니까?

(색이 다른 수박 등은 구분하기 쉽지 않습니다.) - 컴퓨터가 분류하는 것이 쉽지 않은 이유는 무엇입

니까?

(자료의 종류에 따라 오류를 일으킬 수 있습니다.) - 컴퓨터가 구분하기 쉬운 자료는 무엇이겠습니까?

(자료가 뚜렷하게 구분되는 것들입니다.)

• 정리하기

- 이번 시간 활동을 통해 알게 된 점, 재미있던 점 등에 관해 정리하여 봅시다.

학습지

분류한 기준에 따 라 냉철하게 분류할 수 있도록 한다.

자두와 사과 분류하기

학습이란 무엇인가 2차시

활동 4

◆ 다음은 일정한 비율로 줄인 사과와 자두의 그림입니다. 각각의 그림을 보고 그래프에 알맞게 표시해보세요.

A B C D

E F G H

I J K L

M N O

◆ 각각의 그림을 보고 그래프에 알맞게 기호로 표시해보세요.

<그래프에 나타내기>

◆ 나타난 그래프에 적당한 부분을 찾아 둘을 나누는 선을 그려보도록 합시다.

◆ 나누어진 부분의 좌측과 우측은 각각 무엇일 것 같습니까?

좌측 : 자두 우측 : 사과

◆ 그렇게 생각한 이유는 무엇입니까?

일정한 비율로 줄인 사진에서 사과의 크기가 자두보다 크다.

<사진출처>

https://fav76.tistory.com/1573 https://m.post.naver.com/viewer/postView.nhn?volumeNo=10958719&memberNo=31543648 http://www.farmisclassic.co.kr/m2/goods/view.php?category=001&goodsno=29

https://kr.123rf.com/photo_32305712_%ED%95%98%EB%82%98-%EC%82%AC%EA%B3%BC.html http://www.ohfarmstory.co.kr/Oz/9339 https://midolic.tistory.com/31

K J I D M L N O A B C G F E H (각자 기준에 따라 자유롭게 표시해보도록 한다.)

( 크기 )

수박과 호박의 분류 기준 찾기

학습이란 무엇인가 2차시

활동 5

◆ 다음은 수박과 호박의 사진입니다. 분류 기준을 정하고 기준에 맞게 정리하 여 보세요.

A B C D

E F G H

I J K L

M N O P

◆ 위의 사진을 보고 그래프의 축에 들어갈 내용을 정하여 봅시다.

<그래프에 나타내기>

◆ 정한 축을 토대로 자료를 정리하여 분류하여 봅시다.

◆ 수직선이 아닌 그래프에 나타낸 이유는 무엇입니까?

수직선에서는 한 가지만 보고 판단하기 때문입니다.

◆ 자료가 분류한 기준에 맞게 잘 들어가 있습니까? 만약 그렇지 않다면 왜인 지 이유를 써 봅시다.

분류에 맞게 잘 들어갔다.

◆ 컴퓨터에게 학습이 어려운 이유는 무엇이라고 생각합니까?

모든 것을 데이터로 받아들인다. 모든 것을 수치화 한다.

( 초록 )

( 주황 )

K

B

C O

J L

A

F G

D

E P

M H

I

( 납작하다 ) ( 길다 )

▶ 서포트 벡터 머신(Support vector machine, SVM)

서포트 벡터 머신(support vector machine, SVM)은 기계 학습의 분야 중 하나로 패턴 인식, 자료 분석을 위한 지도 학습 모델이며, 주로 분류와 회귀 분석을 위해 사용한다. 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, SVM 알고리즘은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델 을 만든다. 만들어진 분류 모델은 데이터가 사상된 공간에서 경계로 표현되 는데 SVM 알고리즘은 그 중 가장 큰 폭을 가진 경계를 찾는 알고리즘이다.

SVM은 선형 분류와 더불어 비선형 분류에서도 사용될 수 있다. 비선형 분류 를 하기 위해서 주어진 데이터를 고차원 특징 공간으로 사상하는 작업이 필 요한데, 이를 효율적으로 하기 위해 커널 트릭을 사용하기도 한다.

(참고 : https://ko.wikipedia.org/wiki/%EC%84%9C%ED%8F%AC%ED%8A%B8_%EB%B2%A1%ED%84%B0_

%EB%A8%B8%EC%8B%A0)

교사용 자료

3차시

3차시

프로그램 지도안

프로그램명 지도학습과 비지도학습 학교급 중학교 차시 3/5

학습목표 학습의 종류 중 지도학습을 배워보고 무엇인지 설명할 수 있다.

학습자료 PPT(사진), 학습지

성취기준

정보 [9정02-02] 인터넷, 응용 소프트웨어 등을 활용하여 문제 해결을 위한 자료를 수 집하고 관리한다.

수학 [9수03-02] 다양한 상황을 그래프로 나타내고, 주어진 그래프를 해석할 수 있다.

흐 름 차시 교수·학습 내용 학습자료( )

유의점( ) 상황

제시 3 차시

개별 학습

• 전시학습 상기

- 지난 시간에 학습한 내용을 떠올려 봅시다.

무엇에 대해 살펴보았었나요?

(컴퓨터에서 분류하는 방법에 대해 배웠습니다.) - 이번 시간에는 컴퓨터의 학습방법 두가지에 대해

서 알아보겠습니다.

• 색 이름 맞춰보기

- 보여주는 다음 색을 보고 색의 이름을 맞춰봅시 다.

(청녹, 카키, 황토색, 빨간색, 연보라색)

- 이 색의 이름은 순서대로 시안, 카키, 선황색, 벽 돌색, 엉겅퀴색입니다.

- 배운 내용을 토대로 퀴즈를 내 보도록 하겠습니 다.

- 방금 전까지 알지 못했던 것들을 어떻게 구분할

컴퓨터실

PPT, 색 학습지

색 배합은 기존의 색과 비슷하나 다른

모둠 학습

수 있게 되었습니까?

(미리 배웠습니다.)

- 그럼 이 문제를 풀어봅시다.

- 왜 이 문제는 알지 못합니까?

(처음 보는 색입니다.)

- 만약 퀴즈를 맞추는 사람이 컴퓨터라면 맞출 수 있겠습니까?

(미리 알고 있기 때문에 맞출 수 있습니다. 처음 보는 색이면 풀 수 없습니다.)

• 학습주제 확인

- 지도학습과 비지도학습에 대하여 알아보기

• 지도학습과 비지도학습

- 컴퓨터를 학습시키는 지도학습과 비지도학습이 무 엇인지 추측하여봅시다.

- 지도학습은 무엇을 뜻하는 것입니까?

(자세하게 가르쳐주면서 하는 것 같습니다.) - 반대로 비지도학습은 무엇을 뜻하는 것입니까?

(알아서 학습하도록 하는 것 같습니다.) - 지도 학습을 체험해보도록 하겠습니다.

• 지도학습하기 – 스무고개

- 문제를 낼 테니 스무고개로 맞춰보도록 합시다.

(구체적 동물 이름)

- 스무고개 과정중에 알 수 있었던 정보는 무엇이었 습니까?

(고양이 종류였습니다. 털이 많습니다 등)

- 만약 컴퓨터에게 이렇게 알려준다면 컴퓨터는 어 떤 정보들을 가지고 있겠습니까?

색으로 결정한다.

2차 퀴즈에서는 기존의 컬러를 조합해 도 좋다.

3차 퀴즈에서는 새로운 색의 컬러를 준다.

학습지

창의적 설계

모둠 학습

(나왔던 정보들입니다.)

- 지도학습은 컴퓨터에게 정답을 준 후 학습하도록 합니다.

• 지도학습 – 컴퓨터 되어보기

- 친구들을 위해 문제를 만들어보도록 하겠습니다.

이미지를 지도학습을 할 자료들을 2가지를 모아 보도록 하겠습니다.

헷갈리는 종류를 골라 특징을 알려주지 않고 이름 만 알려준 후 다양한 사진들을 모아 보여준다. 그 후 문제를 만든다.

- 모둠별로 발표해보도록 하겠습니다.

- 지도학습의 모델에 대하여 살펴봅시다.

• 비지도학습에 대해 알아보기

- 비지도학습을 체험해보도록 하겠습니다. 지금부터 여러개의 사진을 보여줄 것입니다.

- 이 사진을 보고 두 분류로 나누어보도록 하겠습니 다. 이 사진은 1번과 2번 중 어디에 있는 것이 좋 겠습니까?

서로 배려하고 존 중할 수 있도록 한다.

공유드라이브 등 문서 공유 환경

지도학습의 종류 k-Nearest Neighbors Linear Regression Logistic Regression Support Vector Machine Decision Tree

Neural Network 등 은 간단히 언급하고 넘어간다.

SVM 시뮬레이션 https://cs.stanford.edu/

~karpathy/svmjs/demo/

색감이 다른 이미 지 세트, 다른 동물들 이 있는 세트

학습지

비지도학습 종류 - K-평균(k-Means) - 계층 군집 분석

감성적 체함

기본적인 색감을 통해 분류할 수 있는 사진 세트

- 이 동물들은 어디에 가까울 수 있습니까?

- 만약 컴퓨터라면 무엇을 보고 이것들을 구분할 것 같습니까?

(색깔입니다. 생긴 모양입니다.)

- 컴퓨터가 잘 구분하지 못하는 사례를 봅시다.

- 잘 구분하지 못하는 이유는 무엇입니까?

(비슷한 모양들입니다.)

- 잘 구분하지 못할 것 같은 사례를 찾아봅시다

• 정리하기

- 지도학습은 무엇입니까? 어떤 방식을 사용합니까?

- 비지도 학습은 무엇입니까?

- 기댓값 최대화 - t-SNE

- 어프라이어리 - 이클렛(Eclat) 등

지도학습 - 색 구분하기

학습이란 무엇인가 3차시

활동 6

◆ 다음은 다양한 색의 종류입니다. 색을 보고 이를 구분하여 봅시다.

DimGray DarkGray LightGray Gainsboro WhiteSmoke

◆ 색을 보고 아래칸에 써 봅시다.

DimGray Black WhiteSmoke LightGray

DarkGray Gainsboro White WhiteSmoke

◆ 몇 개나 맞추었습니까? 맞을 수 있었던 이유는 무엇입니까?

위에서 배웠기 때문입니다.

◆ 지도학습이란 무엇입니까?

사용자가 자료와 답을 제공하여 학습시키는 것입니다.

◆ 비지도학습이란 무엇입니까?

사용자가 자료와 답을 제공하지 않고 학습시키는 것입니다.

스무고개로 정보 확인하기

학습이란 무엇인가 3차시

활동 7

◆ 스무고개를 하면서 정보를 확인하여 봅시다.

◆ 내가 낼 문제는 무엇입니까?

◆ 상대방의 질문에 ‘예’, ‘아니오’로 대답하여 봅시다.

◆ 상대에게 질문하여 얻은 정보를 간략하게 써 봅시다.

지도학습과 비지도학습

학습이란 무엇인가 3차시

활동 8

◆ 지도학습 사례로 할 것은 무엇과 무엇입니까?

자유, 코알라 나무늘보 등

◆ 지도학습 사례로 제시할 때 주의할 점은 무엇입니까?

비슷한 사진을 제공하도록 한다. 답이 명확해야 한다. 등

◆ 비지도 학습으로 제시할 것은 무엇과 무엇입니까?

자유, 풍경 등

◆ 비지도 학습 사례로 제시할 때 주의할 점은 무엇입니까?

헷갈릴 수 있는 사진은 오류를 일으킨다. 등

◆ 지도 학습이란 무엇인지 원리를 정리하여 봅시다.

훈련 데이터를 만들어 이로부터 분류 기준을 만들어 학습시키는 것을 이야 기한다.

주어진 데이터를 이용하여 추측하는 것을 목적으로 한다.

◆ 비지도 학습이란 무엇인지 원리를 정리하여 봅시다.

정답을 알려주지 않고 비슷한 것끼리 군집화하는 것을 뜻한다.

무엇인지는 알 수 없으나 비슷한 것끼리 군집화한다.

지도학습 자료 모으기

학습이란 무엇인가 3차시

활동 9

◆ 지도학습 사례 사진을 모아모도록 합시다.

다양한 사진을 모을 수 있도록 한다. 공유 문서 등을 이용한다.

◆ 어떤 힌트를 줄 예정입니까? (동물마다 다름)

털의 모양입니다. 색깔입니다.

◆ 친구들의 문제를 맞춰보도록 합시다.

이름 1 2 3 4 5 6 7 8 9 10

◆ 지도 학습이란 무엇인지 원리를 정리하여 봅시다.

훈련 데이터를 만들어 이로부터 분류 기준을 만들어 학습시키는 것을 이야 기한다.

주어진 데이터를 이용하여 추측하는 것을 목적으로 한다.

비지도학습 분류하기

학습이란 무엇인가 3차시

활동 10

◆ 사진을 보고 컴퓨터는 어떻게 나눌 것 같은지 생각해봅시다.

◆ 컴퓨터는 무엇과 무엇을 함께 분류할 것 같습니까?

첫 번째와 세 번째, 두 번째와 네 번째입니다.

◆ 그렇게 생각한 까닭은 무엇입니까?

색이 비슷하기 때문입니다. 펼쳐진 모양이 비슷합니다. 등

◆ 컴퓨터가 잘 구분하지 못하는 사례에는 무엇이 있습니까?

비슷하게 생긴 다른 물체입니다. 빗과 머리카락입니다.

◆ 비지도 학습이란 무엇인지 원리를 정리하여 봅시다.

정답을 알려주지 않고 비슷한 것끼리 군집화하는 것을 뜻한다.

무엇인지는 알 수 없으나 비슷한 것끼리 군집화한다.

▶ 지도학습

지도 학습 (Supervised Learning)은 훈련 데이터(Training Data)로부터 하나 의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법이다. 훈 련 데이터는 일반적으로 입력 객체에 대한 속성을 벡터 형태로 포함하고 있 으며 각각의 벡터에 대해 원하는 결과가 무엇인지 표시되어 있다. 이렇게 유 추된 함수 중 연속적인 값을 출력하는 것을 회귀분석(Regression)이라 하고 주어진 입력 벡터가 어떤 종류의 값인지 표식하는 것을 분류(Classification)라 한다.

지도 학습기(Supervised Learner)가 하는 작업은 훈련 데이터로부터 주어진 데이터에 대해 예측하고자 하는 값을 올바로 추측해내는 것이다. 이 목표를 달성하기 위해서는 학습기가 "알맞은" 방법을 통하여 기존의 훈련 데이터로 부터 나타나지 않던 상황까지도 일반화하여 처리할 수 있어야 한다. 사람과 동물에 대응하는 심리학으로는 개념 학습(Concept Learning)을 예로 들 수 있다.

- 지도학습의 종류 -

◇ 서포트 벡터 머신 (support vector machine)

◇ 은닉 마르코프 모델 (Hidden Markov model)

◇ 회귀 분석 (Regression)

◇ 신경망 (Neural network)

◇ 나이브 베이즈 분류 (Naive Bayes Classification)

(참고 : https://ko.wikipedia.org/wiki/%EC%A7%80%EB%8F%84_%ED%95%99%EC%8A%B5)

교사용 자료

▶ 비지도 학습

비 지도 학습(Unsupervised Learning)은 기계 학습의 일종으로, 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속한다. 이 방법은 지도 학 습(Supervised Learning) 혹은 강화 학습(Reinforcement Learning)과는 달리 입력값에 대한 목표치가 주어지지 않는다.

자율 학습은 통계의 밀도 추정(Density Estimation)과 깊은 연관이 있다. 이 러한 자율 학습은 데이터의 주요 특징을 요약하고 설명할 수 있다.

자율 학습의 예로는 클러스터링(Clustering)을 들 수 있다. 또 다른 하나의 예로는 독립 성분 분석(Independent Component Analysis)이 있다.

(참고 : https://ko.wikipedia.org/wiki/%EB%B9%84%EC%A7%80%EB%8F%84_%ED%95%99%EC%8A%B5)

교사용 자료

4차시

4차시

프로그램 지도안

프로그램명 분류 알고리즘 학교급 중학교 차시 4/5

학습목표 분류(군집화)하는 알고리즘을 살펴보고 원리를 이해할 수 있다.

학습자료 PPT(사진), 학습지, 스크래치 소스 파일

성취기준

정보 [9정03-01] 실생활 문제 상황에서 문제의 현재 상태, 목표 상태를 이해하고 목표 상태에 도달하기 위해 수행해야 할 작업을 분석한다.

수학 [9수03-02] 다양한 상황을 그래프로 나타내고, 주어진 그래프를 해석할 수 있다.

흐 름 차시 교수·학습 내용 학습자료( )

유의점( ) 상황

제시

4 차시

개별 학습

• 이전 학습 상기하기 - 학습이란 무엇입니까?

- 지도학습과 비지도 학습의 차이점은 무엇입니까?

• SNS 주 사용시간대와 사용시간에 따른 사 용자 특성 파악해보기

• 그래프 사용자 분류해보기

- 사용자 군을 나눈다면 어떻게 나눌 수 있을까요?

(세 분류로 나눌 수 있습니다.)

- 그렇게 나눌 수 있는 이유는 무엇입니까?

PPT, 학습지

다양한 답을 인정 해준다.

(비슷하게 모여있기 때문이다.)

- 각 사용자는 어떤 직업일까요, 어떤 특성을 가진 사용자일까요? 추론해봅시다. 이유도 같이 설명하 여 봅시다.

(첫번째 사용자는 일반 회사원들입니다 ~ 사용시 간이 주로 밤에 몰려있고.. )

- 이 데이터들은 어떻게 나누면 좋겠습니까?

(다양한 답들이 나온다.)

- 이 데이터를 나누기 어려운 이유는 무엇입니까?

(분류가 명확하지 않습니다. 데이터가 많습니다. 등) - 컴퓨터에게 어떻게 명령을 내리면 컴퓨터가

이것을 분류할 수 있겠습니까?

- 우리가 분류할 수 없는 데이터를 컴퓨터에게 분류 시키려면 어떤 학습 방법을 사용합니까?

(비지도 학습을 사용합니다.)

- 비지도학습의 가장 기본적인 K-평균에 대해서 배 워보도록 하겠습니다.

• 학습목표 확인

- K-평균 알고리즘에 대하여 배워보고, 이를 실제로 적용해볼 수 있다.

• K-평균 알아보기

대다수의 K-평균 은 4~5단계 안에 끝이 난다.

창의적 설계

감성적 체험

- K는 점의 개수를 의미합니다. K평균 알고리즘은 무엇을 이용하는 것입니까?

(평균을 이용합니다. 점들을 이용하여 평균을 구합 니다. 등등)

• K-평균 알고리즘 시뮬레이션

- 몇 단계를 거쳐 점 K가 중심을 잡았습니까?

• K-평균 알고리즘 실현해보기

- 보여준 데이터를 트레이싱지에 점으로 표시해보도 록 합시다.

점 좌표 점 좌표

A (1, 8) H (8, 1)

B (2, 9) I (9, 2)

C (1, 11) J (11, 2) D (1, 10) K (10, 2)

E (3, 8) L (8, 4)

F (3, 7) M (7, 4)

G (4, 9) N (9, 3)

- 데이터를 트레이싱지에 점으로 표시해봅시다.

- 짝의 종이를 들고 무작위로 점을 두 개 찍어봅시 다.

- 이제 K-평균에서 K가 2인 분류를 시작해봅시다.

1. 첫번째 장에서 두 점을 적당히 분배하여 가까 운 값을 선으로 잇는다(1색).

1. 두 번째 장에서 선으로 이은 값의 중심으로 점 을 옮긴다. 이후 값에 새로 선을 긋는다(2색).

1. 세 번째 장에서 이를 반복한다(3색).

1. 네 번째 장에서 이를 반복한다(4색).

1. 최종 종이에서 잇는 것끼리 이를 군집화한다.

- 어떤 단계를 거쳐 분류가 완성됩니까?

(중심으로 계속 이동합니다.)

트레이싱지 또는 OHP 필름, 네임펜, 매 직

학습지

K-평균 시뮬레이 션

http://shabal.in/visuals/

kmeans/2.html

- 이제 모둠별로 주제를 정해 분류해보도록 하 겠습니다.

1. 부동산 공시지가에 따른 권역 설정 1. 기사내용에 따른 기자의 정치적 성향 파악 1. 범죄 발생 시각과 범죄 심각성 정도에 따른 군집화 1. 선수의 이적에 따른 대체 선수 선정

- x축 y축에 어떤 범례를 설정하고 데이터를 표시합 니까?

- 지도를 이용하여 K-평균 알고리즘을 실현할 수 있 습니까?

- 각각의 데이터를 분류해보도록 합시다.

- 분류한 데이터를 토대로 결과를 정리하여 발 표하여 봅시다.

K-평균 알고리즘

4차시 학습이란 무엇인가

활동 11

◆ 아래의 SNS 이용시각 데이터를 살펴보고 각각의 데이터는 어떤 사용자를 의미하는지 추측하여 봅시다.

출근시간대 직 장인이 SNS를 주로 사용하는 것 같다.

직장인, 학생 등 저녁 시간 에 주로 이용 하는 것 같다.

일정한 휴식시간을 가지지 않는 대학생, 무직 등의 SNS 사용 시각이다.

◆ 다음의 데이터를 적절하게 군집화 해 봅시다.

◆ K-평균 알고리즘에서 K가 뜻하는 것은 무엇입니까?

점의 개수(군집화할 개수)

K-평균 알고리즘 실험해보기

4차시 학습이란 무엇인가

활동 12

◆ 1. 트레이싱지에 순서쌍의 좌표를 그려봅시다.

점 좌표 점 좌표

A (1, 8) H (8, 1)

B (2, 9) I (9, 2)

C (1, 11) J (11, 2)

D (1, 10) K (10, 2)

E (3, 8) L (8, 4)

F (3, 7) M (7, 4)

G (4, 9) N (9, 3)

◆ 2. 트레이싱지를 겹쳐 놓아 봅시다.

◆ 3. 아무 곳에 점을 하나 찍어봅시다.

◆ 4. 두 번째 트레이지에 해당 점에서 좌표까지 거리 중 가까운 것 7개에 점 을 각각 찍어봅시다. 그리고 난 후 이어진 7개의 순서쌍의 가운데에 점을 찍습니다.

◆ 5. 세 번째 트레이지에 새로운 점에서 다시 7개의 순서쌍 가운데에 점을 찍 습니다. 그리고 이어진 7개의 순서쌍의 가운데에 점을 찍습니다.

◆ 6. 점의 위치를 친구와 비교합니다.

◆ 7. 점의 위치가 친구와 비슷하다면 그 이유는 무엇입니까?

점들의 가운데를 계속 찾기 때문입니다. 등

◆ 8. 점의 위치가 친구와 다르다면 그 이유는 무엇입니까?

시작점이 너무 다르기 때문입니다. 처음 선정한 곳의 순서쌍이 다릅니다.

K-평균 적용하기

학습이란 무엇인가 4차시

활동 13

◆ 제시된 자료 중 선정할 자료는 무엇입니까?

부동산 공시지가

◆ 선정한 자료의 종류를 아래에 가공하여 봅시다. 가공한 후 적절하게 군집화 하여 봅시다.

주택가 주거지역 으로 오피스텔이 밀집해 있다.

가로 축(가격), 세로 축(거래량)

상가들이 밀 접해 있고 인 구수가 많다.

오래된 집들이 모여있고, 세대수가 많지 않다.

◆ 군집화한 자료는 무엇을 추측할 수 있는지 써 봅시다.

특성 내용

가격이 낮고 거래량이 많다. 단기 오피스텔 임대 등이 있을 것이다.

가격과 거래량이 모두 낮다. 시골의 오래된 집들이 모여있을 것이다.

가격과 거래량이 모두 높다. 상가와 유동 인구가 많을 것이다.

▶ K-MEANS 알고리즘

"k-평균"에 대한 개념은 1957년 후고 스테인하우스에 의해 소개되었으나, 용어 자체는 1967년에 제임스 매퀸(영어: James MacQueen)에 의해 처음 사 용되었다. 현재 사용되고 있는 표준 알고리즘은 1957년에 스튜어트 로이드 (영어: Stuart Lloyd)가 펄스 부호 변조(PCM)를 목적으로 처음으로 고안 하였 으나 1982년이 되어서야 컴퓨터 과학 매거진에 처음 공개되었다. 알고리즘이 공개되기 이전인 1965년에 E. W. Forgy 또한 같은 알고리즘을 제안하였다.

차후 1975년과 1979년에 Hartigan과 Wong에 의해 거리 계산이 필요하지 않 은 좀 더 효율적인 방법이 소개 되었다.

k-평균 클러스터링 알고리즘은 클러스터링 방법 중 분할법에 속한다. 분할 법은 주어진 데이터를 여러 파티션 (그룹) 으로 나누는 방법이다. 예를 들어 n개의 데이터 오브젝트를 입력받았다고 가정하자. 이 때 분할법은 입력 데이 터를 n보다 작거나 같은 k개의 그룹으로 나누는데, 이 때 각 군집은 클러스 터를 형성하게 된다. 다시 말해, 데이터를 한 개 이상의 데이터 오브젝트로 구성된 k개의 그룹으로 나누는 것이다. 이 때 그룹을 나누는 과정은 거리 기 반의 그룹간 비유사도 (dissimilarity) 와 같은 비용 함수 (cost function) 을 최 소화하는 방식으로 이루어지며, 이 과정에서 같은 그룹 내 데이터 오브젝트 끼리의 유사도는 증가하고, 다른 그룹에 있는 데이터 오브젝트와의 유사도는 감소하게 된다. k-평균 알고리즘은 각 그룹의 중심 (centroid)과 그룹 내의 데이터 오브젝트와의 거리의 제곱합을 비용 함수로 정하고, 이 함수값을 최 소화하는 방향으로 각 데이터 오브젝트의 소속 그룹을 업데이트 해 줌으로 써 클러스터링을 수행하게 된다.

(참고 : https://ko.wikipedia.org/wiki/K-%ED%8F%89%EA%B7%A0_%EC%95%8C%EA%B3%A0%EB%A6%A

C%EC%A6%98)

교사용 자료

▶ K-MEANS 알고리즘의 단계

(참고 : https://ko.wikipedia.org/wiki/K-%ED%8F%89%EA%B7%A0_%EC%95%8C%EA%B3%A0%EB%A6%A

C%EC%A6%98)

교사용 자료

5차시

5차시

프로그램 지도안

프로그램명 실생활에서 분류 알고리즘 실현하기 학교급 중학교 차시 5/5

학습목표 분류(군집화)하는 알고리즘 적용사례를 찾고 이를 실생활에 적용할 수 있다.

학습자료 PPT, 학습지

성취기준

과학

[9과07-01] 과학과 관련된 직업의 종류와 하는 일을 조사하고, 그 직업에 필요한 역량에 대해 토의할 수 있다.

[9과07-02] 현대 사회의 다양한 직업이 과학과 어떤 관련성이 있는지 예를 들어 설명하고, 미래 사회에서의 직업의 변화를 토의할 수 있다.

정보 [9정03-03] 실생활 문제 상황에서 문제의 현재 상태, 목표 상태를 이해하고 목표 상태에 도달하기 위해 수행해야 할 작업을 분석한다.

흐 름 차시 교수·학습 내용 학습자료( )

유의점( )

상황 제시

창의적 설계

감성적 체험

5 차시

개별 학습

• K-평균의 실제 적용 사례 - 이전 차시 상기하기

• K-평균의 실제 적용 사례

- K평균 알고리즘을 실제 적용할 수 있는 사례를 생 각하여 봅시다.

- 각각 분야에서 어떻게 사용하면 좋을지 분야를 나 누어 생각해보도록 합시다(금융, 유통, 범죄, 스포 츠, 등)

• K-평균을 도입한 새로운 분야 사업 서비 스 발표하기

- 찾은 분야에서 K-평균 알고리즘 도입을 설명하고 이로 인해 얻을 수 있는 장점과 사업성을 발표해 보도록 합시다.

- 각 서비스에 궁금한 점을 질문해 보도록 합시다.

PPT

학습지

홍보지에는 간단 한 그림과 내용을 쓰 도록 한다.

(성공의 경험)

• 인공지능이 가져올 변화 생각해보기

- 많은 분야에 이런 분류 방식이 적용된다면 세상에 어떤 변화가 생길 수 있겠습니까?

• 정리하기

• 비지도 학습의 다른 방식에는 무엇이 있을지 생각 해보기

- K-평균보다 더 효율적인 방식을 개발한다면 어떤 방식이 있겠습니까?

허용적인 분위기 조성

새로운 인공지능 서비스

5차시 학습이란 무엇인가

활동 14

◆ 인공지능 서비스를 적용할 수 있는 것을 생각해봅시다.

택배 거리 계산 프로그램, 시 권역 설정 등

◆ 실제 활용가능성이 높은 것을 생각하여 선택하여 봅시다.

택배 거리 계산 프로그램

◆ 사용했을 때의 장점과 효용성을 써 봅시다.

택배 기사 배분을 효율적으로 할 수 있다.

거리를 짧게 써서 편리하게 운용할 수 있다.

◆ 서비스 이름을 생각하여 봅시다.

K택배 서비스

◆ 예상 질문을 떠올리고 답변을 준비하여 봅시다.

예상질문 답변

이 서비스의 장점은 무엇입니까? 이동거리를 효율적으로 계산하여 비용 과 시간을 절감할 수 있습니다.

◆ 홍보 포스터를 간단하게 제작하여 봅시다.

▶ K-MEANS를 이용한 서비스

1. 가짜뉴스 판별

실제 가짜뉴스에서는 미끼단어라고 불리우는 특정 단어가 일반적으로 더 발견된다.

2. 스팸메일 필터

발신자와 내용을 함께 확인한 후 필터링 하면 97% 정도의 정확성을 보인다.

3. 마케팅

특정 사람의 특성을 보고 사람들을 군집화한 후 타겟팅 광고를 추천한다.

4. 네트워크 트래픽 분류

유해하다고 판단되는 트래픽을 비슷한 종류의 트래픽과 군집화하여 차단 한다.

5. 택시 사기 운전 식별

GPS 자료를 이용하여 일반적이지 않은 그룹의 택시를 잡는다.

6. 문서 분석

수십만 개의 문서를 군집화하기 위해서 비지도 학습을 사용하기도 한다.

7. 선수 선발

비슷한 종류의 선수를 가려내기 위해 수많은 사람들을 데이터베이스화하 고 유사한 플레이어를 찾을 수 있다.

(참고:https://datafloq.com/read/7-innovative-uses-of-clustering-algorithms/6224)

교사용 자료

교사용

PPT