인공지능(AI)과 Big Data의 세계

(1)

인공지능(AI)과

2017 융합인재교육프로그램

인공지능(AI)과 빅데이터, 그리고 우리의 삶

DD17120003

학 교 급 고등학교 수업대체용 구 분 학생용

2017 융합인재교육프로그램[학생용]

(2)

(3)

▪ 이렇게 공부해요 ···1

▪ 1 차시 인공지능 : (AI) 의 세계 ···3 차시 학생용 활동지

1 ···5 참고 자료 ···8

▪ 2 차시 : Data Mining 과 우리의 생활 ···11

처음에 인공지능이 내놓은 결과는 실망스러웠고 발전 속도도 더디었습니다 많은 도전 과제를 거. 치면서 과학자들은 방대한 양의 지식에 접근할 수 있어야 컴퓨터가 똑똑해질 수 있다고 결론 내 ‘ ’ 렸습니다 그래서 도입한 것이 전문가 시스템 이. ‘ ’ 었습니다 특정 분야 전문가가 문제를 해결할 수 . 있는 법칙을 입력하면 컴퓨터가 이 법칙에 따라 , 연산을 수행하는 방식입니다 예를 들면 의사가 . , 환자에게 몇 가지 질문을 던져 의학적 처방을 내 리는 것처럼 말입니다.

만약 질환이 적절하게 판정되지 않으면 전문가

,

는 컴퓨터에 추가 질문 법칙 을 입력해 처방 결과( ) ( ) 을 좀 더 좁혔습니다 이런 식으로 고전적 인공지.

능은 특정 문제에 맞게 고도로 다듬어진 기계였 습니다 아이비엠. (IBM)의 인공지능 왓슨 조차도 ‘ ’ 고전적 인공지능의 현대 버전으로 볼 수 있습니 다 왜냐하면 왓슨이 고전적 인공지능처럼 코드화. 된 법칙에 의존하진 않지만 데이터를 제공하고 , 실력을 평가하는 전문가의 세밀한 손길에 의존하 기 때문입니다.

고전적 인공지능은 일부 명확히 정의된 문제들

‘ ’

만 해결할 수 있는 능력을 지녔습니다.

그러나 스스로 학습하는 능력이나 개개의 문제

에 최적화된 해결책을 제시하는 데에는 한계가 있 었습니다.

이런 점에서 인공지능 이라고 부르긴 하지만

‘ ’ ,

일반적인 인간 지능 과 공통점은 거의 없다고 볼 ‘ ’ 수 있습니다 그래서 일부 연구자들이 탐구하기 . 시작한 것이 인공신경망이었습니다 신경망 하나의 . ( 뉴런과 시냅스 을 모델로 다수를 연결하기만 한 ) , 단순한 인공신경망이었습니다 고전적 인공지능. ‘ ’ 의 한계가 분명해지면서 이러한 접근이 차츰 힘을 얻었습니다.

(13)

사실 인공신경망 기술이 시작된 것은 40년도 더 됐습니다 그때는 인간 신경망이 어떻게 작동하는. 지도 잘 모를 때였습니다 그 이후 해부학과 생리. 학을 통해 인간 뇌에 대한 추가 지식을 얻게 되었 음에도 인공신경망의 기본 구조는 크게 바뀌지 , 않았습니다 따라서 신경망 이라는 이름에도 불구. ‘ ’ 하고 인공신경망은 실제 뉴런 이 작용하는 바와 ‘ ’ 공통점이 거의 없었습니다.

대신 인공신경망은 생물학적 신경을 모방하는

것에서 인간의 지도 없이 데이터를 학습하는 것으 로 중심을 옮겨갔습니다 그 결과 아주 단순한 인. 공신경망조차도 전문가 없이도 스스로 데이터를 ‘ ’ ‘ 학습하였다는 점에서는 고전적 인공지능보다 뛰어 나게 되었습니다.

오늘날 인공신경망은 수학적 통계적 학습기술

,

을 포함한 머신러닝 기계학습 이라고 불리는 넓 ‘ ’( ) 은 분류 체계 아래 속해 있습니다 머신러닝 기술. 은 방대한 데이터의 몸체를 다룹니다 거기서 통.

인공신경망은 최근 들어 딥 러닝 네트워크로

‘ ’

발전했습니다 딥 러닝의 장점은 빠른 속도의 고. 성능 컴퓨터들을 연결해 방대한 양의 데이터를 학 습시킬 수 있다는 데 있습니다 딥 러닝은 이미지 . 분류나 외국어 번역 스팸 메일 분류 등 유형화된 , 데이터에서 탁월한 성능을 보여주고 있습니다 .

고전적 인공지능이 두 손을 든 문제도 초보적인

수준의 인공신경망은 거뜬히 풀어냈습니다.

그런데도 몇 가지 한계는 있습니다 예를 들어

. ,

학습 데이터가 충분치 않을 때 인공신경망은 좋은 실력을 보여주지 못합니다 데이터의 패턴이 지속. 해서 바뀌는 경우도 마찬가지입니다 기본적으로 . 인공신경망은 방대한 통계 데이터 세트에서 패턴 을 찾아내는 정교한 수학 도구 일 뿐이기 때문입 ‘ ’ 니다 고전적 인공지능과 인공신경망에는 근원적. 이고 중요한 문제가 도사리고 있습니다 진정한 .

기계 지능 으로 이르는 통로를 찾지 못하고 있습

‘ ’

니다 그곳에 이르는 지도조차 보여주지는 못하고 . 있습니다.

(14)

(15)

2 차시

(16)

(17)

학생용 활동지 2 차시 : Data Mining 과 우리의 생활

이 활동을 하면

과 개념을 설명할 수 있다 ¦ Data Mining Big Data .

가 실생활에 이용되는 사례를 설명할 수 있다

¦ Big Data .

무엇이 필요할까

¦ 학습 동영상 학습 활동지 , , 네임펜 다양한 색 ( ), 올빼미버스 노선도 서울시 주요 , Big Data 자료 어떻게 할까

생각 열기

올빼미 버스가 운영되려면 버스 노선을 정해야 합니다 버스 노선은 어떤 데이터가 필요 할까요 올빼 . ?

▣

미 버스 노선을 정해야 할 때 생각해야 할 조건 및 데이터를 적어 보세요.

① ⑦

② ⑧

③ ⑨

④ ⑩

⑤ ⑪

⑥

(18)

생각 키우기

이제 올빼미 버스 노선을 모둠별로 만들어 보도록 할게요 참고자료를 바탕으로 버스 노선을 모둠별로

.

연결하고 발표하는 시간을 갖도록 하겠습니다.

참고자료 별도 제공

< : >

서울 지하철 노선도

①

년 서울 지하철 환승역 환승인원 정보 2015

②

년 서울 지하철 환승역 거리 및 소요시간 2016

③

년 서울특별시 세대원수별 세대수 2017

④

https://zeronova.kr/2013/08/07/seoul-bus-route-optimization/

(19)

생각 다지기

은 무엇일까요 Data Mining ?

♠

과 관련된 산업들에는 무엇이 있을까요

Data Mining ?

♠

(20)

학생용 활동지 참고 자료 서울 지하철 노선도 (B4 용지 별도 제공 )

①

http://webs.co.kr/files/attach/images/24684/686/024/c35fa31e3cd37068e3a3fbd7528a1e06.jpg

서울지하철 환승역 환승인원 정보 :

②

http://opengov.seoul.go.kr/?tr_code=gnb_opnegov

역명 평일 일일 평균( ) 토요일 일요일

신도림 308,203 281,102 203,530

사당 239,386 222,765 161,239

동대문역사문공원 226,623 212,853 143,668

종로 가3 209,243 228,108 133,695

교대 175,438 152,989 96,981

고속터미널 157,425 153,956 103,145

서울역 132,513 148,594 101,410

잠실 129,370 101,229 70,855

충무로 122,861 122,716 76,636

(21)

역명 평일 일일 평균( ) 토요일 일요일

합정 118,752 95,969 69,315

건대입구 110,185 105,980 74,475

영등포구청 107,911 81,402 56,060

총신대입구 106,040 104,556 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

을지 가3 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

을지 가4 11,756 8,776 5,368

(22)

년 서울 지하철 환승역 거리 및 소요시간

2016 :

③

호선 환승역명 환승노선 환승거리(m) 환승 소요시간 초( )

1 서울역 1 4→ 호선 159 2분 초13

1 서울역 1→공항철도 365 5분 초4

1 시 청 1 2→ 호선 101 1분 초25

1 종로 가3 1 3→ 호선 118 1분 초39

1 종로 가3 1 5→ 호선 312 4분 초20

1 동대문 1 4→ 호선 194 2분 초42

1 동묘앞 1 6→ 호선 96 1분 초20

1 신설동 1 2→ 호선 159 2분 초13

1 청량리 1→국철 165 2분 초17

2 시 청 2 1→ 호선 101 1분 초25

2 신설동 2 1→ 호선 159 2분 초13

2 을지로 가3 2 3→ 호선 149 2분 초5

2 을지로 가4 2 5→ 호선 77 1분 초5

2 동대문 2 4→ 호선 45 38초

2 역사문화공원 2 5→ 호선 234 3분 초15

2 신 당 2 6→ 호선 242 3분 초22

2 왕십리 2→중앙선 99 1분 초23

2 왕십리 2 5→ 호선 86 1분 초12

2 왕십리 2→분당선 175 2분 초26

2 성 수 2→지선 23 20초

2 건대입구 2 7→ 호선 77 1분 초5

2 잠 실 2 8→ 호선 190 2분 초39

2 종합운동장 2 9→ 호선 94 1분 초18

2 선 릉 2→분당선 81 1분 초8

2 강 남 2→신분당선 214 2분 초58

2 교 대 2 3→ 호선 75 1분 초3

2 사 당 2 4→ 호선 74 1분 초2

2 대 림 2 7→ 호선 276 3분 초50

2 신도림 2→지선 81 1분 초8

2 신도림 2→국철 81 1분 초8

2 영등포구청 2 5→ 호선 110 1분 초32

2 당 산 2 9→ 호선 105 1분 초28

2 합 정 2 6→ 호선 82 1분 초9

2 홍대입구 2→공항철도 355 4분 초56

2 홍대입구 2→경의선 414 5분 초45

2 충정로 2 5→ 호선 212 2분 초57

3 종로 가3 3 1→ 호선 118 1분 초39

(23)

년 서울시 세대원수별 세대수

2017 :

④

호선 환승역명 환승노선 환승거리(m) 환승 소요시간 초( )

3 종로 가3 3 5→ 호선 117 1분 초38

3 을지로 가3 3 2→ 호선 149 2분 초5

3 교 대 3 2→ 호선 75 1분 초3

3 양 재 3→신분당선 93 1분 초18

3 연신내 3 6→ 호선 181 2분 초31

3 불 광 3 6→ 호선 100 2분

3 충무로 3 4→ 호선 17 15초

3 약 수 3 6→ 호선 130 1분 초49

3 옥 수 3→국철 155 2분 초10

3 고속터미널 3 7→ 호선 169 2분 초21

3 고속터미널 3 9→ 호선 155 2분 초10

3 도 곡 3→분당선 78 1분 초5

3 수 서 3→분당선 92 1분 초17

3 가락시장 3 8→ 호선 35 30초

3 오 금 3 5→ 호선 65 55초

4 서울역 4 1→ 호선 159 2분 초13

4 동대문 4 1→ 호선 194 2분 초42

4 동대문 4→공항철도 255 3분 초33

4 동대문 4 2→ 호선 45 38초

4 역사문화공원 4 5→ 호선 107 1분 초30

4 사 당 4 2→ 호선 74 1분 초2

4 충무로 4 3→ 호선 17 15초

4 노 원 4 7→ 호선 278 3분 초52

4 창 동 4→국철 84 1분 초10

4 이 촌 4→중앙선 78 1분 초5

4 삼각지 4 6→ 호선 155 2분 초10

4 동 작 4 9→ 호선 245 3분 초25

4 총신대입구 4 7→ 호선 171 2분 초23

자치구 전체세대 1인 세대 2인 세대 3인 세대 4인 세대 5인 세대 6인 세대 7인 세대 8인 세대 합계 4,210,933 1,584,641 858,697 779,951 751,720 180,657 40,678 10,276 2,760

종로구 73,091 35,176 13,321 10,932 9,942 2,763 663 208 52

중구 59,368 28,282 11,949 9,063 7,428 1,955 502 128 36

용산구 106,603 48,484 21,347 16,941 14,683 3,844 935 238 81 성동구 131,474 50,626 27,343 24,540 22,140 5,121 1,234 335 85 광진구 159,375 66,793 31,348 27,382 26,214 5,798 1,343 350 98

(24)

자치구 전체세대 1인 세대 2인 세대 3인 세대 4인 세대 5인 세대 6인 세대 7인 세대 8인 세대 동대문구 159,826 69,365 31,376 26,642 24,049 6,301 1,572 387 88 중랑구 178,185 67,892 38,780 33,222 29,255 7,051 1,519 341 93 성북구 188,100 69,364 38,191 35,624 33,811 8,358 1,996 537 133 강북구 141,999 53,601 32,125 26,645 22,274 5,624 1,276 312 87 도봉구 136,852 40,484 31,140 29,254 27,308 6,662 1,462 385 105 노원구 219,460 64,584 46,471 45,868 49,146 10,642 2,076 488 121 은평구 201,971 69,467 44,608 39,789 35,940 9,289 2,131 539 140 서대문구 137,413 54,797 28,187 24,547 22,475 5,596 1,343 342 86 마포구 169,407 71,149 34,458 28,970 26,594 6,365 1,355 358 93 양천구 176,861 46,993 35,187 38,500 43,481 9,930 2,089 467 139 강서구 250,708 88,212 53,692 49,031 45,707 10,988 2,287 549 159 구로구 172,050 60,038 36,813 33,293 31,586 7,893 1,817 426 124 금천구 105,628 43,702 22,016 18,272 16,287 4,054 982 219 58 영등포구 166,252 71,091 32,693 28,365 26,044 6,109 1,410 362 102 동작구 172,966 67,756 35,391 31,097 29,383 7,076 1,664 428 109 관악구 254,395 131,667 47,186 35,363 30,212 7,566 1,748 473 118 서초구 173,417 55,180 33,405 34,535 37,927 9,285 2,182 623 179 강남구 233,943 88,225 42,484 42,433 46,670 10,741 2,425 674 167 송파구 261,155 82,679 51,994 53,325 56,541 12,856 2,798 677 190 강동구 180,434 59,034 37,192 36,318 36,623 8,790 1,869 430 117

(25)

3 차시

(26)

(27)

학생용 활동지 3 차시 : Big Data 와 미래 생활

이 활동을 하면

가 우리 생활에 어떤 영향을 미치는지 설명할 수 있다

¦ Big Data .

무엇이 필요할까

¦ 학습 동영상 모둠별 , 코팅된 개와 고양이 사진 묶음 학습 활동지 투명 , , OHP 필름 에나 , 멜 연필 에나멜 붓 에나멜 물감 스카치테이프 , , ,

어떻게 할까

생각 열기

내일 주문하셨습니다 오늘 배달되었습니다

‘ . .’

철수는 오늘 택배 하나를 받았습니다 설레는 마음으로 포장을 뜯었는데 주문하지도 않은 물건이

.

왔습니다 고객센터에 전화를 걸어 다음과 같이 이야기 했습니다. . 주문하지도 않은 물건이 배달됐는데요

“ ?”

이 질문에 돌아올 대답은 아래 내용 중 무엇일까요

?

죄송합니다 착오가 있었던 것 같습니다

1) . .

옆집 물건인데 대신 좀 맡아주시겠어요

2) ?

술김에 주문하신 것 같네요 분명히 주문하셨습니다

3) . .

셋 다 아닙니다 정답은 이렇습니다 네 고객님 내일 주문하셨습니다 이건 무슨 소리일까요 이

. . “ , .” ?

런 일이 실제 일어나려면 어떤 데이터가 필요하고 무엇을 예측해야 할까요? Data Mining(데이터 가 공 의 작동 원리가 설명되면 더욱 좋습니다) .

(28)

■ 필요한 데이터

① ⑫

② ⑫

③ ⑬

④ ⑭

⑤ ⑮

⑥ ⑯

⑦ ⑰

⑧ ⑱

⑨ ⑲

⑩ ⑳

⑪ ㉑

예측해야 되는 사항

■

① ⑫

② ⑬

③ ⑭

④ ⑮

⑤ ⑯

⑥ ⑰

⑦ ⑱

⑧ ⑲

⑨ ⑳

⑩ ㉑

⑪ ㉒

(29)

생각 키우기

고객이 원하는 물품이 미리 준비가 되었습니다 준비된 물품을 을 통해 빠르게 고객에게 배달하려고 합니다

. Drone .

배달 Drone을 어떻게 만들어야 할까요 모둠별로 아래 기준을 만족하는 ? Drone을 설계해 보세요.

배달

< Drone이 갖추어야 할 조건>

- Drone이 배달 물품을 집어 들고 이륙해 분 이내에 소비자에게 배달하고 복귀해야 함 입력된 주30 ( 소지로 배달하기 위한 장치 필요)

- Drone은 2.5kg 이하의 구호품 배달

- 전방의 장애물을 인식하고 빠르게 대응할 수 있는 장치 필요 -Big Data 처리 장치가 필요

드론의 기본 형태 날개 개수에 의한 구분

< : >

http://blog.naver.com/PostView.nhn?blogId=pe7pe&logNo=220768555735

(30)

26 ^￭ 2017 고등학교 수업대체용 프로그램 학생용[ ] 드론의 기본 형태 드론 내부의 주요 구성 부품

< : >

드론의 기본 형태 드론 자세 제어 및 통신

< : >

http://blog.naver.com/PostView.nhn?blogId=pe7pe&logNo=220768555735

(31)

설계 Drone

■

(32)

연 구 진

연구 책임자 함남우 인천대학교 수학과 교수

< > ( )

연구 자문진 김주아 한국교육개발원 영재교육센터 소장

< > ( )

강병직 청주교육대학교 교수 ( )

심현보 인천과학예술영재학교 교감 ( )

연구 집필진

< >

김우태 인천과학예술영재학교 교사( ), 윤덕한 인천과학예술영재학교 교사( ) 황선미 인천과학예술영재학교 교사 김완일 인천과학예술영재학교 교사 ( ), ( )

김진영 인천과학예술영재학교 교사 원기재 인천과학예술영재학교 교사 ( ), ( )

조대기 인천과학예술영재학교 교사 허석 인천과학예술영재학교 교사 ( ), ( )

조우영 석남중학교 교사 황영미 인천효성중학교 교사 ( ), ( )

융합인재교육프로그램 고등학교 수업대체용 학생용 2017

인공지능(AI)과 Big Data의 세계 발행일 : 2017. 12. 27.

발행처 : 한국과학창의재단 인천대학교, 인쇄처 : 네오다큐(032-429-1628)

(33)