2021년 STEAM 교사연구회 결과보고서

(1)

2021년 STEAM 교사연구회 결과보고서

2021. 11. 15

해동고등학교

(2)

과제명 2021년 STEAM 교사연구회 운영

구분

연구회 구성 유형 (택 1) 프로그램 개발유형 (택 1)

① 융합학습공동체형

(

○

)

1. 자유학기제형

( )

6. 학생 주도 참여형

(

) 2. 첨단기술 및 ICT 교구 활용형

( ○ )

7. 고교학점제 기반 학습형

(

) 3. 온라인 기반 학습형

( )

8. 예·체능 중심 활동수업형

(

) 4. 지역사회 연계형

( )

9. 유·초등 연계형

(

) 5. 교육소외계층 포용형

( )

^{10. 자율선택형} (학교 자체 개발 프로그램)

(

)

② 글로벌형

( )

StarT 프로그램 참여를 통한 프로그램 개발

프로그램 정보

프로그램명 인공지능 기법을 활용한 STEAM 수업설계

신규 개발

○

기 개발

학교급 고등학교 대상 학년(군) 1학년

중심과목 정보 중심과목 성취기준 영역 문제해결과 프로그래밍 연계과목 수학, 물리 연계과목 성취기준 영역 미분, 센서의활용 연구기간 2021.4.29. ~ 2021.11.30.

신청금액 일금사백만원(￦4,000,000)

참여연구원 총 4명 (연구책임자: 1명, 참여연구원: 3명) 연구 수행자에 관한 사항

구분 소속(학교명) 직위 성명 담당과목

연구책임자 해동고등학교 부장교사 박년조 정보

참여연구원 해동고등학교 교사 이재훈 수학

참여연구원 해동고등학교 교사 이동화 화학

참여연구원 해동고등학교 교사 손성원 물리

참여연구원

2021년도 정부의 R&D 재원으로 한국과학창의재단의 지원을 받아 STEAM 교사연구회를 운영한 결과로써 본 보고서를 제출합니다.

2021년 11 월 15 일

주관연구기관장 : 이수길 연구책임자 : 박년조

한국과학창의재단 이사장 귀하

(3)

“이 보고서는 2021년도 정부의 재원으로

한국과학창의재단의 지원을 받아 수행된 성과물임 ”

(4)

목 차

1. 요약문

··· 01

2. 서론

··· 00

3. 연구 수행 내용 및 결과

··· 00

가. STEAM 프로그램 개발‧적용 ··· 00

(1) 프로그램 개발 내용 ··· 00

(2) 프로그램 개발‧적용 결과 ··· 00

나. 성과 확산 및 실천 ··· 00

(1) 교사연구회 STEAM 행사 개최 ··· 00

(2) STEAM 교사연구회 간 상호 네트워크 컨설팅 결과 ··· 00

다. STEAM 프로그램 적용 성과 분석 및 조사 ··· 00

(1) 수혜학생 태도 조사 ··· 00

(2) 교원 만족도 조사 ··· 00

4. 결론 및 제언

··· 00

5. 참고문헌

··· 00

[부록] ※ 결과보고서에 별첨하여 제출 권장

부록1. STEAM 프로그램 개발 내용 및 결과물(교수학습지도안, 교사용 참고자료, 학생용 활동지) 부록2. 학생 산출물, 사진, 수업 영상, 성찰일지, 교사의견, 자체평가 결과 등

부록3. 회의록

부록4. STEAM 교사연구회 주최, STEAM 확산 실천 사례(행사 및 연수) 자료 등 부록5. (해당 시) 논문 게재, 특허 또는 실용신안 출원 증빙자료 제출

(5)

1. 요약문

가. 연구개발 목적

본 연구에서는 4차 산업 혁명 시대에 주요한 키 워드인 인공지능 기술을, 또 하나의 주요한 키 워드인 자율주행 자동차를 접목하는 방법에 대해서 학생들과 토론식 수업을 진행할 계획이다. 또 한, 자율주행 자동차에 적용할 수 있는 인공지능 기술을 교육용 도구를 활용하여 자율주행자동차 의 원리 및 인공지능 기법에 적용되는 수학적, 물리적 요소를 학습함으로써 융복합적 사고의 확 산과 다양한 영역의 창의적 문제 해결능력을 배양함과 동시에 정보문화소양, 컴퓨팅사고력, 협력 적 문제해결력을 기르고, 지식정보화사회의 구성원으로 갖추어야 할 역량을 함양하고자 한다.

나. 프로그램 내용

인공지능의 기본개념과 인공지능학습의 기본이 되는 수학적 원리, 학생들의 관심도가 높은 자율 주행차의 원리를 통한 물리적 요소를 인지하고, 교육용 도구를 이용하여 머신러닝에서의 지도학 습과 강화학습을 이용하여 자율주행차의 경로를 설정하는 이론 + 실습중심의 수업을 통하여 인 공지능분야에 대한 이해도를 높이고 스크래치 및 파이썬 프로그래밍 학습을 통해 문제해결력과 창의적 사고를 높이고자 한다.

다. 개발 결과 및 활용계획

개발한 프로그램은 총 5차시 연구수업용 지도안이지만 1차시당 3차시 분량에 해당하는 내용을

압축하고자 하였다. 이유는 인공지능의 이론과 수학적 원리학습의 고난이도를 학생들이 바로 접

할 경우 동기유발의 어려움이 있을 수 있다는 연구원들의 의견을 적극 수렴하여, 기본적인 개념

과 대략적인 이해를 위한 학습, 키 포인트를 맞추는 학습을 통해 적극적인 관심을 가지는 학생들

이 고차원적인 알고리즘을 이해하도록 유도하고자 하였다. 본 프로그램은 인공지능의 개념과 인

공지능 학습을 통해서 프로그래밍, 수학, 물리적 기초, 교육용 도구 조립 및 구글 티처블 머신을

이용한 자율주행차의 원리 및 경로설정의 순서로 설계되어있어 학습자의 관심도를 점진적으로

상향시켜 직접 실습하게 함으로써 어렵게 생각되던 인공지능 학습의 이해도를 높일 것으로 기대

함. 두차례 연구수업을 통해 학생들의 집중도를 살펴보았을 때 난이도를 낮게 잡을때가 더욱 학

습 집중도가 높게 나타났음. 정보시간을 이용하여 좀 더 다양한 교육용 도구를 준비하여 머신러

닝에서의 비지도학습과 딥러닝에 대한 학습도 적용해 보고자 함.

(6)

- 2 -

2. 서론

가. 연구회 필요성 및 목표

인공지능 기술의 발전으로 현대 사회는 급격하게 변화하고 있다. 인공지능 기술은 학문분야 뿐 만아니라 사회, 경제를 비롯한 실생활에서 중요한 부분을 차지하게 되었다. 불과 몇 년 전 영화 속에서 볼 수 있던 인공지능 기술들이 현재 우리 삶에 구현되고 있으며, 스마트폰을 이용하여 자 판을 눌러서 알아보던 날씨정보를 음성언어 인식을 통하여 대화하듯 물어볼 수 있고, 그 예보또 한 인공지능 기술을 이용하여 보다 정확한 정보를 알아볼 수 있다. 이처럼 인공지능 기술을 이용 하여 서비스, 볍률, 의료, 자동차등 다양한 분야에서 폭넓은 변화가 이루어졌고, 앞으로 미래는 인공지능 기술을 접목하지 않은 그 무언가를 찾아보기 힘들 것이다. 이처험 빠르게 변화될 미래 를 대비하기위해 인공지능의 기초적인 원리와 기술을 탐구하고 인공지능 소양을 기르기 위해 인 공지능과 함께하는 STEAM 교사 연구회가 필요하게 되었다. 다른 학문에 적용하고, 다른 사람들 과 협업할 수 있는 가장 좋은 재료가 인공지능 기술이였으며, 인공지능의 원리에 적용되는 수학, 과학, 프로그래밍 분야를 융합 학습함으로써 복합적 사고와 창의적 사고를 기를수 있는 수업을 설계함으로써 학습자들에게 가치로운 교육이 되고자 함이 교사 연구회의 목표임.

나. 교사연구회 참여를 통한 STEAM 프로그램 개발‧적용 취지와 목적

- 인공지능 리터러시를 통한 인공지능 분야 관심도 확대 - 수학, 과학, 정보 융합수업이 가능한 분야 탐색 - 머신러닝과 딥러닝의 개념적 이해

- 자신이 학습시킨 자율주행 경로를 따라 운행되는 과정을 통해 학생들에게 인공지능의 개념을

더욱 명확히 이해시킬수 있으며, 나아가 성취감과 자신감을 키워주고, 창의적인 방법을 이용

한 문제해결과 융합적 사고를 확장 시킬수 있을 것임.

(7)

3. 연구 수행 내용 및 결과

STEAM 프로그램

구분

프로그램명 인공지능 머신러닝의 지도학습을 이용한 자율주행자동차의 경로설정을 통한 수학, 물리, 정보 융합STEAM 수업설계

선행

프로그램명 해당없음.

학교급 고등학교 대상 학년(군) 1,2학년

목표 수혜학생 수 200명

중심과목 정보 중심과목

성취기준 영역 [고등학교 1~2 학년] 문제해결과 프로그래밍

연계과목 수학

물리

연계과목 성취기준 영역

[고등학교 1~2학년] 물리 – 센서의 이해 [고등학교 1~1학년] 수학 - 기하

개발계획

주제 연번 차시

(시수) 과목 연계(안)

1 1 정보(0.4) + 수학(0.5) + 물리(0.1)

2 1 정보(0.5) + 물리(0.5)

3 1 물리(0.2) + 정보(0.5) + 수학(0.3) 4 1 정보(0.6) + 수학(0.2) + 물리(0.2) 5 1 수학(0.3) + 정보(0.5) + 물리(0.2)

구분 수행 결과

교수학습지도안 개발 차시 총 5차시

수업 적용 기간 2021. 09 . 01. ~ 2021. 11. 05.

(STEAM 수업) 수혜학생 수 해동고등학교 200명( 1, 2학년 ) 학생 태도검사 1차(사전) 검사 7월 18일, 6개 학급(138명) 실시완료

2차(사후) 검사 10월 29일, 6개 학급(135명) 실시완료

학생 및 교사 만족도조사 10월 30일 실시

논문 게재

* 해당하는 경우만 기입

학회명

해당없음.

게재여부 학술대회 참가

* 해당하는 경우만 기입

행사명 일자/장소 특허출원(국외, 국내)

* 해당하는 경우만 기입 출원명

(8)

- 4 -

가. STEAM 프로그램 개발‧적용

(1) 프로그램 개발 내용

- 본 프로그램은 5차시 인공지능 학습을 이용한 STEAM 수업설계로서, 1, 2, 3, 5차시

는 일반 수업설계, 4차시는 머신러닝의 지도학습을 이용한 자율주행자동차의 경로설정과 주행 과정을 실습을 통하여 학습할 수 있는 융합지도안으로 작성되었음.

(2)프로그램 개발 중점 사항

- 인공지능 기법을 학생들에게 소개함과 동시에 우리주변, 그리고 내가 직접 체험하면서 인공 지능기법을 탐구할 수 있는 분야를 검색하여, 자율주행자동차를 분야를 선별하였으며, 자율주 행자동차의 인공지능 기법을 STEAM 주요과제로 선정함.

- 주행자동차의 운행을 위해 필요한 강화학습(Reinforcement) 방법을 단순히 따라해보는 학습 보다는 그 원리를 탐구하고 이해하여 다양한 영역에서의 인공지능 기법을 적용할 수 있는 확 산적 사고와 창의적 사고의 확대를 목표로 함.

(3) 자율주행자동차를 만들기 위해 필요한 부품과 s/w를 검색하여 모둠별로 조립후 s/w를 설 치하여 강화학습기법을 적용하여 훈련시킨 다음 원하는 결과가 나올 때 까지 훈련을 반복하며, 과대적합문제를 실제 살펴봄으로써 자율주행을 위해 필요한 이론적 접근과 수학적, 물리적으로 연결된 인공지능 원리를 역으로 탐구하는 과정을 통해 인공지능에 대한 관심도를 높이고 수학, 물리, 정보분야의 융합의 중요성 또한 깨닫게 하여 융복합 수업의 중요성을 알리고자 함.

(2) 프로그램 개발‧적용 결과

교수학습 지도안 개발

차시(시수)

프로그램명 프로그램 주제 운영

대상(학년)

완료 여부

개발 수업적용 학생수

1

인공지능 기법을 적용한 수학, 물리,

정보교과 연계 수업용 STEAM

프로그램

자율주행자동차의 원리와

필수기술 이해하기 1학년 완료 완료 138

2 자율주행자동차의 구조 및

교육용 교구 조립 1학년 완료 완료 135

3

머신러닝에서의

지도학습과 비지도 학습, 강화학습

2학년 완료 완료 45

4

머신러닝기법(지도학습)을 활용한 자율주행차의 경로설정 및 설계

1,2학년 완료 완료 163

5

강화학습(Reinforcement)기 법을 활용한 자율주행차의 경로설정 및 설계

1학년 완료 완료 135

합계 616

(9)

나. 성과 확산 및 실천

(1) 교사연구회 STEAM 행사 개최

회차 일시 장소 참석대상 주요내용

1차 ‘21.7.16. 해동고등학교

STEAM교육 주제 관련 교수 및 연구원, 본교 교사

STEAM프로그램 계발 및 활용방안 논의

2차 ‘21.9.15. 해동고등학교

자율주행자동차를 이용한 STEAM수업 구상

3차 ‘21.9.29. 해동고등학교

자율주행자동차를 이용한 STEAM수업 계발 과정 공유

4차 ‘21.10.1. 해동고등학교

자율주행자동자 운행을 위한 자료 계발 및 연습

5차 ‘21.10.18. 해동고등학교

자율주행자동차를 이용한 STEAM수업 계발 결과 점검 및 개선점 확인

5차 ‘21.10.24. 동서대학교

자율주행자동자 운행을 위한 자료 계발 및 연습

6차 ‘21.11.6. 해동고등학교 학부모, 본교 교사 -STEAM의 날 행사 개최 -공개수업

(2) STEAM 교사연구회 간 상호 네트워크 컨설팅 결과

회차 일시 장소 참석자 상호 컨설팅 결과

1차 ’21.5.31.(월)

16:30~18:00 온라인 박년조 교사(연구책임자) 이동화 교사(참여연구원)

- STEAM교사 연구회 일정 확인 - 전년도 우수사례 확인

2차 ’21.7.15.(목)

융합교육 지원단 및 권역별 STEAM교사 연구회 확인

3차 ’21.9.14.(화)

사례를 바탕으로 본교의 문제점 확인 및 개선

(10)

다. STEAM 프로그램 적용 성과 분석 및 조사

(1) 수혜학생 태도 조사

- 7월과 10월 총 2회에 걸쳐 수혜학생의 태도조사가 이루어졌으며, 대부분의 학생들이 자율

주행자동차 교육용 교구 조립에 어려움을 느끼지 않았으며, 티쳐블머신 사용방법과 머신러닝 학습방법 및 이해도에 있어 강한 자신감을 나타내었음. 더불어 인공지능에 대한 거부감보다 누 구든지 접근가능하고 이해할 수 있는 학문이며, 더 심화된 학습을 원하는 학생들이 약 10%정 도 되었음.

(2) 교원 만족도 조사

- 융합수업을 통해 학생들에게 확장된 사고와 통합적 사고를 이끌어내기 위해 많은 노력을 하였으며, 이 결과 수업참관 교사들의 대부분의 의견이 실제 교과수업을 통해 융합수업이 가능 하다는 것과 융합수업의 확장성, 학생들에게 문제를 해결하고 이를 창의적으로 생각하게 만들 수 있는 수업이였다는 점을 공감할 수 있었음.

⑶ 적용성과

- 수혜 학생수 : 138명

- 사전검사 : 7월중 2개 학급을 대상으로 태도검사를 시행함.

- 사후검사 : 10월중 2개 학급을 대상으로 태도검사를 시행함.

- 단순히 따라해 보는 학습보다는 그 원리를 탐구하고 이해하여 다양한 영역에서의 인공지능 기법을 적용할 수 있는 확산적 사고와 창의적 사고의 확대에 기여함.

4. 결론 및 제언

(1) 첨단기자재 활용으로 수준 높은 미래형 교육

- 차세대 컴퓨터실, 첨단 미래교실에서 인공지능 STEAM 수업진행 - 쌍방향 미디어 녹화시설 활용으로 수업의 개선점 확보

(2) 미래형 교육이 아닌 현재진행형 STEAM 교육

- 4차 산업혁명의 키워드인 ‘융합’을 학교 현장으로의 전파 - STEAM수업으로 학습자의 다지능 발달과 확산적 사고력 확대

4차 산업혁명의 핵심적 화두이며, 미래의 가장 핵심적 요소인 인공지능에 관한 이론을 자율자

행자동차를 이용하여 그 개념과 실용적 접근을 통해 살펴봄으로써, 멀게 느낄 수 있는 인공지

능이란 분야를 친근하고, 누구나 접근이 가능한 한 분야라는 것을 깨닫고, 이를 위해 수학, 과

학, 프로그래밍의 중요성을 이해시킴으로써 학습자로 하여금 다지능, 창의적 문제해결력을 길

러주는데 큰 의의가 있었다고 판담됨.

(11)

주 의 문

1. 본 연구의 주장이나 제언은 연구진의 견해이며, 한국과학창의재단의 공식 입장이 아닙니다.

2. 이 보고서 내용을 대외적으로 공개하거나 발표할 때에는 반드시 한국

과학창의재단과 사전에 상의하여야 합니다.

(12)

- 1 -

[부록1] STEAM 프로그램 개발 내용 및 결과물

프로그램 명: 인공지능기법을 활용한 STEAM 수업설계

1. STEAM 프로그램 개발·적용 교육과정

연번 차시 (중심과목)

2015 개정 교육과정 성취기준

(연계과목) 성취기준 영역

1 1 차시

[12 인기 01-01] 인공지능의 개념과 특성을 다양한 사례를 통해 이해하고 인공지능과 인간의 차이를 비교분석할 수 있다.

[12 물리Ⅱ03-02] 파원의 속도에 따라 파장이 달라짐을 이해하고, 활용되는 예를 찾아 설명할 수 있다.

[고등학교 2학년]

(1) 파동

2 2 차시

[12 인기 02-01] 지능에이전트가 다양한 센서를 통해 주변의 환경 및 상황 정보를 탐지하여 인식하는 방법과 원리를 설명할 수 있다. 또한 자율주행자동차 상황정보 인식 시스템, 홈스마트 시스템 등을 활용한 인공지능 시스템의 다양한 활용사례를 탐색하여 체험해 보는 과정을 통해 인공지능 시스템에서 센서의 역할과 중요성을, 한계등을 이해할 수 있다.

[12 물리Ⅱ03-03] 교류 회로에서 전자기파의 발생 및 안테나를 통한 수신 과정을 설명할 수 있다.

[고학교 2학년]

(2) 센서

3 3 차시

[12 인기 02-07] 계기학습(머신러닝)이 문제 해결 모델을 데이터로부터 자동적으로 생성하는 과정임을 이해하고, 기계학습의 주요학습방법인 지도학습과 비지도학습의 차이를 설명할 수 있다.

[고등학교 2학년]

(2) 전자기

4 4 차시

[12 인기 02-08] 교육용도구를 활용하여 기계학습의 활용사례를 체험해 보는 과정을 통해 기계학습의 활용분야를 이해하고, 구분하여 설명할 수 있다.

[12 물리Ⅱ01-04] 뉴턴 운동 법칙을 이용하여 물체의 포물선 운동을 정량적으로 설명할 수 있다.

[12 기하 02-04]두 평면벡터의 내적의 뜻을 알고, 이를 구할 수 있다.

[고등학교 2학년]

(2) 기하 , 포물선 운동

5 5 차시

[12 인기 02-09] 교육용 도구를 활용하여 딥러닝의 활용사례를 체험해보는 과정을 통해 딥러닝기술이 활용되는 분야를 이해하고 설명할 수 있다.

[12 물리Ⅱ01-08] 중력 렌즈 효과와 블랙홀을 항성의 질량과 관련지어 설명할 수 있다.

[12경수Ⅰ04-03]한계생산량의 의미를 이해하고, 미분을 이용하여 최적생산량을 구할 수 있다.

[고등학교 2학년]

(4) 미분 , 중력

(13)

2. STEAM 프로그램 총괄표(총 5차시)

차시 주요내용

1/5

주제(단원)명 Ⅰ. 인공지능의 이해

– 자율주행자동차의 원리와 필수기술 이해하기

⒜ 인공지능의 사전적 의미를 이해하고, 인공지능 학습 분야를 이해할 수 있다.

⒝ 자율주행의 세단계 구성(인지-판단-제어)을 알고 자율주행 자동차의 필수기술은 무엇인지 이해한다.

⒞ 교육용 도구(자율주행 키트)의 조립과 사용방법을 숙지한다.

⒟ 인공지능과 수리적 관계의 예시를 보여주고, 인공지능에서 사용되는 수학적 알고리즘을 설명한다.

2/5

주제(단원)명 Ⅱ. 인공지능의 원리와 활용

– 자율주행자동차의 구조 및 교육용 교구 조립

⒜ 자율주행 자동차가 비자율주행 자동차와의 구조적 차이를 알고 각 기관의 역학적 기능을 이해한다.

⒝ 딥러닝 이해를 돕기 위해 퍼셉트론과 인공신경망에 대한 설명을 생물학적 관점과 비교하여 설명한다.

⒞ 교육용 도구의 조립과 머신러닝을 위한 구글 티처블 머신의 사용방법을 숙지한다.

⒟ 코딩을 위해 사용할 스크래치 블록코딩과 파이썬 언어를 학습한다.

3/5

- 머신러닝에서의 지도학습과 비지도 학습, 강화학습

⒜ 자율주행 자동차의 센서들이 수신한 신호를 데이터화하여 분석하는 과정을 알고 데이터 값을 조작할 수 있다.

⒝ 머신러닝의 지도학습, 비지도학습, 강화학습의 개념을 숙지한다.

⒞ 지도학습, 비지도학습, 강화학습 알고리즘에 적용되는 수학적 기법에 대한 이해를 돕기위해 시청각 자료를 활용한다.

⒟ 조별로 머신러닝의 지도학습과 강화학습에 대한 주행가능 미션을 주고, 지도학습을 하기위해 필요한 도구와 강화학습을 위한 도구에 대해 상세히 조사한 후 경로설정에 알맞은 스토리 보드를 작성한다.

4/5

- 머신러닝기법을 활용한 자율주행차의 경로설정 및 설계

⒜ 머신러닝의 개념을 숙지하고 알고리즘을 이해할 수 있다.

⒝ 머신러닝 알고리즘을 코딩하여 마이크로 프로세서에 퍼팅시켜 자율주행차를 구동 및 훈련을 통하여 최적의 알고리즘을 제시할 수 있다.

⒞ 선형대수와 인공지능의 관계를 이해 할 수 있다.

⒟ 자율주행자동차의 센서의 역할을 설명할 수 있다.

⒠ Ladar 센서의 역할과 기능을 설명할 수 있다.

⒡ 자율주행 자동차의 센서 중 Ladar 센서의 기능과 역할을 알고 물체와 도로를 인식하게 되는 과정을 이해한다.

5/5

– 강화학습(Reinforcement)기법을 활용한 자율주행차의 경로설정 및 설계

⒜ 조건에 따라 달라지는 자율주행 조작방법을 알고 상황에 따라 설정할 수 있다.

⒝ 강화학습을 통한 자율주행차 경로설정을 위한 작업순서를 숙지하여 트랙을 통해 자율주행을 시켜본 뒤, 그 결과에 대해 지도학습과 강화학습의 차이점을 비교분석한다.

⒞ 미분을 이용하여 극값을 찾는 과정을 통해 최적화 개념을 이해하고, 인공신경망에서 사용되는 활성화함수, 이그노이드 함수의 개념을 알 수 있다.

(14)

- 3 -

3. STEAM 프로그램 차시별 수업지도안

중심과목 정보(인공지능기초) 학교급/학년(군) 고등학교 / 1,2 학년 중심과목

성취기준 영역

[고등학교] 정보, 인공지능 기초(4) 중심과목 성취기준

[12 인기 01-01] 인공지능의 개념과 특성을 다양한 사례를 통해 이해하고 인공지능과 인간의 차이를 비교분석할 수 있다.

주제(단원)명 자율주행자동차의 원리와 필수기술

이해하기 차시 1 / 5

학습목표

- 인공지능의 개념을 이해할 수 있다.

- 퍼셉론이 무엇인지? 왜 인공지능의 개념에 퍼셉트론이 생겼는지 이해할 수 있다.

- 파동의 원리와 레이다에서 물체를 감지하는 원리를 이해할 수 있다.

- 인공지능의 사전적 의미를 이해하고, 인공지능 학습 분야를 이해할 수 있다.

- 자율주행의 세단계 구성(인지-판단-제어)을 알고 자율주행 자동차의 필수기술은 무엇인지 이해한다.

연계과목 수학 , 물리 연계과목

성취기준 영역

[고등학교 1~3학년] 선형대수, 확률 과 통계 [고등학교 1~3학년] 파동

STEAM 요소

S 파동의 속력에 따른 물체의 이동 분석 T 자율주행차의 구성요소에 대해 이해한다.

E python 언어의 문법을 이해할 수 있다.

A 자율주행자동차의 법적, 윤리적 관점을 에측할 수 있다.

M 활성화 함수와 이그노이드 함수와의 관계를 이해할 수 있다.

개발 의도

인공지능에 대한 리터러시의 일환으로 학생들이 가장 관심있어 하는 분야인 자율주행차를 이용하여 인공지능의 기법을 학습하고, 인공지능 학습의 근원이 되는 수학적, 물리적 분야에 대한 통합적 사고를 통해, 융복합적 사고의 확산과 창의적 결과물을 위한 확산적 사고를 함양하고자 한다.

STEAM 학습 준거

상황 제시

상 황 제 시

센서가 물체를 인식할 때 어떤 과정으로 인 식하는가?

머신러닝에서 사용되 는 수학분야는 어떤 것이 있을까?

자율주행차는 어떤 원 리로 동작되는가?

창 의 적 설 계

창의적 설계 모둠별 측정 물리량으 로부터 상황 파악 상황에 필요한 센서가 올바른지 확인할 수 있다.

직선의 방정식으로 예 측값을 구할 수 있다.

인공지능기법을 체험 해보았을 때 어려운 분야가 아님을 알 수 있다.

감 성 적 체 험 머신러닝의 지도학습을 이해하고

자율주행차의 원리를 탐구한다.

다양한 행렬의 종류를 알고 계산을 할 수 있다.

파동의 속력에 따른 물체의 이동 분석할 수 있다.

감성적 체험

(15)

학습

과정 교수-학습 활동 학습자료

및 유의점

도입 ( 5 분)

Co 머신러닝의 지도학습과 비지도학습, 강화학습과 관련된 동영상을 통해 이번시간 학습할 지도학습의 개념을 쉽게 알수 있도록 상황을 제시

ET 인공지능의 개념과 머신러닝의 개념을 설명할 수 있다

동영상

Tip!

(16)

- 5 - 학습

및 유의점

전개 ( 3 분 )

전개 ( 5 분 )

제어기술과 인공지능

퍼셉트론의 등장

동영상

Tip!

(17)

학습

과정 교수-학습 활동

학습자료 및 유의점

전개 (40 분)

(18)

- 7 - 학습

전개 (40 분)

[이론적 배경 안내]

- 빛(전자기파)을 통한 물체의 거리 측정

- 움직이는 물체를 측정할 때 변하는 물리량 계산 - 센서의 종류와 역할

Co

- 파원과 관측자의 상황 제시 - 파원과 관측자 사이의 거리 측정 - 상황에 따른 변하는 물리량 계산

- 센서의 종류에 따른 차이점을 이해하도록 지도함.

-

ET

- 모둠별 측정 물리량으로부터 상황 파악한다.

- 상황에 필요한 센서가 올바른지 확인한다.

- 학생들 스스로 평가와 피드백이 가능하도록 지도한다.

[과제 제시]

- 다른 센서를 이용하여 더 나은 방법으로 자율주행차를 제작할 수 있는지 조사하 도록 한다.

- 센서의 기능으로 다른 역할을 할 수 있는지 조사하도록 한다.

[차시 예고]

- 자율주행자동차센서 Lidar

Co 인공 지능의 기술의 탄생 및 성장 과정

인공 지능이라는 개념은 1956년 미국 다트머스 대학에 있던 존 매카시 교수가 개최 한 다트머스 회의에서 처음 등장했으며, 최근 몇 년 사이 폭발적으로 성장하고 있는 중이랍니다. 특히 2015년 이후 신속하고 강력한 병렬 처리 성능을 제공하는 GPU의 도입으로 더욱 가속화되고 있죠. 갈수록 폭발적으로 늘어나고 있는 저장 용량과 이 미지, 텍스트, 매핑 데이터 등 모든 영역의 데이터가 범람하게 된 ‘빅데이터’ 시대의 도래도 이러한 성장세에 큰 영향을 미쳤습니다.

(19)

학습

전개 (40 분)

인공 지능이란?

인공지능은 기계를 지능적으로 만드는 과학입니다.

기계는 문제를 해결할 때 알고리즘을 기반으로 문제를 해결하게 되는데, AI 알고리 즘은 규칙이 생성되는 방식에서 기존 알고리즘과 차이가 있습니다.

기존 알고리즘은 개발자가 소프트웨어가 수신하는 각 유형의 입력값들에 대한 출력 을 정의하는 특정 규칙을 설정하는 반면에 AI 알고리즘은 자체 규칙 시스템을 구축 하게 됩니다.

이는 AI를 통해 컴퓨터가 사람에게 전적으로 의존했던 작업을 스스로 해결할 수 있 음을 의미합니다.

머신 러닝이란?

인공지능의 하위 집한 개념인 머신러닝은 정확한 결정을 내리기 위해 제공된 데이 터를 통하여 스스로 학습할 수 있습니다. 처리될 정보에 대해 더 많이 배울 수 있도 록 많은 양의 데이터를 제공해야 합니다. 즉, 빅데이터를 통한 학습 방법으로 머신 러닝을 이용할 수 있습니다. 머신 러닝은 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측을 합니다.

따라서 궁극적으로는 의사 결정 기준에 대한 구체적인 지침을 소프트웨어에 직접 코딩해 넣는 것이 아닌, 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 ‘학습’

시켜 작업 수행 방법을 익히는 것을 목표로 한답니다.

정리

(5 분) ^ET 인공지능이란 무엇인가? 강화학습이란 무엇인가?

(20)

- 9 -

중심과목 정보(인공지능기초) 학교급/학년(군) 고등학교 / 1,2 학년

중심과목 성취기준

영역

[12 인기 02-01] 지능에이전트가 다양한 센서를 통해 주변의 환경 및 상황 정보를 탐지하여 인식하는 방법과 원리를 설명할 수 있다. 또한

자율주행자동차 상황정보 인식 시스템, 홈스마트 시스템 등을 활용한

인공지능 시스템의 다양한 활용사례를 탐색하여 체험해 보는 과정을 통해 인공지능 시스템에서 센서의 역할과 중요성을, 한계등을 이해할 수 있다.

주제(단원)명 자율주행자동차의 구조 및 교육용

교구 조립 차시 2 / 5

학습목표

- 자율주행 자동차가 비자율주행 자동차와의 구조적 차이를 알고 각 기관의 역학적 기능을 이해한다.

- 딥러닝 이해를 돕기 위해 퍼셉트론과 인공신경망에 대한 설명을 생물학적 관점과 비교하여 설명한다.

- 교육용 도구의 조립과 머신러닝을 위한 구글 티처블 머신의 사용방법을 숙지한다.

- 코딩을 위해 사용할 스크래치 블록코딩과 파이썬 언어를 학습한다.

[고등학교 1~3학년] 미분과 최적화 [고등학교 1~3학년] 센서의 이해

STEAM 요소

S 자율주행 자동차의 센서 중 Ladar 센서의 기능과 역할을 알고 물체와 도로를 인식하게 되는 과정을 이해한다.

T 자율주행차의 구성요소에 대해 이해한다.

E 스크래치 및 python 언어를 이용하여 머신러닝 알고리즘을 코딩할 수 있다.

M 빛(전자기파)의 물체와의 거리 계산

개발 의도

상황 제시

상 황 제 시

창 의 적 설 계

창의적 설계

Ladar 센서가 다른 센 서와 비교하여 장단점 분석할 수 있다.

Ladar 센서의 물체 인식 과정 예 측할 수 있다.

머신러닝을 위한 코딩을 통해 주 행코스를 창의적으로 설계할 수 있다.

감성적 체험

(21)

학습

및 유의점

도입 ( 5 분)

Co 인공지능을 이용한 제어기술을 설명하다.

ET 자율주행차에서 인공지능 머신러닝을 통한 제어방법을 설명할 수 있다.

동영상

Tip!

(22)

- 11 - 학습

및 유의점

전개 ( 3 분 )

전개 ( 5 분 )

동영상

Tip!

(23)

학습

및 유의점

전개 ( 3 분 )

전개 ( 5 분 )

동영상

Tip!

(24)

- 13 - 학습

및 유의점

전개 ( 3 분 )

전개 ( 5 분 )

머신러닝의 학습과정

머신러닝은 알고리즘을 이용하여 스스로 데이터를 분석하고, 분석을 통해 학습하며 학습한 내용을 기반으로 판단이나 예측을 한다. 사람이 의사결정 기준에 대한 구체 적인 지식을 소프트웨어에 직접 입력하는 것이 아닌, 대량의 데이터와 알고리즘을 통해 기계 그 자체를 학습시켜기계가 스스로 작업 수행 방법을 익히는 것을 목표로 한다. 머신러닝에서 학습이란, 기계에 학습시킬 데이터, 즉, 훈련세트를 이용하여 예 측함수 ‘f’를 만드는 과정이라고 요약할 수 있다.

이것을 수식으로 표현하면 다음과 같다.

y = f(x)

x는 입력값, y는 출력값이며, f는 학습을 통해 만들어진 프로그램이다.

예측함수 f를 구하기 위해 다음과 같은 학습세트를 사용한다.

(x1, y1), (x2, y2)··· (xn, yn)

이처럼 학습세트를 대입하여 함수 f를 만들어 내는 과정이 인공지능의 학습인 것이 다.

<수학>

1. 지도학습에서의 학습공식

머신러닝의 작동방식은 ‘지도학습(supervised learning)’, ‘비지도학습 (unsupervised learning)’, ‘강화학습(reinforcement learning)’의 세가지로 구분 할 수 있다.

동영상

Tip!

(25)

학습

및 유의점

전개 ( 5 분 )

지도학습은 특징이 이미정해진 데이터를 사용하여 학습하는 방법이다. 이때 각 데이 터에 정해진 특징은 ‘레이블’이라는 용어로 표현할 수 있다. 레이블이 있는 데이터 들의 집합은 ‘학습세트’, 또는 ‘훈련세트’라고 부른다. 즉, 지도학습은 {데이터, 레이 블} 형태로 학습을 진행하는 방법이다.

Y = w × X + b

위 공식에서 Y는 레이블, X는 변수(feature)이며, 변수는 레이블에 영향을 주는 독 립변수가 된다. 그리고 독립변수가 변화하는 값에 따라 영향을 받는 Y는 종속변수 가 된다. 따라서 X는 영향을 주는 값이고, 레이블 Y는 영향을 받는 값(결과 값)으로 우리가 최종적으로 알고 싶은 값이 된다.

경기에서 이기기 위한 훈련 횟수를 예를 들어보면, 경기에서 이기기 위해서는 독립 변수인 훈련 횟수 W0와 날씨 W1, 컨디션 W2등이 영향을 주게 된다. 위 수식에 대 입하여 W0, W1, W2 데이터를 통해 승률을 알려면 b값만 알아내면 된다. 머신러닝은 이런 과정을 반복하며 학습을 하게 되는 것이다.

수식에 직접 값을 대입하며 머신러닝의 학습 과정을 확인해보자. 학습세트 (1,3), (2,5), (3,7)이 있다고 가정해보자. 첫 번째 학습데이터를 수식에 넣으면 다음과 같음 을 알 수 있다.

3 = w × 1 + b

5 = w × 2 + b

7 = w × 3 + b

위 수식을 이용하면 w와 b 값을 알 수 있다. 계산하면 w가 2가되고, b가 1이 된다.

공식에 대입하면

Y = 2 × x + 1

이 공식을 통해 x에 4가 들어가면 Y는 9가 되고, x에 5를 넣으면 Y는 11이 된다고 예측할 수 있다. 정리해보면 데이터 (1,3), (2,5), (3,7)의 실제값을 바탕으로 w와 b 를 구할 수 있고, w와 b를 구하면 x의 어떤 값을 넣어도 Y값을 구하는 것이 가능 하다는 것을 알 수 있다.

동영상

Tip!

(26)

- 15 - 학습

전개 (40 분)

Co 센서가 물체를 인식할 때 어떤 과정으로 인식하는가?

- 자율주행자동차의 센서의 역할을 설명할 수 있다.

- Ladar 센서의 역할과 기능을 설명할 수 있다.

ET 팀별 멋진 자율주행차 디자인화를 위한 토론

Co 모둠별 인공지능기법이 적용된 자율주행자동차 조립

CD Ladar 센서의 어원

- Ladar 센서의 기능과 역할 - 물체를 인식하는 방법

CD [창의적 설계 모둠별 활동]

- Ladar 센서 구조 파악

- Ladar 센서의 물체 인식 과정 확인 - 다른 센서의 기능 조사

- Ladar 와 다른 센서와의 차이점 분석 -

ET

- 모둠별 조사한 센서들을 나열한다.

- Ladar 센서가 다른 센서와 비교하여 장단점 분석한다.

[과제 제시]

[차시 예고]

- 자율주행자동차센서 Radar

[ 머신러닝의 동작순서]

step 1, 일정량 이상으이 학습용 샘플 데이터를 입력한다.

step 2, 기계는 입력된 데이터를 분석하여 일정한 패턴과 규칙을 찾는다.

step 3, 찾아낸 패턴과 규칙을 가지고 새로운 정보가 들어왔을 때 의사결정 및 예 측을 수행

머신러닝이란 ‘ 수많은 데이터를 학습하여 일정한 패턴을 찾아내고 그것을 활용하는 행위’ 라고 할 수 있다. --> 데이터로부터 새로운 지식을 끄집어내는 방식, 데이터 기반 방법론이다.

머신러닝의 예 >> 통/번역 기계, 자율주행차, 의료용 진단시스템 등

정리

(5 분) ^ET 머신러닝의 종류와 동작순서

(27)

중심과목 정보(인공지능기초) 학교급/학년(군) 고등학교 / 1,2 학년

영역

12 인기 02-07] 계기학습(머신러닝)이 문제 해결 모델을 데이터로부터 자동적으로 생성하는 과정임을 이해하고, 기계학습의 주요학습방법인 지도학습과 비지도학습의 차이를 설명할 수 있다.

주제(단원)명 머신러닝에서의 지도학습과 비지도

학습, 강화학습 차시 3 / 5

학습목표

⒜ 자율주행 자동차의 센서들이 수신한 신호를 데이터화하여 분석하는 과정을 알고 데이터 값을 조작할 수 있다.

⒝ 머신러닝의 지도학습, 비지도학습, 강화학습의 개념을 숙지한다.

⒞ 지도학습, 비지도학습, 강화학습 알고리즘에 적용되는 수학적 기법에 대한 이해를 돕기위해 시청각 자료를 활용한다.

⒟ 조별로 머신러닝의 지도학습과 강화학습에 대한 주행가능 미션을 주고, 지도학습을 하기위해 필요한 도구와 강화학습을 위한 도구에 대해 상세히 조사한 후 경로설정에 알맞은 스토리 보드를 작성한다.

[고등학교 1~3학년] 선형대수, 확률 과 통계 [고등학교 1~3학년] 전자파의 이해

STEAM 요소

S 파동의 속력에 따른 물체의 이동을 분석할 수 있다.

T 센서(Radar)의 역할을 이해할 수 있다.

E 센서(Radar)가 물체를 인식하는 방법을 설명할 수 있다.

M 빛(전자기파)의 물체와의 거리를 계산할 수 있다.

개발 의도

상황 제시

상 황 제 시

창 의 적 설 계

모둠별 조사한 센서들을 나열하여 발표할 수 있다.

Radar 와 다른 센서와의 차이점 분석하여 설명 할 수 있다.

(28)

- 17 - 학습

및 유의점

도입 ( 5 분)

동영상

Tip!

(29)

학습

및 유의점

전개 ( 3 분 )

전개 ( 5 분 )

동영상

Tip!

(30)

- 19 - 학습

및 유의점

전개 ( 5 분 )

[학습 동기 유발]

- 센서의 역할과 센서 종류 소개

Co

- 센서가 물체를 인식할 때 어떤 과정으로 인식하는가?

-

[학습 목표 안내]

- 자율주행자동차의 센서의 역할을 설명할 수 있다.

- Radar 센서의 역할과 기능을 설명할 수 있다.

Co [이론적 배경]

- Radar 센서의 어원

- Radar 센서의 기능과 역할 - 물체를 인식하는 방법

CD [창의적 설계 모둠별 활동]

- Radar 센서 구조 파악

- Radar 센서의 물체 인식 과정 확인 - 다른 센서의 기능 조사

- Radar 와 다른 센서와의 차이점 분석 -

ET

- 모둠별 조사한 센서들을 나열한다.

- Radar 센서가 다른 센서와 비교하여 장단점 분석한다.

Co

[차시 예고]

- 자율주행 자동차의 제동

< 머신러닝의 학습방법 정리>

구분 설명

지도 학습 정답이 있는 데이터를 활용하여 데이터를 학습

비지도 학습 정답이 없는 데이터를 비슷한 특징끼리 군집화하여 새로운 데이터에 대한 결과를 예측하며 학습

강화 학습 정답이 따로 정해져 있지 않으며 자신이 한 행동에 대한 보 상을 받으며 학습

동영상

Tip!

(31)

학습

전개 (40 분)

Co 강화학습의 정의

1) 학습을 진행하는데 있어 어떤 행동을 ‘강화’하는 방향으로 학습이 이루어지는 방 식

2) 지도학습과 비지도 학습은 학습데이터가 주어진 상태에서 환경에 변화가 없느 정 적인 환경에서 학습을 진행하였다면, 강화학습은 어떤 환경안에서 정의된 ‘주체 (agent)’가 현재의 ‘상태(state)’를 관찰하여 선택할 수 있는 ‘행동(action)’중에서 가 장 최대의 ‘보상(reward)’을 가져다주는 행동이 무엇인지를 학습하는 것이다.

3) 강화학습은 주체가 환경으로부터 보상을 받음으로써 학습을 하기 때문에 지도학 습과 유사해보이지만, 사람으로부터 학습을 받는 것이 아니라 변화되는 환경으로부 터 보상을 받아 학습한다는 점에서 차이가 있다. 이러한 강화학습은 사람이 지식을 습득하는 방식중 하나인 ‘시행착오’를 겪으며 학습하는 것과 매우 흡사하여 인공지 능을 가장 잘 대표하는 모델이다.

Co 강화학습의 학습진행

step 1. 정의된 주체(agent)가 주어진 환경(environment)의 현재상태를 관찰하여, 이를 기반으로 행동을 취한다.

step 2. 이때 환경의 상태가 변화하면서 정의된 주체는 보상을 받게된다.

step 3. 이 보상을 기반으로 정의된 주체는 더 많은 보상을 얻을 수 있는 방향 으로 행동을 학습하게 된다.

강화학습에서의 ‘관찰-행동-보상’에 이르는 일련의 과정을 경험(experience)라고 부 를수 있다. 강화 학습은 현재의 상태에서 어떤 행동을 취하는 것이 최적인지를 학습 하는 것이다. 행동을 취할때마다 외부환경에서 보상이 주어지는데, 이러한 보상을 최대화하는 방향으로 학습이 진행된다. 그리고 이러한 보상은 행동을 취한 즉시 주 어지지 않을 수 도있다. 이를 ‘지연된 보상’이라 한다.

(32)

- 21 - 학습

전개 (40 분)

• 인간의 뇌(Human Brain)는 뉴런(Neuron)이라는 수많은 신경세포로 이루어져 있 으며, 각각의 뉴런은 시냅스(Synapse)라고 불리는 연결부위를 통해 수백에서 수천 개의 다른 뉴런들과 연결되어 있다. 각각의 뉴런은 수상돌기(dendrite)를 통해 자신 과 연결된 다른 뉴런들로부터 전기 · 화학적 신호들을 받아들이며, 이러한 신호들을 세포체(cell body)에서 중합(重合)한다. 중합한 값이 임계치(threshold), 즉 뉴런 고 유의 한계치보다 커지면 뉴런은 활성화되며, 축색돌기(axon)를 통해 인접 뉴런에 자 신의 출력을 전달한다. 뉴런 간 정보교환은 각각 병렬적으로 수행되며, 이러한 정보 교환 기능은 학습에 의하여 향상된다.

정리

(5 분) ^ET 강화학습이란?

(33)

중심과목 정보(인공지능기초) 학교급/학년(군) 고등학교 / 1,2 학년 중심과목

성취기준 영역

[12 인기 02-08] 교육용도구를 활용하여 기계학습의 활용사례를 체험해 보는 과정을 통해 기계학습의 활용분야를 이해하고, 구분하여 설명할 수 있다.

주제(단원)명 머신러닝기법을 활용한 자율주행차

설계 및 훈련 차시 4 / 5

학습목표

- 머신러닝의 개념을 숙지하고 알고리즘을 이해할 수 있다.

- 머신러닝 알고리즘을 코딩하여 마이크로 프로세서에 퍼팅시켜 자율주행차를 구동 및 훈련을 통하여 최적의 알고리즘을 제시할 수 있다.

- 선형대수와 인공지능의 관계를 이해 할 수 있다.

- 자율주행자동차의 센서의 역할을 설명할 수 있다.

- Ladar 센서의 역할과 기능을 설명할 수 있다.

[고등학교 1~3학년] 선형대수, 확률 과 통계 [고등학교 1~3학년] 센서의 이해

STEAM 요소

S 자율주행차에서 사용되는 라이더의 원리와 센서의 역할 T 자율주행차의 구성요소에 대해 이해한다.

E 스크래치 및 python 언어를 이용하여 머신러닝 알고리즘을 코딩할 수 있다.

M 선형대수와 통계학을 이용하여 머신러닝의 지향점을 인지한다.

개발 의도

상황 제시

상 황 제 시

창 의 적 설 계

다양한 행렬의 종류를 알고 계산을 할 수 있다.

Ladar 센서의 물체 인식 과정 예 측할 수 있다.

머신러닝을 위한 코딩을 통해 주 행코스를 창의적으로 설계할 수 있다.

(34)

- 23 - 학습

및 유의점

도입 ( 5 분)

Co 머신러닝의 지도학습과 비지도학습, 강화학습과 관련된 동영상을 통해 이번시간 학습할 지도학습의 개념을 쉽게 알수 있도록 상황을 제시

ET 인공지능의 개념과 머신러닝의 개념을 설명할 수 있다

머신러닝의 키워드는 ‘학습(learning)’이다. 기계를 학습시키기 위해서는 ‘데이터’와

‘러닝모델’이 필요하다. 데이터란 기계를 학습시키기 위한 수많은 예시라고 생각하면 된다. 러닝모델은 인간으로 따지면 뇌에 해당하는 것으로, 하나의 커다란 함수라고 생각해도 된다. 즉, 어떤 변수에 대해서 특정한 연산을 수행한 결과를 출력해내는 장치이다. 그러므로 머신러닝은 모델에 데이터를 입력해서 기계를 학습시키는 일련 의 과정이라 할 수 있다.

[ 머신러닝의 동작순서]

step 1, 일정량 이상의 학습용 샘플 데이터를 입력한다.

step 2, 기계는 입력된 데이터를 분석하여 일정한 패턴과 규칙을 찾는다.

step 3, 찾아낸 패턴과 규칙을 가지고 새로운 정보가 들어왔을 때 의사결정 및 예측을 수행

[ 자율주행자동차의 기본원리 ]

동영상

Tip!

(35)

학습

및 유의점

전개 ( 3 분 )

전개 ( 5 분 )

STEAM – M >>

CD 실행활의 예를 통해 선형대수적 관점에서 머신러닝의 의미를 이해할 수 있다.

Co 머신러닝과 수학

<동영상 : https://www.youtube.com/watch?v=ZmgX60Il5ds>

ET 학생들의 이해도를 높이고, 관심도를 증폭시켜, 머신러닝과 수학적관계에 대한 이해를 높여 수학적 관점에서의 머신러닝을 설명할 수 있다.

● 선형대수 (Linear Algebra)

업무 경력과 연봉에 대한 관계를 분석하는 것은 단순회귀분석의 예이고 실제 사례 는 보다 고차원이고 많은 변수들에 대한 오류 값들의 합을 계산해야 합니다.

단순회귀분석의 경우 두 개의 변수들(업무 경력과 연봉)을 가졌는데, 전공, 석사유 무, 완료한 프로젝트들의 수 등 다른 변수들도 포함해서 다중회귀분석을 하게 되면 회귀선을 찾기 위해 그래프로 데이터를 표현하기가 어려울 것입니다. 회귀의 초평면 (Hyperplane)이 필요하고 경사하강법(Gradient Descent)을 적용하는 그래프는 5차 원이 됩니다.

이러한 초평면 매개 변수 계산을 수행하는 것은 선형대수 없이는 어려운 일입니다.

선형대수는 다차원의 데이터를 더 높은 차원으로 표현할 수 있습니다. 행렬(Matrix) 과 벡터(Vector)는 선형대수에서 가장 널리 사용됩니다. 선형대수는 고차 계산을 빠 르게 수행하는데 도움이 됩니다

따라서 선형대수를 통해 데이터 포인트를 행렬과 벡터의 형태로 표현하고 외적 (outer products), 내적(inner products) 등의 연산들을 적용하면 고차원 계산을 신속하게 수행할 수 있습니다.

동영상

Tip!

(36)

- 25 - 학습

및 유의점

전개 ( 2 분)

전개 ( 1 분)

< 차시예고 >

동영상

Tip!

(37)

학습

및 유의점

전개 ( 1 분)

전개 ( 5 분)

< 차시예고 >

동영상

Tip!

Co 자율주행자동차의 라이더 영상을 통해 주위를 환기시킨다.

CD 속도와 거리와의 관계 및 도플러 효과를 설명하고, 자율주행자동차의 센서인식 방식을 이해할 수 있다.

STEAM – S >> 자율주행자동차의 센서

GPS :　GPS위성에서 보내는 신호를 수신해 사용자의 현재 위치를 계산하는 위성항법 시스템이다.

stereo camera : 두 렌즈를 이용해 조리개와 셔터 설정이 같은 두 프레임을 동시 촬 영하여 3D 이미지를 구현할 수 있는 카메라를 말한다.

Radar : 차량 및 도로 시설물 감지용으로 전후방 충돌 경보, 충돌 방지 시스템에 사용 된다.

Lidar : 레이저 펄스를 지표면과 사물에 반사되어 돌아오는 시간을 측정한 후 반사체 의 위치좌표를 측정하는 시스템으로 최신 자율주행 기술에 필수적으로 사용되고 있으

(38)

- 27 - 학습

및 유의점

전개 ( 1 분)

전개 ( 3 분)

< 차시예고 >

자율주행차에서 사용되는 카메라와 라이더에 대해 자세히 알아보고자 한다.

동영상

Tip!

STEAM – T >> 머신러닝을 통한 자율주행차 경로설정

Co 자율주행차 운행을 위한 작동순서를 알아보고, 머신러닝을 위한 절차를 설명 한다.

CD 포맥스로 만든 자율주행 트랙을 이용하여 조별로 머신러닝을 학습시킨후 직 선, 곡선 주행시 코딩과 주의해야할 점을 이해할 수 있다.

< 자율주행차 경로설정 및 운행을 위한 절차>

(39)

학습

및 유의점

전개 (5 분)

< 주요 부품 – 교육용 교구>

< 카메라 >

< 구글 티처블머신을 이용한 머신러닝 >

Tip!

(40)

- 29 - 학습

및 유의점

전개 ( 19 분)

< 스크래치를 이용한 블록 코딩 >

조별 자율주행 시작>>

Tip!

(41)

학습

및 유의점

정리 ( 5 분)

수업내용 요약 및 피드백

머신러닝의 개념이해 확인학습

티처블 머신을 이용한 머신러닝 실습 후 느낀 점 발표하기 수학, 물리, 정보 교과목의 융합수업후 느낀점 발표하기

<차시예고>

강화학습

(42)

- 31 -

⑴ 학생활동지 / 학생참고자료

차시 4/5

[ 직진시 스크래치 코드 ]

이번 수업을 통해 느낀 점 혹은 어려웠던 점, 기타 선생님께 질문하고 싶은 내용을 적어주세요.

(43)

⑵ 학생활동지 / 학생참고자료

차시 4/5

[ 회전시 스크래치 코드 ]

이번 수업을 통해 느낀 점 혹은 어려웠던 점, 기타 선생님께 질문하고 싶은 내용을 적어주세요.

(44)

- 33 -

중심과목 정보 학교급/학년(군) 고등학교 1, 2 학년

영역

[정보]

Ⅲ. 문제해결과 프로그래밍

Ⅳ. 피지컬 컴퓨팅

[12정보04-10] 다양한 학문분야의 문제 해결을 위해 설계된 알고리즘을 프로그 램으로 구현하고 효율성을 비교분석한 다.

[12정보05-04] 피지컬 컴퓨팅 장치의 동 작을 제어하기위한 프로그램을 작성한 다.

주제(단원)명

강화학습(Reinforcement)기법을 활용한 자율주행차의 경로설정 및 설계

차시 5/5

학습목표

- 문제해결에 따라 구성한 피지컬 컴퓨팅 장치를 제어하기 위한 프로그램을 작성할 수 있다.

- 장치가 원하는대로 동작하지 않을 경우, 각 장치의 연결상태, 프로그램 코드 등을 분석하여 문제점을 찾아 해결할 수 있다.

- 다층 퍼셉트론의 이해를 위한 원리를 학습하여 인공신경망 이론을 이해할 수 있다.

연계과목 수학 연계과목

[12미적02-08]

매개변수로 나타낸 함수를 미분할 수 있다. 한계생산량의 의미를 이해하고, 미분을 이용하여 최적생산량을 구할 수 있다.

STEAM 요소

S

T 피지컬 컴퓨팅을 이해하고, 자율주행자동차의 부품과 관련된 기능을 이해할 수 있다.

E A

M 인공신경망 이론의 기본개념인 편미분에 대한 개념을 이해할 수 있다.

개발 의도

모둠별 학습을 통해 자율주행자동차를 조립할 수 있고, 조립시 발생되는 여러 문제점을 협업학습을 통해 해결할 수 있다. 또한 50 분 수업의 한정성으로 발생되는 문제를 해결하고자 하며, 다소 난해할수 있는 미분, 편미분의 개념을 실생활과 연관시켜 인공신경망 이론의 이해를 돕고자 한다.

모둠별 창의적인 자율주행자동차를 디자인하고 발표함으로써, 자신의 창작물에 대한 자긍심을 고취시킴과 동시에 3D 프린터를 사용하여 융복합적 사고를 촉진시키고자 한다.

상황 제시

상 황 제 시

개발된 자율주행차의 운행과정을 살펴보고 팀별로 만들 자신만의 자동차를 어떻게 디자 인 할 것인가?

창 의 적 설 계

더 이상 미래의 기술 이 아닌 눈앞에 다가 와있는 인공지능 기술 을 살펴보고 앞으로의 미래사회를 예측해봄.

감 성 적 체 험 속도를 높이고, 안정성있는

자율주행차를 만들기위해 어떤 형태의 모습으로 디자인 할 것인지에 대해 고민하며 3D 프린터를 이용한 자동차 모형제작 설계

미분을 이용한 극값을 찾을 수 있다.

감성적 체험

(45)

학습

및 유의점

도입 (5 분)

Co □ 학습분위기 조성

□ 인공지능 동기유발 - 자율주행자동차의 원리와 주행방법 동영상 시청

동영상

Tip!

전개 (40 분)

CD 효율적인 자율주행차를 만들기위한 기저학습 <20 분>

① 인공신경망 소개 ② 미분과 편미분의 이해

ET 인공지능과 수학과의 연관성 인지 최적화 방법