본문 바로가기

5. AI교육

(13)
[50] 경인교육대학교 교육전문대학원 2023학년도 석사과정(AI교육 전공) 준비하기(13) - 인공지능 교육개론 챕터11(로봇과 인공지능) 마이크로 비트 영국방송공사(BBC)에서 SW 교육용으로 설계된 4 × 5 cm 크기의 오픈소스 하드웨어. 가속도계 센서, 자기장 센서, 블루투스, LED 25개, 버튼 2개를 갖춤. MakeCode Microsoft에서 개발한 개방형 프로그래밍 환경 https://makecode.microbit.org/ Microsoft MakeCode for micro:bit A Blocks / JavaScript code editor for the micro:bit powered by Microsoft MakeCode. makecode.microbit.org 마이크로비트와 엔트리 연결하기
[49] 경인교육대학교 교육전문대학원 2023학년도 석사과정(AI교육 전공) 준비하기(12) - 인공지능 교육개론 챕터10(인공지능으로 앱 만들기) MIT 앱인벤터 블록 기반의 안드로이드 프로그래밍 환경 https://appinventor.mit.edu/ MIT App Inventor App Inventor Foundation Presents: Anant Bhaskar Garg Empowering STEM changemakers in rural India As a computer science teacher, Anant Bhaskar Garg sees his duty as more than just teaching things like algorithms and data structures. To him, these are merely appinventor.mit.edu 디자인 기반 학습 방법(Design Based Learning, DBL) 1. ..
[48] 경인교육대학교 교육전문대학원 2023학년도 석사과정(AI교육 전공) 준비하기(11) - 인공지능 교육개론 챕터9(인공지능 학습 이해하기 - 머신러닝 포 키즈) 머신러닝 포 키즈(Machine Learning for Kids) https://machinelearningforkids.co.uk/ Machine Learning for Kids An educational tool for teaching kids about machine learning, by letting them train a computer to recognise text, pictures, numbers, or sounds, and make things with it in Scratch. machinelearningforkids.co.uk 기능 1. 텍스트를 입력받고 학습하는 기능 2. 숫자를 입력받고 학습하는 기능 3. 소리를 입력받고 학습하는 기능 4. 이미지를 입력받고 학습하는 기능 5. ..
[47] 경인교육대학교 교육전문대학원 2023학년도 석사과정(AI교육 전공) 준비하기(10) - 인공지능 교육개론 챕터8(인공지능 학습 이해하기 - 티처블 머신) 티처블 머신이란? 구글이 무료로 개방한 웹 기반 머신러닝 학습 도구 https://teachablemachine.withgoogle.com/ Teachable Machine Train a computer to recognize your own images, sounds, & poses. A fast, easy way to create machine learning models for your sites, apps, and more – no expertise or coding required. teachablemachine.withgoogle.com 이미지, 오디오, 포즈 세 가지 모델을 훈련시키고, 그 모델로 새로운 데이터를 구별해 낼 수 있다. 활용 예시 - Tiny Sorter
[46] 경인교육대학교 교육전문대학원 2023학년도 석사과정(AI교육 전공) 준비하기(9) - 인공지능 교육개론 챕터7(인공지능 학습 이해하기 - 엔트리) 머신러닝 기반 교수-학습 모형 1. 문제 인식 및 분석 - 생활 속 문제 상황 중 머신러닝을 활용하여 해결할 수 있는 문제를 인식하는 단계 2. 데이터 수집 - 문제를 해결하는 데 필요한 실질적인 데이터를 수집하는 단계 3. 데이터 가공 및 선별 - 수집한 데이터를 처리할 수 있도록 수치화, 도식화, 라벨링 후 필요한 데이터를 선별하는 단계 4. ML 모델 훈련 및 평가 - 선별한 데이터를 바탕으로 머신러닝 모델 훈련 및 정확도를 평가하는 단계 5. ML 프로그래밍 - 머신러닝 모델을 활용하여 프로그래밍을 작성하는 단계 6. 적용 및 해결 - 제작한 프로그램을 적용하여 문제를 해결하는 단계 7. 공유 및 환류 - 작성한 프로그램을 공유하고 피드백을 통해 프로그램을 개선하는 단계 엔트리 인공지능 꾸러미 1..
[45] 경인교육대학교 교육전문대학원 2023학년도 석사과정(AI교육 전공) 준비하기(8) - 인공지능 교육개론 챕터6(인공지능 언플러그드 활동하기) 신경망의 종류 Recurrent Neural Network(RNN) - 한 단계 앞 시점의 출력을 다음 시점의 입력으로 사용하는 신경망(시계열 데이터, 자연어 문장 등에 사용) Long Short-Term Memory(LSTM) - RNN의 방식에서 무의미한 출력 값이 다음 입력으로 사용되는 것을 막음. Gated Recurrent Unit(GRU) - LSTM을 개량한 신경망. 학습 시간을 효율화할 수 있도록 설계. Convolutional Neural Network(CNN) - 복수의 인접 데이터를 정리(합성곱)하는 도구가 탑재된 신경망. 이미지, 영상, 컴퓨터 비전 분야에서 많이 연구 중. CNN의 구조와 원리 convolution layer - 합성곱 연산, 필터 연산 pooling layer -..
[44] 경인교육대학교 교육전문대학원 2023학년도 석사과정(AI교육 전공) 준비하기(7) - 인공지능 교육개론 챕터5(기계학습 이해하기) 기계학습의 정의 1. 데이터를 이용해 기계를 훈련시켜서, 기계 스스로 결정을 내리거나 예측할 수 있도록 하는 인공지능의 방법 2. 4가지 범주 - 지도형 기계학습, 비지도형 기계학습, 준지도형 기계학습, 강화형 기계학습 지도형 기계학습 1. 알고리즘의 결과와 정답 데이터를 비교하며 반복적으로 훈련해 나가는 방법 2. 해결 가능한 문제 - 분류(Classification), 회귀(Regression) 3. 신경망(Neural Network) 모델도 지도형 기계학습 중 하나 4. 신경망 모델 - 모델의 출력값으로부터 거꾸로 내려가면서 신경망 연결에 대한 가중치 조정(경사하강법 등)을 반복하여 훈련 비지도형 기계학습 1. 정답 레이블 없이 입력 데이터들이 가진 공통점에 따라 스스로 기준을 세워 분류한다. 2...
[43] 경인교육대학교 교육전문대학원 2023학년도 석사과정(AI교육 전공) 준비하기(6) - 인공지능 교육개론 챕터4(확률에 따라 문제 해결하기) 확률의 종류 1. 이산 확률 분포 2. 연속 확률 분포 참고 - https://ko.wikipedia.org/wiki/%ED%99%95%EB%A5%A0_%EB%B6%84%ED%8F%AC 확률 분포 - 위키백과, 우리 모두의 백과사전 위키백과, 우리 모두의 백과사전. ko.wikipedia.org 일양분포(균일분포) 1. 이산 균등 분포 - https://ko.wikipedia.org/wiki/이산균등분포 이산균등분포 - 위키백과, 우리 모두의 백과사전 위키백과, 우리 모두의 백과사전. 이산균등분포 확률 질량 함수 n = b-a+1가 성립할 때 n = 5 인 경우 누적 분포 함수 매개변수 a ∈ ( … , − 2 , − 1 , 0 , 1 , 2 , … ) {\displaystyle a\in (\dots ,..