• 지식경영연구
• /
• 제24권4호
• /
• pp.219-235
• /
• 2023

디지털 기술의 발전과 코로나19의 영향으로 기업의 혁신과 조직문화가 변화하고 있으며, HRD(Human Resource Development) 분야에서 스마트 러닝의 중요성이 부각되고 있다. 본 연구에서는 HRD 담당자의 관점에서 스마트 러닝을 구성하는 요인들의 상대적인 중요성을 밝히는 것을 목적으로 하였다. 선행 문헌 검토를 통해 현 상황에 가장 부합하는 스마트 러닝 계층 및 요인을 도출하고, AHP 방법을 활용하여 해당 요인의 상대적 중요도를 파악하였다. 결과적으로 1계층 요인에서는 '학습 활동', '교육 활동', '학습 콘텐츠', '평가 방법 및 평가', '학습 시간 및 공간' 순으로 중요도가 확인 되었다. 2계층 전체 요인에서는 '교육 전략', '학습 결과', '학습 과업', '학습 목표', '학습 지원'이 상위 5위에 나타나는 요인으로 확인되었다. 본 연구 결과는 스마트 러닝 개념을 재정립하고, 추후 연구를 위한 학술적 프레임워크를 제안한 점에서 의의를 가진다. 또한, 실무적으로는 HRD 담당자들이 스마트 러닝을 개선하고 향상시키기 위해 어떤 요인에 주력해야 하는지에 대한 유용한 정보를 제공하는데 기여할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제40권2호
• /
• pp.151-166
• /
• 2024

해안쓰레기 문제는 전 세계적으로 환경에 대한 심각한 위협이 되고 있다. 본 연구에서는 딥러닝과 원격탐사 기술을 활용하여 해안쓰레기의 모니터링 방법을 개선하고자 하였다. 이를 위해 You Only Look Once (YOLO)v8 모델을 이용한 객체 탐지 기법을 적용하여 우리나라 주요 해안쓰레기 11종에 대한 대규모 이미지 데이터셋을 구축하고, 실시간으로 쓰레기를 탐지 및 분석할 수 있는 프로토콜(Protocol)을 제안한다. 낙동강 하구에 위치한 신자도를 대상으로 드론 이미지 촬영 및 자체 개발한 YOLOv8 기반의 분석 프로그램을 적용하여 해안쓰레기 성상별 핫스팟을 식별하였다. 이러한 매핑(Mapping) 및 분석 기법의 적용은 해안쓰레기 관리에 효과적으로 활용될 수 있을 것으로 기대된다.

• 스마트미디어저널
• /
• 제13권3호
• /
• pp.45-52
• /
• 2024

오늘날 점점 증가하는 위협 환경에서는 보안 이벤트에 대한 신속하고 효과적인 탐지 및 대응이 필수적이다. 이러한 문제를 해결하기 위해 많은 기업과 조직에서는 다양한 보안관제시스템을 도입하여 보안 위협에 대응하고 있다. 그러나 기존 보안관제시스템은 보안 이벤트의 복잡성과 다양한 특성으로 인해 어려움을 겪고 있다. 본 연구에서는 인공지능 기반의 자동화된 통합보안관제시스템 모델을 제안하였다. 인공지능 기술인 딥러닝을 기반으로 하여 다양한 보안 이벤트에 대해 효과적인 탐지와 이를 처리하는 기능들을 제공한다. 이를 위해 모델은 기존의 보안관제시스템 한계를 극복하기 위하여 다양한 인공지능 알고리즘과 머신러닝 방법을 적용한다. 제안된 모델은 운영자의 업무량을 줄이고 효율적인 운영을 보장하며 보안 위협에 대한 신속한 대응을 지원하게 될 것이다.

• 벤처창업연구
• /
• 제17권1호
• /
• pp.229-249
• /
• 2022

본 연구는 다양한 머신러닝 기법을 통해 코스닥(KOSDAQ) 시장 내 관리종목 지정을 예측할 수 있는 모델에 대해 연구하였다. 증권시장 내 기업이 관리종목으로 지정이 되면 시장에서는 이를 부정적인 정보로 인식하여 해당 기업과 투자자에게 손실을 가져오게 된다. 본 연구를 통해 기업의 재무적 데이터를 바탕으로 조기에 관리종목 지정을 예측하고, 투자자들의 포트폴리오 리스크 관리에 도움을 주기 위한 머신러닝 접근이 타당한지 살펴본다. 본 연구를 위해 활용한 독립변수는 수익성, 안정성, 활동성, 성장성을 나타내는 21개의 재무비율을 활용하였으며, K-IFRS가 적용된 2011년부터 2020년까지 관리종목과 비관리종목의 기업의 재무 데이터를 표본으로 추출하였다. 로지스틱 회귀분석, 의사결정나무, 서포트 벡터 머신, 랜덤 포레스트, LightGBM을 활용하여 관리종목 지정 예측 연구를 수행하였다. 연구결과는 분류 정확도가 82.73%인 LightGBM이 가장 우수한 예측 모형이었으며 분류 정확도가 가장 낮은 예측 모형은 정확도가 71.94%인 의사결정나무였다. 의사결정나무 기반 학습 모형의 변수 중요도의 상위 3개 변수를 확인한 결과 각 모형에서 공통적으로 나온 재무변수는 ROE(당기순이익), 자본금회전율(Capital stock turnover ratio)로 해당 재무변수가 관리종목 지정에 있어 상대적으로 중요한 변수임을 확인하였다. 대체적으로 앙상블을 이용한 학습 모형이 단일 학습 모형보다 예측 성능이 높은 것을 확인하였다. 기존 선행연구가 K-IFRS에 대한 고려를 하지 않았고, 다소 제한된 머신러닝에 의존하였다. 따라서 본 연구의 필요성과 함께 현실적 요구를 충족시키는 결과를 제시하였음을 알 수 있으며, 시장참여자들에게 있어 관리종목 지정에 대한 사전 예측을 확인할 수 있도록 기여했다고 볼 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.394-397
• /
• 2018

최근 인공지능 연구가 활발하게 진행이 되면서 여러 기업에서 자율 주행연구도 활발하게 진행되고 있다. 하지만 실제 상황에서 자동차 주행 데이터를 얻기에는 여러 위험사항들과 경제적인 낭비가 있다. 그렇기 때문에 게임 상에서 데이터를 수집하고 딥러닝을 이용해 학습을 하기로 했다. 본 논문에서는 실제 세계와 유사한 환경을 가지고 있는 자동차 게임을 이용하여 자율 주행을 시도 했다. 자율 주행 시 많이 쓰이는 End to End 방법으로 데이터를 수집하면 두 가지 데이터가 저장된다. 하나는 이미지 데이터고 두 번째는 방향키 데이터다. 이러한 데이터들을 numpy 타입으로 40분간 데이터를 수집한 후 딥러닝에 많이 쓰이는 tensorflow를 사용하여 구현한 CNN을 이용하여 학습이 되는 것을 확인을 하고 91.9%의 정확도를 얻었다. 이를 기반으로 실세계에서의 사용 가능성을 확인했다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.

• 융합정보논문지
• /
• 제10권11호
• /
• pp.195-201
• /
• 2020

빠르게 발전하고 있는 정보화 시대에 맞춰 교육환경에서도 많은 발전과 영향이 있다. 이에 대표적으로 이러닝(E-Learning)이 있다. 그러나 이러닝은 직접적인 교류와 참여율이 낮아 집중을 유지하기가 어렵고, 교수자 또한 학습자의 집중 여부를 파악하는데 한계가 있다. 본 논문은 이러닝을 사용하는 학습자의 집중도를 사용자 눈 개폐와 정수리 인식을 통하여 집중도 측정할 수 있는 시스템을 개발하였다. 본 시스템은 눈과 정수리를 인식하여 집중도를 측정하고 지표화하여 교수자에게 제공한다. 눈과 정수리를 인식한 경우 이벤트가 발생하고 사용자의 반응 결과에 따라 집중도가 지표화된다. 시스템 검증을위해 실험집단과 통제집단으로 실험하였고 집중도 지표가 90% 이상의 정확도를 보였다.

• 문화기술의 융합
• /
• 제7권1호
• /
• pp.668-673
• /
• 2021

4차산업혁명이 본격화됨에 따라 관련 기술들이 화두가 되고 있다. 고속 무선통신과 같은 기술을 최대한으로 활용하기 위한 하드웨어 개발이 가속화되고 있으며, 관련 기업들이 급격히 성장하고 있다. 인공지능의 경우 관련 연구를 위해서 일반적으로 데스크톱을 사용하는 경우가 많지만, 주로 딥러닝의 학습 과정을 위해 사용되고 있으며 생성된 모델을 프로그램 등에 포함하여 사용할 기기에 이식하는 경우가 많다. 하지만, 학습량이 과도하거나 데스크톱의 성능만큼 제작된 모델을 사용하게 되어 전원공급이 따로 이루어지지 않는 기기의 경우 전력이 부족하거나 성능이 충분하지 못하기 때문에 제 결과를 내기 어렵다. 본 논문에서는 딥러닝의 성능을 임베디드 보드에 맞추어 개발하기 전에 판매되고 있는 몇 가지 Neural Process Unit을 탑재한 보드와 USB로 딥러닝 수행 성능을 높일 수 있는 딥러닝 액셀러레이터를 사용하여 효율성을 비교하여 임베디드 보드로 가능한 개발 방향을 제시한다.

• 융합정보논문지
• /
• 제8권6호
• /
• pp.281-285
• /
• 2018

본 연구의 목적은 플립트러닝과 MOOC의 특징과 원리를 분석하고 플립트러닝 수업 실행 결과 학습자들의 인식을 분석한 후, 이를 기초로 대학 수업에 적용하여 실행할 수 있는 Flipped-MOOC 모형을 고안하는 것이다. 이러한 목적을 이루기 위해 다음과 같은 과제를 수행하였다. 첫째, 문헌고찰을 통해 MOOC 및 플립트러닝의 현황과 운영 및 수업형태 등을 분석하였다. 둘째, K대학에서 한 학기동안 플립트러닝 수업을 운영한 후, 수업의 강점과 약점, 대안점 및 학습자의 학습에 대한 인식에 미친 영향을 분석하였다. 셋째, 분석한 결과를 기초로 MOOC를 활용하는 플립트러닝이 수업에서의 상호작용과 학습자의 참여를 높일 수 있도록 하는 Flipped-MOOC 모형을 고안하고 실제 수업에서의 효과적인 운영을 위해 교수전략 및 방향을 제시하였다. 이상의 과제를 수행한 결과, Flipped-MOOC 수업은 학교차원에서의 교육방식의 변화와 개선에 기여할 뿐 아니라 교육의 질적 강화로 인해 평생교육 및 대학 교육경쟁력 강화에도 기여할 수 있는 것으로 기대된다. 또한 MOOC를 활용한 플립트러닝 수업의 활성화와 운영 효과를 높이기 위해 교수학습지원센터의 실제적인 역할과 과제를 제시하였다.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2009년도 춘계학술대회 미래 IT융합기술 및 전략
• /
• pp.49-58
• /
• 2009

기업 교육훈련에서 교육계획과 교육생의 선발 및 교육시행까지의 일련의 과정에서 과거부터 가장 많이 변화 되어온 것이 정보시스템을 이용한 교육환경의 변화이다. 이러한 환경변화는 공급자 위주가 아닌 소비자 위주로의 학습을 통해 효과적인 학습을 하기 위함이다. 그러나 기업에서 전략적으로 추진하는 교육과정에 대해서는 아직도 피동적으로 운영이 되고 있는 것이 현실이라고 볼 수 있다. 따라서 본 연구의 목적은 교육훈련 운영문제에 대한 대안을 제시하고 효과적 운영방법을 찾고자 한다.