• Journal of the Korean Data and Information Science Society
• /
• 제23권3호
• /
• pp.419-446
• /
• 2012

우리나라는 국가통계체제는 고속성장이라는 국가적 과제와 발전의 궤를 같이 하면서 필요할 때마다 관련 통계를 만들어 왔으며 이로 인해 기초통계가 체계적으로 균형 있게 발전해오지 못한 한계를 지니고 있다. 변화하는 경제사회 환경에 맞추어 필요통계를 발굴해내는 수요체계 파악, 국제기구의 통계와의 정합성 제고, 유사중복통계 작성 방지, 통계인력의 전문성 제고 등 구조적 문제를 해결하기 위한 법적 및 실질적 운영상의 개선 노력이 필요하다. 국가통계 총괄 조정기능 강화하고 실천력이 전제되는 거버넌스 구조를 위해 통계청을 차관급인 처나 장관급 행정부로 격상시키고 통계기관장을 임기제로 하고 공모를 통하여 선정해야 한다. 행정자료의 활용도 제고를 위한 대통령직속위원회의 신설, 민간 통계생산기관과의 협력강화, 지방자치단체의 통계역량 제고, 자료처리센터의 설치, 마이크로데이터의 공동 활용 시스템 설치 등도 시급한 과제들이다.

• 한국어류학회지
• /
• 제32권4호
• /
• pp.210-221
• /
• 2020

1973년 이스라엘 잉어(향어)가 한국에 양식을 위해 도입된 이후 현재까지 품종개량에 대한 연구가 전무한 실정이다. 본 연구는 지속적인 근친교배로 인해 낮아진 국내 이스라엘 잉어의 유전적 다양성을 회복하고, 성장이 빠르고 비늘 개선을 위해 유전적 기반 교잡육종 연구를 수행하였다. 본 연구는 한국의 이스라엘 잉어의 품종개량을 위하여 국내 이스라엘 잉어와 중국의 송푸거울 잉어를 이용하여 4개의 교배구를 설정하여 F1을 생산하였다. 친어의 형태 및 유전학적 거리를 고려하여 교배지침을 설정하였다. 본 연구는 유전적 다양성과 친자분석을 위하여 microsatellite 마커와 유전형 데이터를 활용하였다. 그 결과, 국내 친어의 평균 대립유전자와 기대이형접합율은 8.3과 0.743이며, F1은 13.0과 0.764이었다. 국내 이스라엘 잉어와 중국 송푸거울 잉어의 품종 간 교배를 통하여 국내 이스라엘 잉어보다 F1의 유전적 다양성이 회복되었음을 나타내었다. 한국의 일반 이스라엘 잉어는 17개월에 1.7 kg이었고, 개량된 이스라엘 잉어는 2.2 kg에 도달하였다. 또한, KC(한국×중국) 교배그룹의 비늘수치는 2.52, 친어그룹의 비늘수치는 3.15로 나타나 F1은 친어보다 낮은 비늘수치(0.63)를 나타내었다. 품종개량된 이스라엘 잉어(F1; CK, KC)는 친어그룹 (F0)보다 비늘이 20% 개선되었으며, 일반 이스라엘 잉어에 비해 체중(27%)과 비늘(25%)이 향상되었다. 유전적 데이터를 기반으로 개발된 이스라엘 잉어는 상업성이 좋아 국내 이스라엘 양식업에 크게 기여할 것으로 생각된다.

• 문화기술의 융합
• /
• 제4권2호
• /
• pp.197-204
• /
• 2018

현재 우리가 사는 21세기에서 가장 핫한 이슈중 하나는 AI이다. 농경사회에서 산업혁명을 통해 육체노동의 자동화를 이루었듯이 정보사회에서 SW혁명을 통해 지능정보사회가 도래햇다. Google '알파고'의 등장으로 인해 컴퓨터가 스스로 학습하고 예측하는 machine learning (머신러닝) 사례를 보면서 이제 바둑의 세계 까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 기계학습ML(machine learning)은 인공 지능 분야로, 인공지능 컴퓨터가 인간을 뛰어넘는 시대가 도래했다. 기계학습ML(machine learning)은 인공지능의 분야로, 인공지능 컴퓨터가 혼자 학습 하도록 알고리즘 기술 개발을 하는 뜻을 의미하는데, 많은 기업들이 머신러닝을 바둑의 세계까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 많은 기업들이 머신러닝을 용하는데 그 예로는 Facebook에서 이미지를 계속 학습하여 나중에 그 이미지가 누구인지 알려주는 것도 머신러닝의 한 사례이다. 또한 구글의 데이터 센터 최적화를 위해서 효율적인 에너지 사용 모델 구축을 위해 neural network(신경망)을 활용하였다. 또 다른 사례로 마이크로소프트의 실시간 통역 모델은 번역 학습을 통해 언어관련 인풋 데이터가 증가할수록 더 정교한 번역을 해주는 모델이다. 이처럼 많은 분야에 머신러닝이 점차 쓰이면서 이제 우리 21세기 사회에서 앞으로 나아가려면 AI산업으로 뛰어들어야 한다.