• 문화기술의 융합
• /
• 제8권6호
• /
• pp.795-799
• /
• 2022

근래 인공지능 기술이 비약적으로 발전하고 이에 대한 관심이 폭증하는 가운데 인공지능에 대한 교육이 다양한 분야로 확산되고 있다. 이에 따라 많은 대학에서 인공지능 관련 학과를 신설하거나 정원을 확대하는 실정이다. 이러한 추세에 맞춰 C 대학에서는 지역 내 산업기반에 맞추어 AI운영학과를 신설하였다. 본 논문에서는 신설된 AI운영학과를 위한 교육과정을 개발하였고, 이 교육과정은 AIOps(Artificial intelligence for IT Operations)에 기초하여 산업체의 수요를 반영한 교과목을 중심으로 설계되고 개발되었다. 이를 위해 산업체 전문가와의 협의체를 구성하여 자문을 구하고 설문 조사를 통해 의견을 수렴하였다.

• 창의정보문화연구
• /
• 제7권4호
• /
• pp.265-277
• /
• 2021

인공지능 기술의 핵심은 데이터다. 기술의 발달로 데이터의 양이 이전보다 폭발적으로 증가하면서 인공지능 기술 또한 빠르게 발전하고 있다. 하지만 인공지능 교육에 대한 높은 관심에 비해 인공지능과 연계된 데이터 교육 연구는 아직 부족하다. 기존의 인공지능 데이터 교육의 사례 분석 결과, 데이터 과학의 과정 및 일부를 교육하는 사례를 확인할 수 있었으나, 데이터 수집과 관련된 연구는 많지 않았다. 피지컬 컴퓨팅 교구의 활용이 초등학생의 인공지능 교육에 긍정적인 영향을 줄 것이라는 연구와 함께 피지컬 도구를 활용한 데이터 수집 사례를 연구하였으나, 데이터 수집과 관련한 연구 사례 또한 드물었다. 따라서 본 연구에서는 피지컬 도구를 활용한 효율적인 데이터 수집 방법을 설계하였다. 모듈형 피지컬 컴퓨팅 교구인 코블S를 활용하여 데이터 수집 프로그램의 구조도를 만들고 서비스 측면과 사용자 측면의 프로그램 화면의 예시를 구성하였다. 본 연구는 설계 측면의 제안으로 향후 프로그램 제작 및 프로그램과 연동하여 사용할 수 있는 인공지능 교육 플랫폼 구축이 되어야 한다는 점에서 제한점이 있다.

• 인터넷정보학회논문지
• /
• 제24권5호
• /
• pp.17-27
• /
• 2023

오늘날 AI(Artificial Intelligence) 기술이 발전하면서 실용성이 증가함에 따라 실생활 속 다양한 응용 분야에서 널리 활용되고 있다. 이때 AI Model은 기본적으로 학습 데이터의 다양한 통계적 속성을 기반으로 학습된 후 시스템에 배포되지만, 급변하는 데이터의 상황 속 예상치 못한 데이터의 변화는 모델의 성능저하를 유발한다. 특히 보안 분야에서 끊임없이 생성되는 새로운 공격과 알려지지 않은 공격에 대응하기 위해서는 배포된 모델의 Drift Signal을 찾는 것이 중요해짐에 따라 모델 전체의 Lifecycle 관리 필요성이 점차 대두되고 있다. 일반적으로 모델의 정확도 및 오류율(Loss)의 성능변화를 통해 탐지할 수 있지만, 모델 예측 결과에 대한 실제 라벨이 필요한 점에서 사용 환경의 제약이 존재하며, 실제 드리프트가 발생한 지점의 탐지가 불확실한 단점이 있다. 그 이유는 모델의 오류율의 경우 다양한 외부 환경적 요인, 모델의 선택과 그에 따른 파라미터 설정, 그리고 새로운 입력데이터에 따라 크게 영향을 받기에 해당 값만을 기반으로 데이터의 실질적인 드리프트 발생 시점을 정밀하게 판단하는 것은 한계가 존재하게 된다. 따라서 본 논문에서는 XAI(eXplainable Artificial Intelligence) 기반 Anomaly 분석기법을 통해 실질적인 드리프트가 발생한 시점을 탐지하는 방안을 제안한다. DGA(Domain Generation Algorithm)를 탐지하는 분류모델을 대상으로 시험한 결과, 배포된 이후 데이터의 SHAP(Shapley Additive exPlanations) Value를 통해 Anomaly score를 추출하였고, 그 결과 효율적인 드리프트 시점탐지가 가능함을 확인하였다.