• 한국인공지능학회지
• /
• 제11권2호
• /
• pp.19-27
• /
• 2023

In recent times, an exponential increase in Internet traffic has been observed as a result of advancing development of the Internet of Things, mobile networks with sensors, and communication functions within various devices. Further, the COVID-19 pandemic has inevitably led to an explosion of social network traffic. Within this context, considerable attention has been drawn to research on network traffic analysis based on machine learning. In this paper, we design and develop a new machine learning framework for network traffic analysis whereby normal and abnormal traffic is distinguished from one another. To achieve this, we combine together well-known machine learning algorithms and network traffic analysis techniques. Using one of the most widely used datasets KDD CUP'99 in the Weka and Apache Spark environments, we compare and investigate results obtained from time series type analysis of various aspects including malicious codes, feature extraction, data formalization, network traffic measurement tool implementation. Experimental analysis showed that while both the logistic regression and the support vector machine algorithm were excellent for performance evaluation, among these, the logistic regression algorithm performs better. The quantitative analysis results of our proposed machine learning framework show that this approach is reliable and practical, and the performance of the proposed system and another paper is compared and analyzed. In addition, we determined that the framework developed in the Apache Spark environment exhibits a much faster processing speed in the Spark environment than in Weka as there are more datasets used to create and classify machine learning models.

• 한국인공지능학회지
• /
• 제11권4호
• /
• pp.29-34
• /
• 2023

The flow from developing a machine learning model to deploying it in a production environment suffers challenges. Efficient and reliable deployment is critical for realizing the true value of machine learning models. Bridging this gap between development and publication has become a pivotal concern in the machine learning community. FastAPI, a modern and fast web framework for building APIs with Python, has gained substantial popularity for its speed, ease of use, and asynchronous capabilities. This paper focused on leveraging FastAPI for deploying machine learning models, addressing the potentials associated with integration, scalability, and performance in a production setting. In this work, we explored the seamless integration of machine learning models into FastAPI applications, enabling real-time predictions and showing a possibility of scaling up for a more diverse range of use cases. We discussed the intricacies of integrating popular machine learning frameworks with FastAPI, ensuring smooth interactions between data processing, model inference, and API responses. This study focused on elucidating the integration of machine learning models into production environments using FastAPI, exploring its capabilities, features, and best practices. We delved into the potential of FastAPI in providing a robust and efficient solution for deploying machine learning systems, handling real-time predictions, managing input/output data, and ensuring optimal performance and reliability.

• 정보관리학회지
• /
• 제34권4호
• /
• pp.321-344
• /
• 2017

기록이나 문헌의 자동분류에 관한 연구는 오래 전부터 시작되었다. 최근에는 인공지능 기술이 발전하면서 기계학습이나 딥러닝을 접목한 연구로 발전되고 있다. 이 연구에서는 우선 문헌의 자동분류와 인공지능의 학습방식이 발전해 온 과정을 살펴보았다. 또 기계학습 중 특히 지도학습 방식의 특징과 다양한 사례를 통해 기록관리 분야에 인공지능 기술을 적용해야 할 필요성에 대해 알아보았다. 그리고 실제로 지도학습 방식으로 서울시의 결재문서를 ETRI의 엑소브레인을 통해 정부기능분류체계로 자동분류해 보았다. 이를 통해 기록을 다양한 방식의 분류체계로 자동분류하기 위한 각 과정의 고려사항을 도출하였다.

• 한국정보통신학회논문지
• /
• 제25권10호
• /
• pp.1296-1301
• /
• 2021

최근 전 세계적으로 당뇨병 유발률이 증가함에 따라 다양한 머신러닝과 딥러닝 기술을 통해 당뇨병을 예측하려고 는 연구가 이어지고 있다. 본 연구에서는 독일의 Frankfurt Hospital 데이터로 머신러닝 기법을 활용하여 당뇨병을 예측하는 모델을 제시한다. IQR(Interquartile Range) 기법을 이용한 이상치 처리와 피어슨 상관관계 분석을 적용하고 Decision Tree, Random Forest, Knn, SVM, 앙상블 기법인 XGBoost, Voting, Stacking로 모델별 당뇨병 예측 성능을 비교한다. 연구를 진행한 결과 Stacking ensemble 기법의 정확도가 98.75%로 가장 뛰어난 성능을 보였다. 따라서 해당 모델을 이용하여 현대 사회에 만연한 당뇨병을 정확히 예측하고 예방할 수 있다는 점에서 본 연구는 의의가 있다.

• 한국학교수학회논문집
• /
• 제23권2호
• /
• pp.223-237
• /
• 2020

4차 산업혁명 시대를 대표하는 인공지능 기술은 이제 우리 삶에 깊숙이 관여되고 있고 미래 교육은 이러한 인공지능의 원리와 활용에 대한 학생들의 역량 함양을 중시하고 있다. 따라서 본 연구의 목적은 인공지능 역량과 가장 밀접한 교과인 수학에서 다루어야 하는 인공지능 관련 교육 내용을 고찰하는데 있다. 이를 위해 인공지능의 핵심 기술인 기계학습(machine learning)의 원리를 수학기반으로 학습할 수 있는 인공지능 교과를 수학과의 과목으로 신설할 것과, '인공지능과 데이터 과학을 위한 수학' 교과에서 다루어야 하는 주요 수학 내용들을 제안하였다.

• 한국인공지능학회지
• /
• 제10권1호
• /
• pp.1-7
• /
• 2022

In this paper, a study was conducted to predict natural disasters in Afghanistan based on machine learning. Natural disasters need to be prepared not only in Korea but also in other vulnerable countries. Every year in Afghanistan, natural disasters(snow, earthquake, drought, flood) cause property and casualties. We decided to conduct research on this phenomenon because we thought that the damage would be small if we were to prepare for it. The Azure Machine Learning Studio used in the study has the advantage of being more visible and easier to use than other Machine Learning tools. Decision Forest is a model for classifying into decision tree types. Decision forest enables intuitive analysis as a model that is easy to analyze results and presents key variables and separation criteria. Also, since it is a nonparametric model, it is free to assume (normality, independence, equal dispersion) required by the statistical model. Finally, linear/non-linear relationships can be searched considering interactions between variables. Therefore, the study used decision forest. The study found that overall accuracy was 89 percent and average accuracy was 97 percent. Although the results of the experiment showed a little high accuracy, items with low natural disaster frequency were less accurate due to lack of learning. By learning and complementing more data, overall accuracy can be improved, and damage can be reduced by predicting natural disasters.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.7-11
• /
• 2021

본 연구는 초등학교에서 쉽게 적용할 수 있는 소리 데이터를 활용한 블록 기반의 머신러닝 교육 프로그램을 설계하였다. 교육 프로그램은 ADDIE 모형에 따라 사전에 초등학교 교사 70명을 대상으로 실시한 요구 분석을 결과를 바탕으로 그 목표와 방향을 설계하였다. 머신러닝 포 키즈 중 블록 기반의 프로그래밍을 위해 스크래치를 사용하였고 소리 데이터를 활용하여 데이터값의 규칙성을 발견하고 인공지능의 원리를 학습하고 직접 문제를 해결하는 프로그래밍 과정에서 컴퓨팅 사고력을 향상할 수 있도록 교육 프로그램을 설계하였다. 추후의 연구에서 본 교육 프로그램을 적용하고 인공지능에 대한 태도와 컴퓨팅 사고력에 어떤 변화가 있는지 검증이 필요하다.

• 인터넷정보학회논문지
• /
• 제20권6호
• /
• pp.167-177
• /
• 2019

미래사회에서의 국가 경쟁력 강화는 뛰어난 SW융합영재 발굴과 양성이다. 이러한 SW융합영재를 양성하기 위해서는 담당교원의 역량 강화가 선결되어야 할 것이다. 이를 위하여 본 논문에서는 SW융합영재 담당교원의 역량 강화를 위한 4차 산업혁명 시대의 핵심기술 중에 하나인 인공지능 교육 콘텐츠를 개발하였다. 인공지능 교육 콘텐츠의 방향을 설정 후, 인공지능 중에서도 중등 SW융합영재 교육에 적합한 교육 콘텐츠를 구성하여 상세 설계 및 개발하였다. 인공지능 교육 콘텐츠의 구성은 머신러닝과 텐서플로우의 이해, 수치 예측을 위한 선형 회귀 머신러닝 구현, 다중 선형 회귀 기반의 가격 예측 머신러닝 구현으로 이루어져 있다. 개발한 인공지능 교육 콘텐츠는 전문가에게 질적인 측면의 검증을 실시하였다. 향후 본 논문에서 제안한 인공지능 교육 콘텐츠는 SW융합영재 담당교원의 역량 강화에 도움을 줄 것으로 기대한다.

• 융합정보논문지
• /
• 제11권12호
• /
• pp.168-175
• /
• 2021

본 연구에서는 인공지능 교육을 활용하여 생물 교육의 파충류와 양서류를 분류에 대한 이해를 높이고, AI(Artificial Intelligence) 역량을 증대할 수 있도록 탈학문적(Transdisciplinary) 융합 교육 프로그램을 개발하였다. 중심 내용으로는 생물교육에서 오랫동안 다루어진 주제인 파충류와 양서류의 분류를 의사결정 트리 및 ML4K(Machine Learnig for Kids)를 활용하여 해결하는 것으로, 총 3차시 분량으로 설계하였다. 개발된 교육 프로그램에 대하여 전문가 검토를 실시하였고, 그 결과 I-CVI 값이 .88~1.00을 나타내어 내용 타당도를 확보하였다. 이 교육 프로그램은 학습자들에게 정보 교육의 인공지능에 관한 학습 내용과 생물 교육의 척추 동물의 분류에 관한 학습 내용에 대해 동시에 학습할 수 있다는 강점이 있다. 또한, 인공지능 활용 부분에서는 인지 부하를 최소로 하도록 구성되어 있기 때문에 모든 교사들이 쉽게 활용할 수 있다는 점이 특징이다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1996년도 Proceedings of the Korea Automatic Control Conference, 11th (KACC); Pohang, Korea; 24-26 Oct. 1996
• /
• pp.251-254
• /
• 1996

We propose a coordinated motion control algorithm of dual manipulators handling a flexible object. The controller is designed so that it can specify the apparent impedance of the object as well as can control its deformation. The experimental results will illustrate validity of the proposed algorithm.