• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.1689-1692
• /
• 2004

SCORM은 기존의 e-learning 시스템에서 컨텐츠가 플랫폼에 상관없이 재사용될 수 있도록 하는 주요 목적아래 고안되었다. 그런데 이런 SCORM을 기반으로 하는 LMS에 많은 수의 컨텐츠 객체가 있을 경우 속도가 느려지게 될 수 있다. 이를 개선하기 위하여 본 논문에서는 사용자의 접근 빈도와 사용 시간이 높은 컨텐츠 객체를 모니터링하고 컨텐츠 객체마다 우선순위를 매겨서 그 우선순위에 맞게 primary 저장소에 따로 저장하는 시스템을 제안하였다. 이 시스템을 통해 검색 시에 더 많이 사용되는 교육용 컨텐츠에 더 빨리 접근 할 수 있도록 하여 전체적으로 LMS의 성능을 향상시키고자 하였다.

• 디지털융복합연구
• /
• 제17권1호
• /
• pp.179-187
• /
• 2019

아프리카를 비롯한 개발도상국은 균등한 교육기회 박탈, 열악한 교육여건, 선진국과의 정보화 격차 등으로 인적자원개발이 미미한 실정이다. 우수한 인적자원을 확보하지 못한 개발도상국은 선진국과의 세계화 경쟁에서 더욱 뒤쳐지고 있어, 개발도상국의 '인적자원개발' 문제는 시급히 해결해야 할 과제가 아닐 수 없다. 개발도상국은 교육 예산이 교육수요를 충족하고 의무 교육을 달성하기에 턱없이 낮은 수준이어서 양적으로 증가하는 교육 수요에 적절히 대응하지 못하고 있는 실정이며, 이러한 교육예산의 부족 문제는 교육 인프라 부족 문제로 연결이 된다. 본 연구에서는 NAS기반의 서버를 구성하여 교육 콘텐츠 및 학습관리 등의 기능을 구성하고, 클라이언트 영역은 태블릿, PC, 빔 프로젝터 등 다양한 미디어를 활용이 가능하도록 솔루션을 제시하여, 인트라넷 환경의 어학교육 지원을 위한 쾌적한 교육환경의 구성 및 SCORM 기반의 플랫폼을 구축을 통한 개발도상국의 최적화된 이러닝 서비스를 지원하고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권8호
• /
• pp.39-48
• /
• 2023

본 연구는 의류의 디자인 간 치수의 불일치와 비표준화로 인해 온라인 구매 시 발생하는 치수 선택의 오류 문제를 해결할 수 있는 방안을 제시하기 위해 수행되었다. 본 논문은 구매자에게 개인화된 치수를 제시할 수 있는 기계 학습 기반 추천 시스템의 구현 방안을 다루고 있다. 온라인 상거래로부터 발생된 구매 데이터를 사용하여 비음수 행렬 분해(NMF), 특이값 행렬 분해(SVD), k-최근접 이웃(KNN), 공동 클러스터링(Co-Clustering) 등 여러 검증된 협업 필터링 알고리즘을 훈련하였고, 이들 간에 성능을 비교하였다. 연구 결과, 비음수 행렬 분해 (NMF) 알고리즘이 다른 알고리즘들보다 뛰어난 성능을 보임을 확인할 수 있었다. 동일한 계정을 사용하는 여러 구매자가 포함되는 구매 데이터의 특성에도 불구하고, 제안 모형은 충분한 정확도를 보였다. 본 연구의 결과는 치수 선택의 오류로 인한 반품률을 감소하고 전자상거래 플랫폼에서의 고객 경험을 향상시키는 데 기여할 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제17권12호
• /
• pp.716-722
• /
• 2016

급격한 IT 환경의 변화에 따라 스마트 시대의 다양한 디지털 데이터가 폭발적으로 증가하고 있다. 이에 따라 다양한 영역에서 빅데이터를 활용한 서비스와 관련 기술들이 연구 및 개발되고 있다. 스마트교육에 있어서 빅데이터의 활용도는 학생, 교사, 학부모 등의 입장에서 많은 잠재력을 지니고 있다. 본 논문에서는 빅데이터에 대해 알아보고, 교육적 활용 시나리오에 대해서 살펴본다. 또한 빅데이터를 통한 맞춤형 교육 서비스를 도출하고, 이를 활용할 수 있는 방안을 제안하고자 한다. 이를 위해 교육용 빅데이터 처리 기술을 분석하고, 빅데이터 처리를 위한 시스템을 설계하고, 교육용 빅데이터를 활용하기 위해서 필요한 교육 서비스 방안을 제시하였다. 이러한 방안이 제대로 적용될 수 있는지 시범적으로 업무과 교육을 위한 클라우드 기반에서 동작하는 테스트 플랫폼을 구현하였다. 이를 교사들이 직접 사용해 보고 나서, 업무와 교육에서의 흥미도, 즐거움, 도구 사용 느낌, 긴장감이나 걱정, 자신감 등을 토대로 설문을 실시하고, 그 결과를 분석하여 교육용 빅데이터를 사용하기 위한 기반을 마련하고자 한다.

• KNOM Review
• /
• 제23권2호
• /
• pp.29-41
• /
• 2020

네트워크는 빠르게 성장하여 다중 도메인 복잡성을 유발하고 있다. 네트워크 트래픽 및 서비스의 다양성, 다양성 및 동적 특성은 향상된 오케스트레이션 및 관리 접근 방식을 필요로한다. 많은 표준 오케스트레이터와 네트워크 운영자가 E2E 슬라이스 오케스트레이션을 처리하기 위한 복잡성이 증가하고 있다. 또한 액세스, 에지, 전송 및 코어 네트워크를 포함하여 E2E 슬라이스 오케스트레이션과 관련된 여러 도메인이 각각 특정 문제를 가지고 있다. 따라서 멀티 도메인, 멀티 플랫폼 및 멀티 오퍼레이터 기반 네트워킹 환경을 수동으로 처리하려면 특정 전문가가 필요하며 이 접근 방식을 사용하면 런타임에 네트워크의 동적 변경을 처리할 수 없다 또한 이러한 복잡성을 처리하기위한 수동 접근 방식은 항상 오류가 발생하기 쉽고 지루한 일이다. 따라서 본 연구에서는 의도 기반 접근법을 사용하여 E2E 슬라이스 오케스트레이션을 처리하기 위한 자동화되고 추상화된 솔루션을 제안한다. 운영자로부터 도메인을 추상화하고 높은 수준의 의도 형태로 오케스트레이션 의도를 제공 할 수 있다. 또한 조정 된 리소스를 적극적으로 모니터링하고 머신 러닝을 사용하여 현재 모니터링 통계를 기반으로 시스템 상태 업데이트를 위한 향후 리소스 활용도를 예측한다. Closed-loop 자동화 E2E 네트워크 오케스트레이션 및 관리 시스템이 생성된다.

• 한국콘텐츠학회논문지
• /
• 제10권5호
• /
• pp.115-123
• /
• 2010

정보통신기술의 발달로 기존의 방식과는 달리 다양한 플랫폼에서 풀 브라우징 서비스를 통해 영상 콘텐츠의 제공이 가능하게 되었다. 이러한 패러다임의 변화는 소비자의 수용태도에 변화를 줄 뿐만 아니라, 영상 콘텐츠 제작 방식에도 변화를 요구한다. 하지만 영상 콘텐츠의 많은 부분이 모바일 플랫폼에 맞추어 적당히 변형되거나 사이즈 변환과 같은 기본적인 변환으로 수용자들에게 서비스되고 있다. 이것은 모바일 특성에 맞는 콘텐츠 유형 및 제작이 아닌 사용자에게 전달되는 방식으로의 변화만을 의미하므로, 모바일 콘텐츠 특성에 맞는 영상제작 및 편집과 같은 미학적인 면에서의 제작방식에 변화가 요구되어진다. HD영상의 전환으로 인하여 카메라 앵글, 구도, 조명등과 같이 제작 방식에 변화가 생긴 것과 마찬가지로 풀브라우징 서비스에 맞는 영상제작 기법으로 변화되어야 한다. 본 연구는 HD 영상제작에 따른 제작 방식 변화를 바탕으로 스마트 폰 시장 확장에 따른 모바일 기기에 적합한 동영상 편집기법에 대한 방향을 제안하고자 한다. 이를 위해, 현재 이러닝 제작에 사용되고 있는 화면 전환기법과 편집기법을 영상제작에 응용하거나, 종횡비의 변화, 다중화면 기법 등과 같은 다양한 편집기법을 이용하여 스마트 폰 플랫폼에 적합한 영상 변환 및 편집 방법을 제시하고자 한다. 이러한 새로운 시도들은 기존의 웹이 가지고 있었던 개방성, 적시성과 같은 특성들을 모바일에 적용하여 줌으로써 새로운 패러다임을 이끌고 가며 플랫폼으로써 자리를 잡아갈 것이다. 또한 개인 문화 영역으로 확대되어 단순 의사전달도구에서 벗어나 표현도구와 놀이도구로써 자리 잡을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제26권10호
• /
• pp.117-124
• /
• 2021

이 논문에서 우리는 국가연구데이터플랫폼 (DataON)의 분석서비스인 CANVAS (Creative ANalytics enVironment And System)를 제안한다. CANVAS는 연구데이터 분석 자원과 도구가 필요한 연구자들을 위한 개인화된 분석 클라우드 서비스이다. CANVAS는 마이크로서비스 아키텍쳐 기반으로 확장성을 고려하여 설계하였으며 전자정부프레임워크인 Spring 프레임워크, Kubernetes, JupyterLab 등의 오픈소스 소프트웨어를 이용하여 구축하였다. 구축된 시스템은 여러 사용자에게 개인화된 분석환경을 제공하며 고성능 클라우드 인프라 (CPU·GPU)를 활용하여 고속의 대용량 데이터 분석이 가능하다. 구체적으로 JupyterLab 이나 GUI 워크플로우 환경에서 데이터 모델링 및 처리가 가능하다. CANVAS는 DataON과 데이터가 공유되므로 사용자가 등록하거나 다운로드 받은 연구데이터는 CANVAS에서 바로 분석을 수행할 수 있다. 이로서 CANVAS는 DataON 사용자의 데이터 분석 편의성을 높이고 연구데이터 공유·활용 활성화에 기여한다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.

• 디지털융복합연구
• /
• 제19권8호
• /
• pp.319-325
• /
• 2021

무선 기술의 고도화 및 이동통신 기술의 인프라가 빠르게 성장함에 따라 AI 기반 플랫폼을 적용한 시스템이 사용자의 주목을 받고 있다. 특히 사용자의 취향이나 관심사 등을 이해하고, 선호하는 아이템을 추천해주는 시스템은 고도화된 전자상거래 맞춤형 서비스 및 스마트 홈 등에 적용되고 있다. 그러나 이러한 추천 시스템은 다양한 사용자들의 취향이나 관심사 등에 대한 선호도를 실시간으로 반영하기 어렵다는 문제가 있다. 본 연구에서는 이러한 문제를 해소하기 위해 GRU(Gated Recurrent Unit) 언어 모델을 이용한 Fuzzy-AHP 기반 영화 추천 시스템을 제안하였다. 본 시스템에서는 사용자의 취향이나 관심사를 실시간으로 반영하기 위해 Fuzzy-AHP를 적용하였다. 또한 대중들의 관심사 및 해당 영화의 내용을 분석하여 사용자가 선호하는 요인과 유사한 영화를 추천하기 위해 GRU 언어 모델 기반의 모델을 적용하였다. 본 추천 시스템의 성능을 검증하기 위해 학습 모듈에서 사용된 스크래핑 데이터를 이용하여 학습 모델의 적합성을 측정하였으며, LSTM(Long Short-Term Memory) 언어 모델과 Epoch 당 학습 시간을 비교하여 학습 수행 속도를 측정하였다. 그 결과 본 연구의 학습 모델의 평균 교차 검증 지수가 94.8%로 적합하다는 것을 알 수 있었으며, 학습 수행 속도가 LSTM 언어 모델보다 우수함을 확인할 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제23권1호
• /
• pp.13-24
• /
• 2021

암반 및 연약지반을 포함한 다양한 지반 조건에서 TBM (Tunnel Boring Machine) 터널링이 활용되고 있다. 굴착 성능을 높이기 위해서 지반 조건에 따라 최적으로 장비를 운영해야 하며, 이를 통해 공기단축을 통한 비용 절감 효과를 기대할 수 있다. 하지만 시추 조사를 통해 획득한 지반 정보는 시추공 사이 불확실성이 존재하므로, 실시간 최적 운전에 부족함이 있다. 본 연구에서는 지반의 불확실성 문제를 해결하고자 5초마다 기록된 TBM 데이터를 활용하여 굴착 지반 예측시스템을 구축하고자 한다. 싱가포르 현장에서 획득한 화강암의 풍화도를 고려하여 암반, 토사, 복합지반 세 가지로 지질로 재분류하였고, 실시간으로 도출되는 기계 데이터로 이를 예측하고자 한다. 현장에서 획득한 TBM 데이터에 대해 이상치 제거, 정규화, 특성 추출 등의 전처리 방법을 적용하였고, 지질을 분류하기 위해 6개의 은닉층을 가진 심층 신경망(Deep Neural Network, DNN)을 활용하였다. 10겹 교차검증을 통해 분류 시스템을 평가한 결과, 평균 75.4%의 정확도를 확인하였다(총 데이터 388,639개). 본 연구를 통해 지질 불확실성을 감소시키고, 지반 조건에 따른 실시간 최적 운전에 도움이 될 것으로 판단된다.