자신의 문제해결 프로젝트를 나타내는 이미지를 하나 추가하고 활동 내용을 간단히 요약하세요.(활용했던 생성형 AI나 DEVC++, 캔바, 구글 슬라이드, 패들렛 등 활용한 AI, 에듀테크 도구를 포함해서 작성)

프로젝트를 통해서 느낀 점, 새롭게 알게 된 사실을 작성하세요.

추가적으로 알고 싶은 내용이나 후속 활동 계획을 작성하세요.

산불 이미지 분류를 주제로 한 기계 학습 모델 개발 프로젝트를 수행함. 먼저, 산불이 발생한 이미지와 발생하지 않은 이미지를 포함한 데이터셋을 수집하고, 이미지 전처리 과정을 통해 학습에 적합한 형태로 데이터를 정제하였음.

이번 프로젝트를 통해 기계 학습 모델이 실제 문제 해결에 어떻게 적용될 수 있는지를 직접 체감할 수 있었음. 시간이 된다면 더 복잡한 문제도 도전해보고싶음.

저는 SDGs 중 양질의 교육을 골라 주제를 선정하였습니다. 전세계에서 숫자는 공통적으로 사용됩니다. 어려가지 숫자 방식이 있지만 서아라비아 숫자가 보편적으로 사용되기 때문에 이 숫자를 학습을 시켜 숫자 학습에 어려움을 겪는 친구들에게 도움이 되고자 이 프로그램을 만들었습니다. 이때 Canva와 미리캔버스를 이용해 발표 자료를 제작하였으며 github, raddit, 교과서에 올라와 있는 코드들을 보며 학습을 하였습니다. 그 후 코드를 작성하였고 문제가 생기면 인터넷 서치를 통해 어느정도의 문제를 해결하였습니다. 그러나 문제가 잘 해결되지 않았을 때 AI의 도움을 받아 문제를 해결하였습니다.

이러한 프로그램이 제작되었습니다.

프로젝트를 통해 생각보다 많은 학습데이터가 있어야지 정확도가 엄청 높아진다는 것을 알게 되었습니다. 영어 시간에 영어 지문에서 많은 정보가 있고 그 정보를 가공하는 기술이 중요하다는 지문이 있었는데 이 지문이 어떤 것을 말하고 싶었는지 잘 알고 있었지만 이 경험을 좀 더 통해 실감하였습니다.

한 개의 숫자만 분석하였는데 여러가지 숫자를 분석하여 계산까지 할 수 있는 기능을 구현해 보고 싶습니다.

구글 코랩을 사용한 코딩을 통해 산불이 난 산과 그냥 산의 이미지를 분류하는 것의 기계학습 모델링을 구현함.

프로젝트를 통해서 코딩을 처음 접하게 되어 흥미로웠고, 그 복잡함을 알 수 있었다. 이러한 컴퓨터 기술을 통해 산불 이미지를 분류하여 전 세계적 문제인 산불 문제를 해결할 수 있다는 점을 알 수 있었다.

추가적으로, 이렇게 구현된 기술이 실제 소방 업무에서 사용되고 있는지, 있다면 어떻게 해야 이 기술을 더 효율적으로 활용하고 발전시킬 수 있을지 연구해보고 싶다.

상처 이미지들이 담겨있는 파일을 다운로드 후, 오렌지에서 만든 분류모델에다가 삽입하여 상처를 분류해주는 프로그램을 제작하였으며, 미리캔버스를 이용하여 제작과정,구현방법 등이 담긴 ppt를 제작하였다.

평소에는 다양한 상처들을 구분하는데에 있어서 어려움이 많이 있었는데, 이번에 제작한 모델이 어떤 상처인지 빠르게 알려줘서 좋았던 것 같다. 그리고 스크래치와 엔트리같이 간단한 코딩 대신에 좀 더 심화적인 오렌지를 사용해볼 수 있어서 흥미로웠던 것 같았다. 비록 완성품이 완벽했다고 볼 수는 없겠지만, 제작하는 과정에서 보람과 끈기등 다양한 감정을 느낄 수 있어서 유익했던 것 같다.

나중에 스포츠 종목에서 활동할 때 정자세와 부상을 당할 수 있는 잘못된 자세를 판별해줄 수 있는 모델을 만들어 보고싶다

미래의 최저시급을 예측하도록 기계학습 모델 구현을 시도했다. 최저임금위원회 사이트에서 데이터를 내려받고, 구글 코랩을 통한 코딩을 통해 결과를 만들어 2027년의 최저시급이 10611원이라는 결론을 도출함.

이 프로젝트를 통해 미래의 최저시급을 예측하고, 더 나아가 그에 맞는 노동 환경이 무엇일지 고민해볼 수 있어서 좋았다.

미래의 최저시급에 맞춰서, 노동자에게도 합리적이면서 경제 유지도 잘 되도록 공정을 운영하려면 어떻게 해야 할지 구체적으로 연구해보고 싶다.

인공지능이 해결할수 있는 문제 중 AI 챗봇에 대해 조사함. 24시간 빠른 응답 가능. 또한 인공지능이 할수 없는 일도 구체적으로 조사함

이번 조사를 통해 인공지능 챗봇이 단순한 자동응답 시스템을 넘어, 다양한 분야에서 실질적인 문제 해결 도구로 활용되고 있다는 점이 인상 깊었다.

일상생활에서 건강한 식사를 유도하기 위해

당뇨병을 예방을 하고자 흑미밥과 백미밥의 이미지를 분류며 영양성분을 도출하는 분류 모델을 만들었다.

프로그렘을 다루면서 오류들이 발생하게 되어서 그걸 하나하나 해결해 나가면서 끈기와 중요성을 알게 되었다.

많은 사람들이 공감하지만 몇몇 사람은 여러가지 이유(발달장애, 심리 문제 등등)로 인해서 공감을 잘 못하거나 모르는 경우가 있습니다. 이러한 문제가 흔하지 않지만 그런 사람들을 위해 표정 인식 프로그램을 제작하려고 했습니다. 우선 진행한 SDGs 활동에서 학습 이미지가 많이 있어야지 정확도가 엄청 올라간다는 것을 깨달아서 kaggle을 통해 학습데이터를 다운로드 받았습니다(약 28000개 이상의 파일이 준비되었습니다.)

그 파일을 압축을 풀어 파일을 올린 후 코드를 작성하였고 저번과 마찬가지로 오류를 해결하였습니다.

데이터가 작고 많아서 올리는데 6시간이 걸린 것, 한번 학습하는데 40분 이상이 걸려서 Epoch수를 최소한 10번 하면 좋은데 1번으로 줄였음.

데이터가 많아서 정확도가 높지만 Epoch수를 높이면 좀 더 정확한 데이터가 나올 것으로 예상함

학습 데이터가 많으면 많을 수록 좋지만 데이터를 학습하는데 엄청난 시간이 걸려서 비율을 잘 조절하는게 좋을 거 같다고 생각이 들었습니다.

다음에는 최고의 감정과 %만 나왔는데 다른 감정들과 %도 나타내면 좋을 것 같다고 생각이 들었습니다.