STEM+I 생각교실 운영 사업 교육 프로그램 2022 AI를 이용한 실험데이터 처리의 이해와 탐구 충북대학교 과학영재교육원 2022년 STEM+I 생각교실 운영 사업 교육 프로그램 프로그램 개요 기관명 충북대학교 과학영재교육원 프로그램명 화학I 주요 단원 관련 과목 화학 관련 단원 STEM+I S, T, E, 요소 M, I 주요 적용 학년 고1/고2 개발차시 4 물질의 성질:물리적 성질과 화학적 성질 물질의 변화: 화학반응 적용 지역 보조 주 개발자명 개요 수정보완 무기 안료에 대한 이해와 탐구 주요 과목 주요 수업 구분 (신규/수정보 완) 개발자 무기 안료의 특성을 이해하고, 무기 안료를 직접 합성해 유용한 물질을 만들어 보기분광 광도계를 이용해 무기 안료가 빛을 흡수하는 영역과 안 료가 띠는 색과의 관계를 이해하고, 미지 용액의 농도 구하기 1차시: <개념 도입> - 안료와 염료의 차이 이해하기 - 유기 안료와 무기 안료에 대한 특징을 비교, 분석하기 <개념 확장> - 무기 안료가 색을 띠는 원리 이해하기 2차시: 차시별 주요내용 (키워드 위주) <탐구활동> - 무기 안료 합성하기 - 합성한 무기 안료로 그림물감 만들기 3차시: <과학기술 적용> - 분광 광도계를 이용하여 다양한 색을 띠는 무기 안료의 최대 흡수 파장 과 흡광도 측정하기 4차시: <과학기술 적용> - 비어-람베르트 법칙을 이해하고 안료의 농도에 따른 흡수 스펙트럼 분 석을 통해 미지 용액의 농도 구하기 [화학] AI를 이용한 실험데이터 처리의 이해와 탐구 (7) 교수-학습 과정의 전개 학생용 1차시: 카페인 표준 용액을 제조해 보자 활동지 수업일 ( ) 학년 ( ) 반 이름 모둠 [학습 목표] Ÿ 카페인의 구조와 화학식, 성질을 설명할 수 있다. Ÿ 카페인 표준 용액을 만들 수 있다. Ÿ 다양한 용액의 농도 표현을 이해하고 퍼센트농도를 몰농도로 환산할 수 있다. [실험 안전 유의사항] § 실험 진행 시에는 반드시 실험복을 입은 상태에서 장갑을 끼고, 보안경을 쓰고 실험하도록 지도, 폐수는 유기물로 처리, 피펫 팁과 일회용 스포이드는 하나의 용액에만 사용하도록 한다. § 학생들이 실험 준비물 및 화합물 시약을 다루기 전에 각 화합물 및 실험기구 사용법에 대해 충분 히 설명한 후 활동을 진행한다. 1차시 [개념 도입] 카페인의 구조와 화학식, 성질 [들어가기] 커피 계산기 경험하기 ◆ 아래 사이트에 접속하여 가장 인기 있는 130가지 이상의 커피 음료 중에서 선택하고 체 중에 맞는 최적의 안전한 커피양을 찾아보자. 1. 카메라 앱을 연다 2. QR 코드를 화면에 대면 주소가 생성되는데 그 주소를 클릭한다. (사이트 주소: https://www.caffeineinformer.com/coffee-calculator) 3. 커피의 종류, 몸무게, 카페인 민감도를 선택하여 검색한다. 4. 커피의 종류를 변경해가면서 섭취량을 표에 정리한다. 5. 옆 친구와 비교한다. 커피 계산기 바로가기 커피의 종류 카페인 양(mg) 커피 용량 - 29 - 권장 섭취량 권장 카페인 양 [화학] AI를 이용한 실험데이터 처리의 이해와 탐구 학생용 2차시: 분광광도법의 원리를 이해하자 활동지 수업일 ( ) 학년 ( ) 반 이름 모둠 [학습 목표] Ÿ 분광 광도계의 원리 및 사용법을 익힌다. Ÿ 분광 광도계를 이용하여 카페인 표준 용액의 흡수 스텍트럼을 측정하고 분석할 수 있 다. Ÿ 분광 광도계를 이용하여 다양한 음료의 흡수 스텍트럼을 측정하고 분석할 수 있다. [실험 안전 유의사항] § 실험 진행 시에는 반드시 실험복을 입은 상태에서 장갑을 끼고, 보안경을 쓰고 실험하도록 지도, 폐수는 유기물로 처리, 피펫 팁과 일회용 스포이드는 하나의 용액에만 사용하도록 한다. § 학생들이 실험 준비물 및 화합물 시약을 다루기 전에 각 화합물 및 실험기구 사용법에 대해 충분 히 설명한 후 활동을 진행한다. 2차시 [탐구 및 개념 확장] 분광광도법의 원리 이해 * 분광 광도계에 대한 설명: 탐구1 끝난 뒤 교사 설명(기초 지식 참고) - 분광 광도계의 구성 요소에 대한 설명 * 비어-람베르트(Beer-Lambert) 법칙 설명: 탐구2 끝난 뒤 교사 설명(기초 지식 참고) [탐구1] 분광 광도계(spectrometer)의 원리 ◆ 분광광도법(spectrophotometry)은 빛을 이용하여 물질 정보를 알아내는 분석법이다. 물질에 빛을 쬐어주면, 물질을 구성하는 입자(분자)들이 빛의 영향을 받는다. 분자가 빛을 흡수하면 분자의 에너지가 높아진다. 쉽게 말해 들뜬상태(excited state)가 된다. 분자가 흡수했던 빛을 방출하면 에너지는 낮아진다. 분자의 가장 낮은 에너지 상태를 바닥상태(ground state)라 한다. 쬐어주는 빛의 파장에 따라 분자에 미치는 영향이 다르다. 분자에 가시광선(visible light)과 자외선(ultraviolet)의 빛을 쬐면 일어나는 현상을 알아보자. - 33 - [화학] AI를 이용한 실험데이터 처리의 이해와 탐구 학생용 3차시: 선형 회귀 모델을 알아보자 활동지 수업일 ( ) 학년 ( ) 반 이름 모둠 [학습 목표] Ÿ 기계학습의 원리와 알고리즘 모델을 설명할 수 있다. Ÿ Orange3를 활용하여 선형 회귀 모델을 설명할 수 있다. 3차시 [과학기술 적용] 개념 이해 및 과학기술의 연관성 탐색 [탐구1] 기계학습의 이해 ◆ 기계학습은 인공지능의 한 분야로서 사람의 직접적인 명령이 없어도 데이터를 통한 학 습 경험을 바탕으로 성능을 발전시킨다. 기계가 데이터를 통해 학습한다는 의미에서 ‘기계 학습(Machine Learning)’ 이라고 한다. 기계학습은 학습 방법에 따라 크게 두가지 방법으로 구분한다. 지도 학습과 비지도 학습에 대해서 조사하고, 각각의 알고리즘 모델을 알아보자. 지도 학습(Supervised Learning)은 데이터에 대한 명시적인 정답 즉, 레이블 (Label)이 주어진 상태에서 컴퓨터가 학습하는 방식이다. 비지도 학습(Unsupervised Learning)은 레이블(Label)이 없는 데이터를 제공 받아 새로운 데이터에 대한 결과를 예측하는 방식이다. 지도학습에는 대표적으로 분류(classification)와 회귀(regression)가 있다. 분류 가 전형적인 지도 학습이며, 주어진 데이터를 정해진 카테고리(label)에 따라 분류하는 문제를 말한다. 회귀는 어떤 데이터들의 예측 변수(Predictor variable)라 불리는 특성(feature)를 기준으로, 연속된 값(그래프)을 예측하는 문 제로 주로 어떤 패턴이나 트렌드, 경향을 예측할 때 사용된다. 지도 학습 알고리즘에는 K-최근접 이웃(k-Nearest Neighbors), 선형 회귀 (Linear Regression), 로지스틱 회귀(Logistic Regression), 서포트 벡터 머신 (SVM, Support Vector Machine), 결정 트리(Decision Tree)와 랜덤 포레스트 (Random Forest), 신경망(Neural Network)가 있다. 지도학습에는 대표적으로 비슷한 특징끼리 군집화 하여 새로운 데이터에 대한 결과를 예측하는 군집화(Clustering)가 있다. 군집 알고리즘에는 K-평균 (k-Means), 계층 군집 분석(HCA, Hierarchical Cluster Analysis), 기댓값 최대화 (Expectation Maximization)가 있다. - 37 - [화학] AI를 이용한 실험데이터 처리의 이해와 탐구 학생용 4차시: 카페인 음료 계산기를 만들어보자 활동지 수업일 ( ) 학년 ( ) 반 이름 모둠 [학습 목표] Ÿ 캐글과 같은 플랫폼을 활용하여 문제해결에 필요한 데이터를 찾을 수 있다. Ÿ 엔트리를 활용하여 카페인 음료 계산 프로그램을 만들 수 있다. Ÿ 인공지능 프로젝트 단계를 이해하여 인공지능 프로그램 제작 계획서를 작성할 수 있다. 4차시 [공학적 산출물] 설계하기/공학적 결과 구현하기 [탐구1] 엔트리를 활용한 카페인 음료 계산기 만들기 제목: 나의 하루 적정 카페인 음료양은? [카페인 데이터 수집] 1. 캐글(https://www.kaggle.com/) 접속 캐글은 2010년 설립된 예측모델 및 분석 대회 플랫폼으로 다양한 데이터셋을 얻을 수 있으며 데이터 분석자료도 공유되어 있다. 2. caffeine 검색하여 음료의 카페인 함량을 살펴본다. 3. 데이터 세트를 확인 후 다운로드 받는다. ※ 식약처는 카페인의 지나친 섭취로 인해 수면장애, 불안감 등 부작용을 일으킬 수 있어서 카페인 최대 일일섭취권고량을 성인의 경우 400mg 이하, 임산부는 300mg 이하, 어린이‧청소년은 체중 1kg당 2.5mg 이하로 설정하여 관리하고 있습니다. - 42 - 

STEM+I 생각교실 운영 사업 교육 프로그램 2022 증상에 따라 병원 안내해주는 인공지능 병원 안내 어플 군산대학교 과학영재교육원 2022년 STEM+I 생각교실 운영 사업 교육 프로그램 프로그램 개요 프로그램명 주요 적용 학년 구분 군산대학교 기관명 과학영재교육원 (신규/수정보 완) 신규 증상에 따라 병원 안내해주는 인공지능 병원 안내 어플(App) 개발차시 주요 과목 정보과학 주요 단원 단원 Ⅲ 문제 해결 관련 과목 과학, 정보 관련 단원 단원 III 분류와 예측 S, E, I 적용 지역 STEM+I 요소 보조 주 개발자명 주요 수업 개요 4차시 개발자 데이터를 기반으로 학습을 수행하는 기계학습의 원리를 이해하고, 인공지 능 프로그램을 직접 만들어보고, 인공지능 프로그램을 활용하여 생활속 문 제를 해결한다. 차시 주요 활동/내용 준비물 l 규칙을 기반으로 하는 전문가시스템 이해하기 1 사실을 유도하는 과정을 활동지, 알고리즘을 이용하여 표현 영상,PC 해보기 l 지도학습과 비지도학습 개념 익히기 차시별 주요내용 l 지식이 논리의 형태로 표현되어 추론을 통해 새로운 2 (키워드 위주) l 머신러닝에서 학습의 의미와 모델이 무엇인지 개념을 익히고, 머신러닝의 지도학습 기술과 비지도학습 기술 을 구분해본다. l 내 얼굴을 알아보는 앱 만들기 3 PC PC, l 머신러닝 이미지분류를 이용하여 내얼굴을 알아보는 안드로이드 앱을 만들어본다. l 증상에 따라 병원 안내해주는 앱 만들기 4 활동지, 폰 PC, l 텍스트데이터를 학습하고 분류하여 인공지능 프로그램 안드로이드 을 만들어본다. 폰 2022년 STEM+I 생각교실 교수 ․ 학습 지도안 2 프로그램 명 증상에 따라 병원 안내해주는 인공지능 병원 안내 어플(App) 교과명 차시주제 성취기준 학습목표 정보 대단원명 수업 차시 1 / 4 규칙 기반 인공지능 실생활 문제 상황에서 문제의 현재상태, 목표상태를 이해하고 목표상태에 도달하기 위해 수행해야할 작업을 분석한다. 전문가시스템이 만들어지는 과정을 이해할 수 있다. 수업단계 배움열기 (10분) 단원 Ⅲ 문제 해결 교수⋅학습 활동 ▸ 인공지능 개념 활동지 작성후 친구들의 생각과 비교해보기 ▸ 영상보며 궁금한점 이야기 나누기 수업자료 및 유의점 활동지, 영상 ▸ 강의주제1 : 전문가 시스템 알아보기 인간이 특정 분야에 대하여 가지고 있는 전문적인 지식을 정리하고 표현하여 컴퓨터에 기억시킴으로써 일반인도 이 전문 지식을 이용할 수 있도록 하는 배움활동 (30분) 시스템이 전문가시스템이다. 무인 자동차에 전문가시스템을 적용해본다. ▸ 강의주제2 : IF-THEN형태의 알고리즘 순서도 작성과 블록 코딩 어떠한 일을 처리하는 과정을 순서대로 간단한 기호와 도형으로 도식화한 것이 순서도이다. 교안의 1~100까지의 합을 구하는 순서도를 작성하고 앱 인벤터에서 순서도에 맞는 블록 코딩을 한다. ▸ 평가 : 1. 왓슨은 무엇을 하는 인공지능인가요? 2. 의사들이 진단할 때 왓슨이 필요한 이유는 무엇인가요? 3. 규칙 만들기 문장은 어떤 구조를 가지고 있나요? 4. 왓슨처럼 인간에게 도움을 주는 전문가시스템을 어느 분야에 적용 배움정리 (10분) 시킬 수 있을까요? 5. 전문가시스템을 활용하고 싶은 분야와 활용법 적어보기 ▸ 정리 : 규칙 기반 전문가시스템은 규칙을 만들고 규칙을 적용한 후 추론 하여 새로운 규칙을 학습하는 인공지능 시스템이다. ▸ 차시 예고 : 지도학습과 비 지도학습 이론과 실습 병행 증상에 따라 병원 안내해주는 인공지능 병원 안내 어플(App) 프로그램 명 증상에 따라 병원 안내해주는 인공지능 병원 안내 어플(App) 교과명 정보 대단원명 단원 Ⅲ 문제 해결 수업 차시 차시주제 지도학습과 비 지도학습 성취기준 머신러닝의 지도학습기술과 비 지도학습 기술을 구분할 수 있다. 학습목표 머신러닝에서 학습의 의미와 모델이 무엇인지 개념을 익힌다. 수업단계 배움열기 (10분) 교수⋅학습 활동 ▸ 친구들이 작성한 활동지의 내용을 가지고 분류기준을 정한 다음 분류기준 으로 학습해보기 머신러닝에서 학습이란 앞에 데이터를 가지고 패턴을 찾아서 예측하는 것, 즉 기계가 데이터를 보면서 학습하는 것이다. ▸ 강의주제2 : 지도학습 비 지도학습 구분 기준은 무엇인가? 지도학습인지 비 지도학습인지 파악하기 위해서 데이터에 레이블이 있는지 확인한다. 지도학습에서 사용하는 모델 분류는 레이블을 붙여놓은 데이터를 이용하는데 대표적인 모델에는 분류가 있다. 레이블이 없는 데이터를 사용 하는 비 지도학습은 군집모델을 사용한다. ▸ 평가 : 1. 지도학습, 비 지도학습은 무엇인가? 2. 인공지능 이미지 인식은 무엇인가? 3. 기계학습에서 데이터의 역할이 무엇인지 설명해보자. 배움정리 (10분) 수업자료 및 유의점 ▸ 학습이란 무엇인지 활동지 작성후 친구들의 생각과 비교해보기 ▸ 강의주제1 : 머신러닝의 학습과정 이해하기 배움활동 (30분) 2 / 4 ▸ 정리 : 데이터에 레이블이 있는가 없는가에 따라 지도학습과 비 지도학습으로 나눈다. 지도학습의 분류는 범주형 문제 예측에 사용한다. 비 지도학습에는 데이터의 특성에 따라 몇 가지 그룹으로 만드는 군집이 있다. ▸ 차시 예고 : 내 얼굴을 알아보는 앱 만들기 활동지 2022년 STEM+I 생각교실 프로그램 명 증상에 따라 병원 안내해주는 인공지능 병원 안내 어플(App) 교과명 정보 대단원명 단원 Ⅲ 문제 해결 수업 차시 3 / 4 차시주제 내 얼굴을 알아보는 앱 만들기 성취기준 머신러닝 이미지 분류를 이용하여 내 얼굴을 알아보는 앱을 만들 수 있다. 학습목표 일상생활 속에서 인공지능를 어떻게 적용할 수 있는지를 이해하고, 인공지능의 미래를 예상할 수 있다. 수업단계 배움열기 (10분) 교수⋅학습 활동 수업자료 및 유의점 ▸ 얼굴을 구별하는 인공지능 앱이 있다면 어디에서 활용할 수 있을까? 에 대해 생각해 보기 ▸ 변수란 무엇인가에 대해 알아보기 ▸ 강의주제1 : 앱 인벤터의 리스트 블록 기능 살펴보기 변수'가 하나의 값만을 저장하는 저장소라면 '리스트'는 여러 값을 저장하는 저장소이다. 앱 인벤터에서 '리스트'는 하나의 독립된 공간이 아닌 '칸막이' 이며 독자적으로 쓰이지 않고 변수나 DB와 배움활동 (30분) 함께 활용해야 한다. ▸ 강의주제2 : https://classifier.appinventor.mit.edu 이미지 학습기반 앱 인벤터 어플 만들기 카메라 기능을 이용하여 내 얼굴과 친구 얼굴을 촬영후 이미지를 분류할 내 이름과 친구 이름의 레이블을 생성하여 학습시킨 후 내 얼굴을 알아맞히는 어플을 만들어 실행해본다. ▸ 평가 : 1. 앱 인벤터의 레이아웃 수평배치와 수직 배치는 어떻게 다른가? 2. 보이는 컴포넌트와 보이지 않는 컴포넌트의 다른 점이 무엇인가? 배움정리 (10분) ▸ 정리 : 머신러닝 학습모델을 활용한 나를 알아보는 어플 프로그램의 알고리즘은 카메라로 내 얼굴과 친구 얼굴을 촬영하여 사진을 인공지능에게 학습시킨 후 학습 결과에 따라 내 얼굴과 친구 얼굴을 분류하여 알아맞힌다. ▸ 차시 예고 : 증상에 따라 병원 안내해주는 앱 만들기 이론과 실습 병행 증상에 따라 병원 안내해주는 인공지능 병원 안내 어플(App) 프로그램 명 증상에 따라 병원 안내해주는 인공지능 병원 안내 어플(App) 교과명 대단원명 정보 단원 Ⅲ 문제 해결 수업 차시 4 / 4 차시주제 증상에 따라 병원 안내해주는 앱 만들기 성취기준 텍스트데이터를 학습하고 분류하여 인공지능 프로그램을 만들수있다 학습목표 인공지능 프로그램을 활용하여 생활 속 문제를 해결할 수 있다. 수업단계 교수⋅학습 활동 수업자료 및 유의점 ▸ 안과, 내과, 피부과, 치과, 이비인후과 별로 아픈 증상을 이야기 해보고, 종합병원 코디네이터가 되어 병원 방문 환자를 안내해본다. ▸ 머신러닝 포 키즈란 무엇인가? 배움열기 (10분) 머신러닝 포 키즈(Machine Learning for kids)는 인공지능 왓슨을 개발한 IBM의 개발자 Dale Lane이 IBM Watson을 기반으로 만든 인공지능 학습 사이트이다. 머신러닝 포키즈는 인공지능 모델을 간단한 과정을 거쳐 만들 수 있도록 제작되었으며 자신이 직접 만든 인공지능 모델을 스크래치, 앱 인벤터, 파이썬 등으로 활용할 수 있도록 해준다. ▸ 강의주제1 : 머신러닝포키즈 실습 텍스트를 인식하는 프로젝트를 만들어 각 과별로 레이블을 생성하고 레이블에 각각 25개의 데이터를 입력한후 학습을 시켜 데이터를 배움활동 (30분) 가지고 테스트를 해본다. ▸ 강의주제2 : 증상을 입력하면 증상에 맞는 병원을 안내해주는 앱 인벤터 어플 만들기 머신러닝 포키즈에서 만든 텍스트 인공지능 모델을 이용하기 위해서 확장 프로그램을 불러와서 블록 코딩하여 어플을 만든다. ▸ 평가 : 1. 나만의 인공지능 모델을 설계하기 배움정리 (10분) ▸ 정리 : 머신러닝 포키즈는 인공지능 모델을 간단한 과정을 거쳐 만들 수 있다. 자신이 직접 만든 인공지능 모델을 앱 인벤터를 활용하여 증상에 따라 병원을 안내해주는 어플을 만든다. ▸ 차시 예고 : 이론과 실습 병행 

STEM+I 생각교실 운영 사업 교육 프로그램 2022 K-MEANS CLUSTERING 분류 분석 경북대학교 과학영재교육원 2022년 STEM+I 생각교실 운영 사업 교육 프로그램 프로그램 개요 (신규/수정보 완) 과학영재교육원 프로그램명 정보 주요 단원 관련 과목 수학 관련 단원 M, T 적용 지역 요소 신규 K-MEANS CLUSTERING 분류 분석 주요 과목 STEM+I 주요 적용 학년 개발차 구분 경북대학교 기관명 시 중1 6 정보 1. 정보 문화, 3. 문제해결과 프로그래밍 초6 자료와 가능성 중3 통계 자료 분석 보조 주 개발자명 개발자 이 프로그램은 인공지능 학습방법인 머신러닝 비지도학습 중 K-means clustering 방법에 대해 학습한다. 인공지능, 기계학습의 기본개념을 익히고 지도학습과 비지도 학습을 구분할 수 있고 실생활 에서의 적용 사례를 찾을 수 있다. K-means clustering에 활용되는 주요 수업 개요 수학적 기초 지식인 데이터의 평균 구하기를 익힌다. 언플러드 학습과 시뮬레이션 체험으로 K-means clustering의 기본원리를 익힌다. K-means clustering을 적용하여 자신의 스마트폰 활용 시간을 바탕으 로 사용 정도를 구분하는 엔트리 프로그램을 구현한다. 스스로 주제를 선정하고, K-means clustering을 이용하여 분류해 볼 수 있는 계획서 를 작성하고 자신이 계획한 데이터 분류의 유용성과 활용성에 대하여 발표하는 시간을 갖는다. 1차시 : 인공지능의 기본 개념 이해하기 2차시 : 지도학습을 티처블 머신을 이용하여 체험하고 지도학습 사례 찾아보기 3차시 : 비지도학습 K-means clustering 군집 알고리즘을 언플러그 차시별 드 학습을 통해 이해하고 및 시뮬레이션 해보기, k-평균 군집 주요내용 (키워드 위주) 알고리즘을 적용할 데이터 수집 4차시 : K-means clustering 알고리즘을 적용한 엔트리 프로그램 구 현하기 5차시 : K-means clustering 알고리즘을 적용해보고 싶은 데이터 선 정 및 프로그램 계획서 작성하기 6차시 : 계획서 발표 및 자기평가 및 동료평가하기 [ STEM+I 생각교실 교육 프로그램 ] 차 시 인공지능 기계학습에 대한 이해 1-2 ■ 학습 목표 1. 인공지능, 기계학습, 지도-비지도 학습의 관계를 설명할 수 있다. 2. 비지도 학습의 K-means Clustering의 원리를 이해한다. ■ 주요 학습 개념 인공지능, 기계학습, 지도학습, 비지도학습, K-means Clustering ■ 활동 과정 요약 동기 유발 인공지능 관련 영상을 시청하고 인공지능이 정보사회에 미치는 영향을 생각해본다. ò ò 기본개념 이해 인공지능의 기본개념을 이해하기 위해 인공지능, 기계학습, 지도학습, 비지도학습의 개념을 찾아 정리한다. ò ò 기본개념 도식화 하기 인공지능 관련 기본개념을 정리하고 도식화하여 포함관계를 통해 이해를 돕는다. ò ò 체험으로 지도학습 이해하기 지도학습의 이해를 돕기 위해 티처블 머신에서 마스크 인식 여부를 확인해보는 체험활동을 한다. ò ò 사례 찾기 지도학습이 적용된 실생활 사례를 찾아보고 어떻게 학습이 이뤄졌는지 탐색해본다. ò ò 비지도학습 이해하기 비지도학습의 이해를 돕는 언플러그드 활동을 한다. 언플러그드의 도움 영상을 시청하고 활동을 진행한다. - 5 - 차 시 프로그램을 이용한 K-means Clustering 3-4 ■ 학습 목표 1. K-means Clustering 할 수 있는 데이터 수집하고 확인할 수 있다. 2. 프로그램을 이용하여 K-means Clustering 하여 데이터를 분류할 수 있다. ■ 주요 학습 개념 K-means Clustering, 데이터, 비지도학습. ■ 활동 과정 요약 문제 배경 k-means Clustering을 적용할 수 있는 문제 배경을 안내한다. ò ò k-means Clustering 원리 이해 k-means Clustering 원리를 이해하고 알고리즘을 정리한다. ò ò 데이터 수집 k-means Clustering을 적용할 데이터를 수집한다. ò ò 엔트리 프로그램 구현하기 엔트리에서 k-means Clustering이 적용된 비지도 학습(군집:숫자)을 이용하여 수집한 데이터를 적용한 프로그램을 구현한다. ■ 활동지 1. 문제 배경 중1, 고1에 실시하는 인터넷·스마트폰 진단조사에서는 점수에 의해 일반, 주의, 위험으로 분류됩니 다. 사용 습관이 매우 좋지 않으면 주의와 위험으로 분류되고 대부분은 일반으로 분류됩니다. 일반 으로 분류된 학생들은 본인의 스마트폰 사용 습관이 나쁘지 않다고 생각합니다. 학생들의 스마트 폰 사용 시간을 상, 중, 하로 분류하여 학교 내에서 자신의 사용 습관을 파악하면 스마트폰 사용 습관을 확인하는 데 도움이 될 것입니다. 자신의 스마트폰 사용 시간을 입력하면 ‘당신은 우리 학 교에서 스마트폰 사용 시간이 (많음 or 보통 or 적음)입니다 .’라고 안내하는 프로그램을 만들 수 있습니다. - 13 - 차 시 K-means clustering 설계, 제작, 테스트 및 발표하기 5-6 ■ 학습 목표 1. 실생활 속 다양한 데이터를 수집, 분류하고 K-means clustering을 적용한 프로그램을 스스로 제작 발표 할 수 있다. 2. 프로그램을 만들기 위해 분류한 데이터의 유용성과 활용성을 분석하고, 이에 대해 발표할 수 있다. ■ 주요 학습 개념 K-means Clustering, 데이터의 수집과 분류 ■ 활동 과정 요약 [설계하기] K-means clustering 기본원리를 적용할 수 있는 주제를 선정하여 테이터 전체 설계 및 토의 를 수집, 분류한다. 엔트리 프로그램을 활용하여 진단 검사지를 제작한 후 적용해 본다. [제작 및 테스트 단계] 주제선정 모둠별로 진단검사를 시행할 수 있는 주제를 선정한다. ò ò 데이터 수집 및 분류 선정한 주제와 관련된 데이터를 수집하고 K-means Clustering 할 수 있도록 스프레드시트를 이용하여 데이터 파일 생성한다. ò ò 엔트리 프로그램 적용 엔트리 프로그램을 통해 인공지능 모델 학습하고 결과를 확인한다. ò ò 오류 점검 및 수정 오류 발견 때 데이터 분류 및 엔트리 프로그램 적용 과정을 확인 및 수정한다. [발표하기] 발표 및 질의 프로그램을 만들기 위해 분류한 데이터의 유용성과 활용성을 분석하고, 이에 대해 발표 후 질의응답 시간을 갖는다. - 22 -