총 4개
-
수업 녹화 컨텐츠 및 수업시간에 제시된 디지털(매체) 및 인공지능 애플리케이션을 적용한 사례 또는 새로운 어플리케이션을 찾아 실제 적용해보기2025.01.131. 가상현실(VR) 수업 녹화 컨텐츠에서는 가상현실(VR) 기술을 활용하여 학생들이 실제로 체험하기 어려운 환경을 모의할 수 있습니다. 예를 들어, 역사 수업에서는 VR을 이용하여 과거의 역사적 장면을 체험하거나, 과학 수업에서는 분자 구조나 우주 공간을 가상으로 탐험할 수 있습니다. 2. 언어처리 인공지능 애플리케이션 수업시간에는 언어처리 인공지능 애플리케이션을 활용하여 학생들이 언어 학습을 보다 효과적으로 할 수 있습니다. 예를 들어, 언어 학습 앱을 통해 실시간으로 발음을 피드백 받거나, 문법 및 어휘 학습에 맞춤화된 학습 ...2025.01.13
-
딥러닝을 이용한 COVID-19 흉부 X선 영상 자동 탐지2025.01.031. COVID-19 진단 이 연구에서는 COVID-19 환자를 식별하기 위해 흉부 X선 영상을 사용했습니다. DenseNet169 심층 신경망을 사용하여 이미지 특징을 추출하고 XGBoost 알고리즘을 통해 분류를 수행했습니다. 제안된 방법은 기존 방법보다 더 정확하고 빠르며 허용 가능한 성능을 보였습니다. 이는 의료 영상 분석과 방사선학 분야에서 딥러닝의 발전을 보여줍니다. 2. XGBoost 알고리즘 XGBoost는 2016년 Chen & Guestrin이 제안한 트리 부스팅 기반의 효율적이고 확장 가능한 알고리즘입니다. 여러...2025.01.03
-
AI 기반 컴퓨터 비전 기술을 활용한 의료 서비스 평준화2025.01.021. AI 기반 컴퓨터 비전 기술의 의료 적용 고령화 사회에서 건강과 의료에 대한 관심이 높아지고 있지만, 실질적으로 양질의 의료 서비스를 받기 위해서는 특정 병원에 대한 의존도가 높아지고 있습니다. 이에 컴퓨터 비전 기술을 활용하여 지역과 관계없이 동일한 진료 기준으로 질환을 판정할 수 있는 시스템을 구축하여 모두가 평등한 의료 서비스를 받을 수 있는 환경을 만드는 것이 필요합니다. 1. AI 기반 컴퓨터 비전 기술의 의료 적용 AI 기반 컴퓨터 비전 기술은 의료 분야에서 매우 유망한 기술로 주목받고 있습니다. 이 기술은 의료 영...2025.01.02
-
노이즈가 섞여있는 데이터를 어떻게 피팅할까? RANSAC (파이썬 예제 포함)2025.01.191. 데이터 노이즈 처리 데이터 분석을 할 때 노이즈가 섞여있는 데이터를 어떻게 처리할 수 있을까? 이상치 데이터를 제거하는 것은 어려울 수 있으므로, 노이즈에 강한 모델을 찾는 것이 중요하다. RANSAC 알고리즘은 무작위 샘플링과 반복적인 검증 과정을 통해 노이즈의 영향을 최소화하고 신뢰할 수 있는 모델을 찾는 방법이다. 2. RANSAC 알고리즘 RANSAC 알고리즘은 1) 무작위 샘플 선택, 2) 모델 적합, 3) 인라이어와 아웃라이어 구분, 4) 모델 평가, 5) 반복의 과정을 거친다. 이를 통해 노이즈가 많은 데이터에서도...2025.01.19