어떤 상황이었나
- — 목표 세 가지 — 환경 데이터를 활용한 코딩·로봇 활용 능력, 머신러닝·딥러닝 기초의 실습 학습, 팀별 대회를 통한 창의적 문제 해결.
- — 온실가스가 대기 중에서 어떻게 거동하고 기후 변화에 어떤 영향을 미치는지를 데이터로 처리·분석하는 방법이 필요했습니다.
어떻게 진행했나
- — ① 머신러닝·딥러닝 기초 — 지도학습·비지도학습·신경망 개념을 TensorFlow 실습으로 다뤘습니다.
- — ② 파이썬 로봇 코딩 — 근접 센서·바닥 센서로 동작을 구현하고, 온실가스 탐지 관련 딥러닝 모델 설계와 주행 실습을 했습니다.
- — ③ 온실가스 데이터 분석 — 농도 변화·배출 경로·기후 영향 데이터를 처리하고 간단한 예측 모델을 직접 만들었습니다.
- — 대회 — 미로키트에 오염물질을 배치하고 로봇으로 탐지·탈출하는 팀별 시뮬레이션. 팀워크로 문제 해결을 고민하게 했습니다.
무엇이 남았나
- — 제출된 결과물에 머신러닝 데이터 분석 프로젝트, 로봇 움직임 최적화 프로젝트 등 창의적인 결과가 많았습니다.
- — 로봇 코딩에서는 자기만의 알고리즘으로 로봇을 더 효율적으로 움직이거나 장애물 회피 시스템을 구현하는 등 팀마다 다른 방식으로 문제를 풀었습니다.
- — 학생들은 로봇·센서·머신러닝을 결합해 환경 문제를 해결하는 방법을 배웠고, 피드백은 매우 긍정적이었습니다.
이 사례가 말하는 것
전공 데이터(환경)와 AI·로봇을 한 과정에 묶으면 실습이 전공 문제 해결로 이어집니다. 대회 형식이 참여도를 끌어올렸습니다.
현장 이야기 · 네이버 블로그