서울시립대학교 전자전기컴퓨터공학부 목표 로드맵

공공데이터포털에서 우리 동네의 미세먼지 농도와 기온, 풍속, 강수량 데이터를 다운로드하여 상관관계를 분석하는 보고서 작성. 이미지 인식에 주로 쓰이는 CNN 모델이 어떻게 미세먼지 예측과 같은 시계열 데이터 분석에 활용될 수 있는지 원리를 탐구하여 발표하기. 미세먼지 예측 정확도를 높이기 위해 추가로 어떤 데이터(예: 중국의 산업활동 데이터, 국내 교통량 데이터)를 활용할 수 있을지 아이디어를 제시하고 그 근거를 설명하기.

국민 건강에 직접적인 영향을 미치는 대기오염 문제를 AI 기술로 해결하려는 시도입니다. 더 정확한 미세먼지 예보는 시민들에게 효과적인 건강 가이드라인을 제공하고, 정부의 대기 질 개선 정책 수립에 과학적 근거를 제시할 수 있습니다.

이 연구는 사회적 관심이 높은 미세먼지(PM2.5) 농도를 더 정확하게 예측하기 위한 딥러닝 모델을 제안합니다. 연구팀은 두 가지 강력한 딥러닝 모델인 CNN과 Bi-LSTM을 결합하는 독창적인 방법을 사용했습니다. CNN은 여러 측정소 데이터 간의 '공간적' 패턴을 파악하는 데 강점이 있고, Bi-LSTM은 시간의 흐름에 따른 '시간적' 변화 패턴을 학습하는 데 뛰어납니다. 이 두 모델을 결합하여 시공간적 특성을 모두 고려함으로써, 기존의 단일 모델보다 더 정확하게 미래의 미세먼지 농도를 예측할 수 있음을 실험으로 증명했습니다.

우리 반 친구들의 영화나 음악 취향을 설문조사하여, 가장 비슷한 취향을 가진 친구를 찾아주는 간단한 추천 프로그램을 만들어보기. 유튜브의 '다음에 볼만한 동영상' 추천이 어떤 원리로 이루어지는지 가설을 세우고, 자신의 시청 기록을 바탕으로 가설을 검증하는 탐구 보고서 작성. '학생 맞춤형 교내 동아리 추천 시스템' 아이디어를 제안하고, 어떤 데이터를 어떻게 활용할지 알고리즘을 설계해보기.