2024년 2학기 프로젝트X 교과로 진행된 홈브릿지 팀(소프트웨어학과 김정훈, 최수빈, 구영민, 박준규)의 프로젝트가 2024년 디지털 사회혁신 서비스 개발·아이디어 공모전에서 서비스 개발 부문 금상(상금 500만 원)을 수상하였다
이번 공모전은 과학기술정보통신부가 주최하고 한국지능정보사회진흥원(NIA)이 주관하였으며, 118개 팀이 참여한 가운데, 서류 심사, 예선 및 결선 심사를 걸친 치열한 경쟁 속에서 2위를 차지하며 프로젝트의 혁신성과 실용성을 인정받았다. "홈브릿지 팀"의 프로젝트는 주택 문제 해결을 목표로 한 통합 플랫폼으로, 특히 AI 및 빅데이터 기술을 활용한 맞춤형 서비스 제공과 클라우드 기반 데이터 처리를 통해 사용자의 편의성을 극대화하고 주택 거래의 투명성과 효율성을 높이는 데 중점을 두었다
"홈브릿지" 팀은 "이번 프로젝트를 통해 기술로 사회 문제를 해결할 수 있다는 가능성을 확인했다"며, "앞으로도 지속적인 연구와 개발로 더 나은 서비스를 만들어가겠다"는 포부를 밝혔다
한국항공대학교 산학협력단에서 SW중심대학 사업단 업무를 함께할 직원을 모집합니다. 관심 있으신 분들의 많은 지원 바랍니다.
■ 모집 부문 및 자격 요건
○ 소속: 한국항공대 산학협력단(SW중심대학 사업단)
○ 모집 직종: 사업계약직
○ 담당 업무: 사업 진행 및 운영 등
○ 모집 인원: ○명
○ 자격 요건:
- 전문학사 학위 이상 학력 소지자
- 교육공무원 임용에 결격사유가 없는 자
- 남성의 경우 병역 필 또는 면제자
- 컴퓨터 활용 능력(한글, 엑셀, 파워포인트 등) 우수자 우대
- 대학 행정업무 및 유사 사업 진행 유경혐자 우대
■ 제출 서류
- 채용 지원서 및 자기 소개서(본 대학교 소정양식) 각 1부
- 졸업 증명서 및 전 학년 성적 증명서 각 1부
※ 성적증명서는 반드시 백분율로 환산하여 제출
- 경력 증명서(해당자에 한함) 1부
- 각종 자격증 및 이수증 사본(소지자에 한함) 각 1부
■ 전형 방법
- 2024.12.26(목) : 1차 서류전형
- 2025.01.02(목) : 2차 면접전형
- 2025.01.07(화) 이후: 합격자 발표 : 2025. 01. 07.(화) 이후
※ 각 전형별 합격자에 한하여 개별통지하며, 상기일정은 사정에 따라 변경될 수 있음
■ 접수 방법
- 이메일(sandan@kau.ac.kr) 접수
※ 모든 제출서류는 스캔하여 본 대학교 소정양식에 첨부하여 하나의 파일 형태로 전송하며, e-mail 제목에 “(산학협력단) 지원서 재중” 명기
■ 접수 기간
- 2024.12.13(금) - 2024.12.25(수) 23:59
※ 접수기간 시간 엄수
■ 기타
○ 주요 담당 업무
- 사업실적 증빙 관리, 학사 업무 및 비교과 프로그램 운영, 예산관리
○ 계약기간 1년 (근무 예정일 : 2025. 1. 13.부터)
- 1년 단위 계약 종료 시 근무평가에 의해 재임용 가능
- 본교 SW중심대학사업 종료 시까지 계약 연장가능
○ 급여 : 연봉 2,820만원 수준(퇴직금 별도, 4대보험 가입)
- 상기 급여는 학사학위 이상 소지자를 기준으로 함
- 산단 내부 규정에 의거 경력 인정 및 급여 인상
○ 최종합격자에 한하여 추후 원본 제출
○ 제출서류의 내용이 사실과 다를 경우 채용확정 이후라도 채용을 취소함
○ 건강검진, 성범죄경력조회 등에서 결격사유 발생 시 채용 취소함
○ 기타 자세한 사항은 산학협력단(☎ 02-300-0405)로 문의
이번 제 5회 한국 인공지능 학술대회에서, 한국항공대학교 SW중심대학 사업단의 지원으로 참가한 서보승(소프트웨어학과), 박영주(항공우주 및 기계 공학부) 그리고 박도희(항공우주 및 기계 공학부) 학생이 장려상을 수상했다. 한국 인공지능 학술대회는 한국통신학회가 주최하고, 한국통신학회 인공지능 소사이어티가 주관하는 대회로, 인공지능 분야에서 최신 연구결과를 공유하고 미래 인공지능 발전 방향을 전망하는 것을 목표로 한다.
이번 대회에서 장려상을 수상한 논문은 인공니증 분야의 시계열 분석 및 심층 강화학습 분야로, "환경복잡도에 따른 시계열 데이터 처리 시 LSTM과 프레임 스태킹 방법의 성능 비교"를 주제로 작성되었다. pendulum 환경에서 복잡도에 따라 난이도를 3단계로 나눈 후 강화학습의 한 종류인 PPO를 이용하여 실험을 진행하였으며, 이때 PPO에 시계열 데이터를 처리하는 대표적 방법인 LSTM과 프레임 스태킹을 각각 PPO에 합쳐 LSTM과 프레임 스태킹의 차이점에 대해 확인 할 수 있도록 진행하였다. 논문은 결과적으로 환경이 복잡 할 수록 프레임 스태킹+ PPO에 비해 LSTM+ PPO의 성능이 뛰어나다는 것을 잘 보여주었다.
이번 대회에 참가한 학생들은 "딥러닝 소모임인 deeperent 와 SW중심대학 사업단에서 열심히 지원해주고 도와주셔서 좋은 결과를 얻을 수 있었던 것 같습니다.", "논문을 써보면서 자연스럽게 강화학습이라는 주제에 대해서 이렇게 깊게 공부해볼 수 있어서 좋았습니다. 같이 준비했던 팀원에게 감사드리고, 그 외에 도움주신 모든 분들에게 감사드립니다.", "평소 제어 분야에 관심이 많았는데, 이번 기회에 심층 강화학습을 이용한 제어를 연구해보며 시계열 데이터의 처리에대해 고민해볼 수 있었습니다. 옆에서 함께 고생해주신 팀원들과, 좋은 기회를 만들어주신 딥퍼런트 및 소중대분들께 감사드립니다."라며 소감을 밝혔다.