운량은 천체 관측을 지속하는 데에 중요한 요소 중 하나이다. 과거에는 관측자가 날씨를 직접 판단할 수밖에 없 었으나, 원격 및 자동 관측 시스템의 개발로 관측자의 역할이 상대적으로 줄어들었다. 또한 구름의 다양한 형태와 빠른 이동 때문에 자동으로 운량을 판단하는 것은 쉽지 않다. 이 연구에서는 기계학습 기반의 파이썬 모듈인 “cloudynight” 을 밀양아리랑우주천문대의 전천 영상에 적용하여 운량을 모니터링하는 프로그램을 개발하였다. 전천 영상을 하위 영역 으로 나누어 각 39,996개 영역의 16개의 특징을 학습하여 기계학습 모델을 생성하였다. 검증 표본에서 얻은 F1 점수는 0.97로, 기계학습 모델이 우수한 성능을 가짐을 보여준다. 운량(“Cloudiness”)은 전체 하위 영역 개수 중 구름으로 식별 된 하위 영역 개수의 비율로 계산하며, 운량이 지난 30분 동안 0.6을 초과할 때 관측을 중단하도록 자동 관측 프로그 램 규칙을 정하였다. 이 규칙을 따를 때, 기계학습 모델이 운량을 오판하여 관측에 영향을 미치는 경우는 거의 발생하 지 않았다. 본 기계학습 모델을 통하여, 밀양아리랑우주천문대 0.7 m 망원경의 성공적인 자동 관측을 기대한다.

DWI 검사 시 인체 조직 및 병변에 근접한 공기는 영상왜곡을 가중해 병변 감별에 어려움을 준다. 이에 본 연구는 팬텀을 제작하 여 기하학적 왜곡을 줄여주는 SMS RESOLVE DWI를 통해 공기 자화율에 의한 왜곡 변화를 정량화하였다. 팬텀은 원통형으로 내부에 공기가 존재하도록 설계하였다. 제한된 환경 속에서 다양한 자화율에 의해 왜곡이 영상에 구현되도록 팬텀 내부에는 증류수, 젤라틴 외 혼합 물질과 공기를 구분되게 채웠다. 팬텀의 정렬을 다르게 하여 공기 있는 상태 실험을 진행 후, 공기 대신 혼합액 넣은 상태 실험을 같은 방식으로 진행하였고 혼합액 대신 증류수 넣은 상태 실험을 진행하였다. 3T MRI 장비로 T2WI, C DWI, SMS-RESOLVE DWI를 촬영하였고 파이썬 OpenCV로 이미지 유사도를 측정 후 비교 분석하였다. 실험 결과 공기 있는 상태 SMS-RESOLVE DWI b0에서 SSIM 평균 0.898, MSE 평균 0.068로 영상왜곡이 가장 적었다. SMS-RESOLVE DWI의 공기 자화율 왜곡 변화는 b0 기준 SSIM, MSE 모두 –0.033~0.003 이미지 유사도 차이를 보였다. SMS-RESOLVE DWI b1000은 수치상 이미지 유사도 차이가 크지 않거나 감쇄되는 때도 있어서 향후 SNR 보완에 초점을 둔다면 보다 개선된 영상진단 성능을 제공할 것으로 기대되고 오픈 소스 라이브러리를 통해 오차를 최소화한 이미지 처리와 유사도를 분석하는 새로운 시도는 앞으로의 연구 방향에 새 모델을 제시한다.

VR 및 AR은 대중들이 접근하기 어려운 기술이 아닌, 개인용 스마트 폰 하나로 체험 및 활용 할 수 있는 시 대가 되었다. 최근 이런 개인용 스마트 폰의 다양한 센서를 활용한 AR 콘텐츠가 개발되고 서비스 되고 있다. AR 콘텐츠의 수요가 커지면서Software교육의 수요도 커지게 되었다. 하지만, 비전공자들도 배우기 쉬운 Python 언어를 중심으로 SW 교육이 활발해졌음에도, 아직까지 AR 콘텐츠 개발에서는 Python을 적극적으로 사용할 수 없다. AR 콘텐츠는 기술 분야 뿐 아니라 인터렉티브 아트 분야에서도 활발하게 사용되고 있다. 최근 인터 렉티브 아티스트들은 Python을 이용하여 인공지능을 활용한 작품을 개발 및 전시하고 있다. Python을 통한 SW 교육은 SW 분야의 취업에만 필요한 것이 아니라 아트 분야에서도 필요한 교육이 되었다. 본 논문에서는 AR 콘텐츠 개발 교육을 위한 Python과 Unity 3D Engine을 이용한 네트워크 기반 AR 프레임 워크를 제안한다. 제 안한 AR 프레임 워크는 Web 기반 브라우저에서 개인용 스마트 폰의 카메라에 접근하여 카메라 정보를 Main Server에 전송하고 Python에서 Mark를 분석한다. Mark 정보에 맞춰 Unity 3D Engine에서 3D 오브젝트를 렌더 링하고, 카메라 정보화 합성 후, MJPEG 스트리밍으로 개인용 스마트 폰 화면에 렌더링 된다. 본 논문에서 제 안한 AR 프레임 워크는 SW 교육 플랫폼과 비대면 교육 플랫폼의 요구사항을 반영하며, 인터렉티브 아티스트 들의 다양한 도전에 필요한 기술적 제한을 낮춰 줄 것으로 기대한다.

본 연구는 데이터 과학의 과정에 따른 파이썬 기반의 외부고리 은하 영상 분석 알고리즘 개발을 목적으로 한다. 잠재적 사용자는 학생과 교사를 포함한 시민 과학자로 정하였다. 은하의 실제 데이터를 이용한 분류 연구는 IRAF 라는 전문 소프트웨어가 이용되고 있어 일반인이 접근하기에 한계가 있다. 이에 IRAF를 사용한 선행 연구의 결과와 비교 검 증이 가능한 외부고리 은하를 분석 대상 천체로 정하여, 영상 분석 알고리즘을 개발하고 그 결과를 검증하였다. 검증 결과 총 69개의 외부고리 은하 중 50개(72.5%)가 IRAF 결과와 높은 일치를 보였다. 남은 19개(27.5%)는 시선 방향에 겹친 밝은 별의 존재 혹은 은하 내부의 약한 밝기로 인해 IRAF 결과와 다른 낮은 일치를 보였다. 보완 과정을 거친 최종 결과물은 공유 및 교육 자료의 활용도를 높이기 위해 전체 사용된 데이터와 알고리즘, 파이썬 코드 파일 및 사용 설명서를 GitHub에 탑재하였다.

The present paper was intended to examine the research trends in English for Specific Purposes (ESP) using python and text mining. For this purpose, data were first collected from domestic and foreign theses as well as academic journals published between 1990 and 2019 and available on Research Information Sharing Service (RISS). Then keywords from the titles of the studies were extracted and analyzed via text mining. The study revealed that (1) Both domestic and foreign studies seemed to share much in common in terms of their favored research topics in ESP-text communication, English for Academic Purposes (EAP), and course/curriculum design; (2) Corpus/needs analyses were most favored in Korean ESP studies, while genre/needs analyses and case studies were in foreign ESP studies; (3) 'Engineering' was the field of study most dealt with in both domestic and foreign EAP research; and (4) Not all trends in the same period coincide in domestic and foreign ESP studies. Finally, the present study offered future directions derived from the results of the study.

본 논문에서는 게임과 3D 모델링에 많이 이용되는 라이브러리, MS사의 Direct3D를 파이썬(Python)에서 사용할 수 있도록 하는 인터페이스 구현 기술에 대하여 논한다. 현재 주로 MS에서 출시되는 언어군에서만 DirectX를 사용할 수 있지만, 본 논문에서 제시한 방법을 이용하면 파이썬 뿐 아니라 다양한 언어에 DirectX라이브러리를 인터페이스를 제작할 수 있고, 다양한 언어를 쓰는 사용자들에 의해 이 라이브러리의 활용폭을 넓힐 수 있을 것이다. 본 논문에서는 인터페이스 모듈 작성 기법을 설명하고 파이썬을 이용했을 때의 장점과 단점들을 설명한다.