SW·AI 융합 우수성과 발표회

SW융합전공, SW복수(부)전공 학생 여러분!
SW융합전공, SW복수(부)전공을 이수하는 과정에서 얻어진 여러분의 성과를 뽐내주세요.
  • 대회 정보
  • 참가 팀 정보

대회 개요

  • 참가대상
    반드시'SW융합전공(소프트웨어·인문, 테크놀로지아트, 사이버보안, 소프트웨어벤처)'과 '소프트웨어학부(컴퓨터공학부) SW복수(부)전공'학생들로‘만’ 팀 구성 (팀 규모 1인 이상, 5인 이하)
  • 참가 주제
    우수 작품, 논문, 특허, 창업 아이템, 소프트웨어·앱 등

운영 일정

  • 01 step

    신청 접수

    7월 29일(금) ~ 9월 5일(월) 자정까지
  • 02 step

    예 선 (서류심사)

    9월 14일(수)
    서류심사 결과 발표
  • 03 step

    본 선 (실시간 Q&A)

    9월 28일(수) 15시, 1층 전시장
  • 04 step

    최종발표

    09월 29일(목)
    수상작 발표

신청접수 안내

STEP 01. 신청접수 (온라인접수)
☑신청접수(서류심사) 제출물
01. 작품설명서 : 양식 內(작성안내) 반영 필
02. 결과물 : 우수 작품, 논문, 특허, 창업 아이템, 소프트웨어·앱 등
STEP 02. 예 선(서류심사)
본선 진출 10팀 선발
STEP 03. 본 선
☑ 본선 제출물
01. 작품 포스터 (전시용)
STEP 04. 최종발표
오프라인 작품 발표 심사를 통해 최종 6팀 결정
▪심사기준 - 예 선(서류심사) : 독창성, 난이도, 가능성, 적절성
- 본 선 : 독창성, 난이도, 실용성, 완성도, 전시/발표

시상 내역

※ 제출된 작품 수준에 따라 시상 내역이 변경될 수 있습니다.

  • 최우수상

    1개 팀 100 만원

    (소프트웨어대학장상)
  • 우수상

    2개 팀 80 만원

    (다빈치SW교육원장상)
  • 장려상

    3개 팀 50 만원

    (다빈치SW교육원장상)

안내사항

제출된 작품 수준에 따라 시상 내역이 변경될 수 있습니다.

개인(1인팀) 참여자가 수상할 경우 책정된 금액의 50% 지급 (예 : 최우수상 50만원)

신청서는 제출 후 누락 및 오류 등의 여부를 필히 확인해주시기 바랍니다.

경진대회 예선 통과자는 SW·AI TECH FAIR 전시 참여 의무가 있습니다.

동일 작품을 SW·AI TECH FAIR 내 2개 대회 이상 출품 불가하며, 사후 유사 작품이 확인되면 수상을 취소할 수 있습니다.

  • 대회 정보
  • 참가 팀 정보
최우수상
  • 조석주
  • Data Structure Monitoring : Linux Kernel 내부 구조체의 변화를 보다 쉽게 기록 하고 열람하도록 돕는 라이브러리
  • [개발 동기] 최근 Linux kernel은 Android OS를 비롯한 모바일 플랫폼, IoT, Data Center, High-Performance Computing 등 다양한 분야에서 활용되고 있다.따라서 Linux kernel을 분석하고 최적화 하는 것에 대한 관심 또한 높아져 가고 있다. Kernel 내부에서의 제어의 흐름은 다양한 종류의 구조체를 기반으로 하는데, 이러한 구조체의 변화를 관찰하는 것은 kernel의 동작을 정확히 이해하는 과정에서 굉장히 핵심적이다. User-Level의 IDE에서는 다채로운 debugging tools와 실시간 메모리 감시 기능 들을 제공하고 있기 때문에 IDE에서 제공하고 있는 기능을 익히면 보다 쉽게 debugging을 할 수 있다. 하지만 kernel-level에서의 debugging을 지원하는 도구는 굉장히 제한적으로 제공되고 있으며, debugging 자체가 전체 시스템 performance에 영향을 미칠 위험도 따른다. 정확한 구조체의 변화를 관찰하기 위해 우리는 해당 값을 직접 kernel log에 출력할 수도 있다. 그러나 대부분의 경우 kernel functions들은 상당히 빈번하게 호출이 되므로 단순히 log에 값을 기록하는 방법으로는 정확하게 어떤 값이 몇 번이나 저장되었는지 세아리기가 쉽지 않다. 본 연구에서는 kernel 내부의 구조체의 변화를 좀 더 쉽게 기록하며 확인할 수 있도록 새로운 구조체를 제안한다. [주요 특징]   - Kernel 내부 자료 구조인 XArray를 사용하여 보다 향상된 안정성, 신뢰성, 효율성을 제공하고자 하였다.  - 보다 범용적인 활용도를 위하여 높은 추상화 수준을 제공하였다.
  • more
우수상
  • 빵빵이
  • 법원의 판단과정의 실증적 검증을 위한 폭행과 협박의 정도에 대한 한국 대법원의 판단기준 분석
  •  공공인재학부 학생으로 판결 내용에 대해서 매우 공부를 많이 하게 되었고, 이를 AI가 학습하여 결과물(판결)을 도출할 수 있도록 하는 것을 목표로 하고 있습니다. 그래서 인문학 ·  소프트웨어 융합 전공을 이수하고 있는 학생으로 이에 필요한 지식을 습득했습니다. 이중 소프트웨어를 통해 다중 요소들에 대해서 회귀가 가능했기에 이를 활용해보고자 했습니다.  일반인들도 법원의 판단 과정에 있는 다양한 요소들을 제대로 판단하여 예측할 수 있는 방법론과 컴퓨팅을 통해 각각의 요소들의 회귀 모수들을 바탕으로 요소들 간의 상관 관계를 증명해냄으로써 판결을 도출해내는 것이 목적입니다. 선형회귀 기법을 사용해서 법원이 판단 기준으로 제시하는 것들의 중요도를 판단하여 법률적 지식을 가진 사람 뿐만 아니라 일반인들도 직관적으로 바로 볼 수 있도록 하였습니다. 소프트웨어와 같은 경우는 weka를 활용했으며, 협박과 폭행의 정도를 다루고 있는 대법원의 판례 100개를 바탕으로 데이터를 구성했습니다. 96%의 판결에 대해서 예측 가능했으며, 이는 더 많은 판결과 요소들에 대해서 판단 기준을 달리할 경우 더 높은 정확도를 확인할 수 있을 것입니다. 특히 t-검정 및 f-검정 결과 99%의 신뢰도에서 유의미한 값을 도출해냈습니다. 인문학 ·  소프트웨어에서 배운 성과인 본 논문은 [HK+ 인문콘텐츠연구소] 학술지 <인공지능인문학연구> 10권에 제출하게 되었으며, 이재성 교수님의 기계학습자동화연구실의 학부연구생으로 들어가게 되는 계기가 되어 이를 소개하고자 합니다.
  • more
우수상
  • ONESTAR
  • ONESTAR-Study Place : 중앙대 학생 공부 장소 추천 웹 애플리케이션 개발
  • [개발동기 및 제작목적] 재학생의 수에 비해 현저히 적은 학술정보원의 열람실 좌석의 수는 매년 시험기간 학생들의 고민거리였다. 최근 지난 2년은 코로나 바이러스로 인해 대부분의 수업이 비대면으로 진행되었고 학술정보원과 교내 카페들이 코로나 창궐 이전 시기에 비해 한산해져 큰 문제가 되지 않았다. 그러나 이제는 대부분의 대학이 전면 대면 수업을 선언하였다. 따라서 비대면으로 진행되었던 학교 생활이 대면으로 전환되었다.중앙대학교에서는 대면 시절, 시험 기간이 시작되면 학술정보원의 열람실 자리 부족은 매년 있던 연례행사 같은 일이었다. 학술정보원에 자리를 잡지 못한 학생들은 학교 인근의 카페에서 공부를 하거나 공강시간을 보냈다.그러나, 학교 근처 유명한 카페들은 자리가 없는 경우가 비일비재하여 팀 프로젝트를 진행하거나 공부를 하기 한 자리를 찾기 위해 카페, 저 카페 돌아 다녀도, 자리를 찾지 못하는 일이 자주 발생한다. 게다가, 공부 하기 좋은 장소를 찾기 위해 미리 단순히 인터넷 검색을 하는 행위만으로는 학교 주변의 공부가 잘 되는 카페를 찾기도 어렵다. 사람마다 다양한 관점이 있어 공부가 잘 되는 카페의 기준도 천차만별이다. 카페에서 공부를 하는 경우, 중요하게 생각하는 포인트의 차이를 반영해주는 프로그램은 아직 존재하지 않았다.학생들이 원하는 여러 개의 특징을 가진 카페를 쉽게 찾을 수 있고, 자주 가는 카페에 자리가 없을 때 그 카페와 비슷한 다른 카페를 찾을 수 있다면 시험기간과 공강을 보내는 중앙대 재학생들은 시간을 효율적으로 사용할 수 있고 학교 생활의 만족도도 올라갈 것이라고 예상했다. 그래서 이런 서비스를 제공하는 웹 서비스를 직접 제작하면 좋을 것이라는 판단을 하게 되어 이번 프로젝트를 계획하게 되었다. 
  • more
장려상
  • 인트로
  • 하수처리장 수질 예측모델 개발
  • [연구 동기 및 목적] 하수처리장은 생활하수를 대상으로 처리하는 시설인 만큼 현재 하수도 수질관리를 위한 여러 관리 방안이 요구되고 있다. 하지만 하수도 시설의 전반적 운영이 행정구역을 중심으로 이루어짐에 따라 효율적 관리가 어려운 상황이다. 최적의 수질관리 시스템을 개발하여 광역적으로 적용한다면 효율적인 관리가 가능해질 것이다. 수질 예측을 통해 녹조 발생에 선제 대응하고 수질사고를 미연에 방지하여 안전한 물을 공급할 수 있다. 따라서 본 연구는 하수처리장의 수질관리 선진화를 위하여 하수처리장의 수질을 예측하는 최적의 모델을 찾고자 한다.[주요특징] 선행연구를 참고하여 방류수 COD, 방류수 TN을 하수처리장 수질 예측을 위한 타겟 변수로 선정하였다. COD는 화학적 산소요구량으로, 미생물이 분해하지 못하는 유기물을 화학적 산화제가 직접 산화시키는데 소모된 양에 따른 전자 이동량을 산소 필요량으로 환산한 값이다. TN은 수중에 포함된 무기질 질소 및 유기성 질소의 질소량 합계로, 질소가 많을수록 녹조의 생육을 촉진시킨다. 따라서 COD, TN이 높을수록 수질 오염이 심하다는 의미이다. 예측하려는 하수처리장 수질 데이터는 시계열 데이터이다. 시계열 데이터란 시간의 흐름에 따라 순차적으로 기록된 데이터를 가리킨다. 본 연구에서는 전통적인 시계열 예측 모델보다는 자연어 처리 등의 분야에서 많이 사용하는 딥러닝 모델을 위주로 실험해보았다. Transformer, GRU, Bayesian LSTM을 활용하여 예측한 후 MSE를 비교한 결과, Bayesian LSTM 모델의 MSE가 COD에서 0.66, TN에서 0.54로 가장 낮았다. Bayesian LSTM의 hyperparameter를 tuning하여 각각 MSE를 0.52, 0.54로 낮추었고, plot을 그려본 결과 COD, TN 모델 모두 epistemic uncertainty가 낮고 예측치와 관측치 사이의 차이가 적은 것을 확인할 수 있었다. 따라서 Bayesian LSTM 모델을 활용한다면 하수처리장 수질 데이터를 잘 예측할 수 있다는 결론을 지을 수 있었다.
  • more

중앙대학교 다빈치 sw tech fair 참가신청 닫기