136 Teachable_Machine_실습
Teachable Machine 실습은 코딩 없이 이미지·소리·자세 데이터를 수집하고 모델을 학습시켜 웹·앱·피지컬 컴퓨팅 프로젝트로 연결하는 노코드 AI 과정이다.
0. 교육을 하는 이유와 궁극적인 목표
Teachable Machine 실습 교육의 궁극적인 목표는 학습자가 데이터 수집, 클래스 설계, 학습, 테스트, 편향 개선, 모델 내보내기 과정을 직접 경험하고, 완성된 모델을 웹페이지·엔트리/스크래치 확장·p5.js·아두이노 반응 장치로 활용할 수 있게 하는 것이다. 민간 AI 체험 수업과 어린이·청소년 머신러닝 유료 과정처럼 짧은 시간에 결과물을 만들되, 데이터 품질과 모델 실패 원인까지 분석하도록 구성한다.
참고한 유료형 교육 흐름
- 이미지·오디오·포즈 모델을 노코드로 빠르게 만들고 즉시 테스트하는 체험형 AI 과정 흐름
- 모델을 웹사이트, 앱, 피지컬 컴퓨팅 장치로 확장하는 프로젝트 기반 유료 수업 방식
- 데이터 편향, 클래스 불균형, 테스트 샘플 분리 등 머신러닝 핵심 개념을 체험으로 익히는 구성
- 발표 가능한 AI 장난감, AI 분류기, 소리 반응 장치 산출물을 요구하는 실습형 트랙
입문 · 1일
노코드 AI 분류기 만들기
이미지 클래스를 수집하고 브라우저에서 즉시 예측 결과를 확인한다.
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 클래스와 학습데이터를 설계한다 | 좋은 예와 나쁜 예 사진을 비교하며 클래스명, 촬영각도, 배경 조건을 정한다. 각 클래스당 30장 이상 이미지를 수집하고 조명·거리·배경이 섞였을 때 예측이 흔들리는지 테스트한다. |
| 목표 2 | 모델 학습과 예측을 경험한다 | Teachable Machine 이미지 프로젝트를 생성하고 train 버튼으로 모델을 학습시킨다. 웹캠 실시간 예측 화면에서 confidence score를 확인하고 오분류 사례를 캡처해 원인을 적는다. |
| 목표 3 | 결과물을 간단히 공유한다 | 공유 링크 또는 모델 파일을 저장하고 프로젝트 설명 카드를 작성한다. 친구가 촬영한 새로운 이미지로 블라인드 테스트를 진행해 모델 신뢰도를 비교한다. |
| 사용 플랫폼 | Teachable Machine, Chrome 브라우저, 웹캠, Google Drive, Google Slides |
|---|---|
| 강사 스펙 | 노코드 AI 수업, 이미지 데이터 수집 지도, 초중등 체험형 AI 프로젝트 운영 경험 2년 이상 |
| 수업대상 | 초등 고학년, 중학생, AI 첫 입문자, 교사 연수 입문반 |
| 소요시간 | 3-5시간 |
| 준비물 | 노트북 또는 크롬북, 웹캠, 촬영용 사물 3종, 안정적 인터넷, 결과 기록지 |
| 산출물 | 이미지 분류 모델 링크, 오분류 캡처표, AI 분류기 발표 카드 |
| 평가방법 | 데이터수집 30%, 모델학습 25%, 테스트분석 25%, 발표 10%, 참여도 10% |
초급 · 3일
소리·포즈 인식 AI 실습 과정
이미지 외에 소리와 자세를 인식하는 멀티모달 미니 프로젝트를 제작한다.
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 소리 인식 모델을 제작한다 | 박수, 휘파람, 배경소음 등 클래스를 정하고 마이크로 샘플을 수집한다. 음량, 거리, 반복 횟수를 바꿔 테스트하며 false trigger가 발생하는 조건을 기록한다. |
| 목표 2 | 포즈 인식 모델을 제작한다 | 앉기, 서기, 손들기, 좌우 기울기 등 포즈 클래스를 웹캠으로 수집한다. 프레임 안 위치와 조명 조건을 바꾸어 포즈 예측 안정성을 비교한다. |
| 목표 3 | 멀티모달 사용 시나리오를 설계한다 | 소리 모델은 알림 장치, 포즈 모델은 운동 코치처럼 사용 목적을 나눈다. 각 모델의 입력환경, 실패조건, 안전주의사항을 포함한 사용 시나리오 문서를 만든다. |
| 사용 플랫폼 | Teachable Machine Audio/Pose, Chrome, 웹캠, 마이크, Google Sheets, Canva |
|---|---|
| 강사 스펙 | 음성·포즈 데이터 수집, 웹캠 기반 AI 체험, 학생 프로젝트 멘토링 경험 3년 이상 |
| 수업대상 | 초등 고학년~중학생, AI 동아리, 융합 프로젝트반 |
| 소요시간 | 10-15시간 |
| 준비물 | 웹캠, 마이크 또는 헤드셋, 조용한 공간, 포즈 촬영 공간, 실험 기록표 |
| 산출물 | 소리 인식 모델, 포즈 인식 모델, 멀티모달 활용 시나리오 |
| 평가방법 | 데이터품질 25%, 모델성능 25%, 실험비교 25%, 시나리오 15%, 발표 10% |
초급 · 1주
Teachable Machine 웹 연동 과정
학습한 모델을 HTML·p5.js 화면에 연결해 반응형 웹 작품을 만든다.
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 모델을 웹으로 내보낸다 | Teachable Machine에서 TensorFlow.js 모델을 export하고 share URL과 model.json 구조를 확인한다. 기본 예제 코드를 HTML 파일에 붙여 넣고 웹캠 예측 라벨이 화면에 뜨도록 수정한다. |
| 목표 2 | p5.js 인터랙션을 구현한다 | 예측 라벨에 따라 배경색, 이미지, 사운드, 문구가 바뀌는 인터랙션을 만든다. confidence threshold를 적용해 낮은 확률에서는 '다시 보여주세요' 안내가 나오도록 만든다. |
| 목표 3 | 사용자 테스트를 진행한다 | 3명 이상이 웹 작품을 사용해 보고 인식 실패, 사용 난이도, 재미 요소를 피드백한다. 피드백을 반영해 데이터 추가 수집 또는 UI 문구 개선을 수행한다. |
| 사용 플랫폼 | Teachable Machine, TensorFlow.js, p5.js Web Editor, HTML, CSS, JavaScript, GitHub Pages |
|---|---|
| 강사 스펙 | Teachable Machine export, TensorFlow.js 기초, p5.js 인터랙션 수업 운영 경험 3년 이상 |
| 수업대상 | 중학생, 고등학생, 블록코딩 이후 텍스트코딩 전환 학습자 |
| 소요시간 | 18-24시간 |
| 준비물 | 노트북, 웹캠, p5.js 계정, GitHub 계정, 모델 URL, 테스트 체크리스트 |
| 산출물 | AI 반응형 웹페이지, 사용자 테스트 리포트, 개선 전후 모델 비교표 |
| 평가방법 | 모델연동 30%, 인터랙션 25%, 테스트개선 25%, 코드정리 10%, 발표 10% |
중급 · 4주
AI 피지컬 컴퓨팅 연동 과정
노코드 모델을 센서·LED·서보모터 반응 장치와 연결한다.
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | AI 예측값을 장치 동작으로 변환한다 | 웹 예측 라벨을 조건문으로 처리해 LED 색, 모터 각도, 사운드 재생 동작과 연결한다. 예측 신뢰도별 동작 강도를 다르게 설정하고 오작동 방지 대기시간을 넣는다. |
| 목표 2 | 아두이노 또는 마이크로비트를 제어한다 | Web Serial 또는 확장 도구를 사용해 브라우저 예측값을 Arduino/micro:bit로 전달한다. 시리얼 통신 로그를 확인하며 라벨 문자열이 장치 제어 명령으로 바뀌는 과정을 디버깅한다. |
| 목표 3 | 전시형 AI 장치를 완성한다 | AI 분리수거함, 포즈 반응 조명, 소리 반응 게임 중 하나를 선택해 제작한다. 관람객 테스트 후 인식률, 장치 반응속도, 안전성, 유지보수 방법을 전시 매뉴얼로 정리한다. |
| 사용 플랫폼 | Teachable Machine, TensorFlow.js, JavaScript, Arduino IDE, micro:bit MakeCode, Web Serial API, p5.js |
|---|---|
| 강사 스펙 | AI 모델 웹 연동, Arduino/micro:bit 제어, 전시형 메이커 프로젝트 지도 경험 4년 이상 |
| 수업대상 | AIoT 동아리, 메이커 심화반, 교사 직무연수, 청소년 해커톤팀 |
| 소요시간 | 36-48시간 |
| 준비물 | Arduino 또는 micro:bit, LED, 서보모터, 점퍼선, 브레드보드, 노트북, 웹캠 |
| 산출물 | AI 피지컬 장치, 회로도, 동작 영상, 전시 운영 매뉴얼 |
| 평가방법 | 연동구현 30%, 장치동작 25%, 안정성 20%, 전시문서 15%, 발표 10% |
심화 · 8주
Teachable Machine 강사양성·프로젝트 설계 과정
노코드 AI 수업을 기관·학교·캠프용 패키지로 설계한다.
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 수준별 수업안을 설계한다 | 이미지, 소리, 포즈, 웹연동, 피지컬 연동을 난이도별 모듈로 나눈다. 초등·중등·교사연수 대상별 시간표, 실패 대응법, 대체 활동을 포함한 지도안을 만든다. |
| 목표 2 | 데이터 윤리와 안전 기준을 만든다 | 얼굴·음성·자세 데이터 수집 시 동의, 저장, 삭제, 공유 범위를 안내문으로 정리한다. 편향 데이터 사례를 만들고 학습자가 모델 공정성 문제를 토론하도록 활동지를 설계한다. |
| 목표 3 | 최종 운영 패키지를 완성한다 | 실습파일, 예제모델, 평가루브릭, 발표자료, 장비 리스트를 한 폴더로 구성한다. 모의수업을 진행하고 시간관리, 질의응답, 장비오류 대응 내용을 개선한다. |
| 사용 플랫폼 | Teachable Machine, TensorFlow.js, p5.js, Google Classroom, Notion, Arduino IDE, Canva |
|---|---|
| 강사 스펙 | AI 체험교육 설계, 교사연수 운영, 데이터 윤리 지도, 메이커 장비 운영 경험 5년 이상 |
| 수업대상 | AI 강사, 방과후 강사, 교육기관 운영자, 캠프 기획자 |
| 소요시간 | 72-96시간 |
| 준비물 | 수업안 템플릿, 예제 데이터셋, 장비 키트, 개인정보 동의서 예시, 평가 루브릭 |
| 산출물 | 강사용 지도안, 학생 활동지, 예제 모델 모음, 최종 운영 패키지 |
| 평가방법 | 수업설계 30%, 윤리안전 20%, 실습패키지 25%, 모의수업 15%, 피드백반영 10% |