879 lines
126 KiB
JSON
879 lines
126 KiB
JSON
{
|
|
"version": "1.0.0",
|
|
"exportedAt": "2026-10-08T00:00:00.000Z",
|
|
"id": "TRN03",
|
|
"title": "드론·미사일 실루엣 이미지 분류 학습앱",
|
|
"category": "교육·훈련",
|
|
"level": 2,
|
|
"durationDays": 5,
|
|
"requiredHours": 27.5,
|
|
"status": "COMPLETED",
|
|
"isRecommended": false,
|
|
"summary": "",
|
|
"objectives": "<p>러시아-우크라이나 전쟁과 미국-이란 분쟁 사례에서는 소형 드론, 자폭 드론, 순항·탄도미사일이 함께 쓰이면서, 장병이 하늘의 비행체 형상을 보고 위협 여부를 빨리 구분하는 능력이 중요한 기본 전투력이 되었다. 본 프로젝트에서는 실제 기체 사진 대신 사각형·삼각형·원 같은 기본 도형으로 만든 교육용 합성 실루엣을 코드로 생성해, 레이블 체계 정의, 명암·윤곽선·크기 정규화 전처리, 형태 특징 기반 Baseline, 다양한 각도·원거리·흐림 조건의 신경망 분류 고도화, 유사 형상 오분류 방지 신뢰도 점수, 학습 앱 UI, 교관 해설 검토(HITL), 대량 저품질 이미지 부하 시험, AAR 증강 재학습, 최종 패키징까지 실루엣 식별 학습앱을 단계별로 구현한다. 최종 목표는 AI가 문항 출제와 참고 판정을 돕되, 불확실한 판정과 오답 해설은 반드시 교관이 확인한 뒤 장병에게 제공되는 학습 체계를 만드는 것이다.</p>",
|
|
"deliverables": [
|
|
"data/schema/trn03_input_schema.json (필수)",
|
|
"docs/trn03_data_spec.md (필수)",
|
|
"src/preprocess/trn03_preprocessor.py (필수)",
|
|
"전처리 전후 데이터셋 (필수)",
|
|
"src/models/trn03_baseline_model.py (필수)",
|
|
"기본 추론 결과 보고서 (필수)"
|
|
],
|
|
"constraints": "<h4>부대 보안 및 개인정보 보호</h4><ul><li><p>실제 부대 편성, 위치, 작전 일정, 군번·성명 등 민감 군사보안 및 개인식별정보는 절대 외부 AI에 입력하지 않는다.</p></li><li><p>모든 실습에는 제공된 교육용 가상 데이터셋 및 시뮬레이션 표본만을 활용한다.</p></li></ul><h4>AI 결과와 인간 최종 판단의 구분 (HITL 원칙)</h4><ul><li><p>AI 모델이 제안한 분석값이나 탐지 결과는 참고 지표이며, 최종 승인·보류·교전·배치 명령은 사람이 확정한다.</p></li><li><p>모든 실루엣은 코드 안에서 기본 도형을 조합해 만든 교육용 추상 이미지이며, 실제 기종 사진·도면·제원과 부대명·위치·장비 정보는 사용하지 않는다. 부대 내 촬영이나 부대 자료의 외부 AI 서비스 입력은 금지한다. AI 판정은 학습 보조용 참고 정보이며, 실제 비행체 식별과 대응은 정식 교육과 지휘계통에 따른다. 미션별 정답 코드는 각각 한 파일로 독립 실행된다.</p></li></ul>",
|
|
"evalSummary": "<h4>공통 PASS/FAIL 판정 원칙</h4><ul><li><p><strong>수행 증거:</strong> 요구된 데이터 전처리, 모델 구현, 검증 지표 산출, HITL 워크플로우 증거가 명확한가?</p></li><li><p><strong>판단 근거:</strong> 오경보/미탐 방지, 신뢰도 등급화, 파라미터 튜닝의 군사적·논리적 근거가 타당한가?</p></li><li><p><strong>앞뒤 연결성:</strong> 앞 미션의 스키마·전처리가 뒤 미션의 예측·대시보드·AAR 재보정에 정상 연계되는가?</p></li><li><p><strong>안전성:</strong> 보안 규정 준수, 극단 과부하 상황에서의 Fail-safe 복원력이 확보되었는가?</p></li></ul><h4>프로젝트 완료 조건</h4><p>10개 미션 전체에서 요구되는 필수([필수]) 평가 기준을 모두 PASS해야 프로젝트 최종 PASS로 판정한다.</p>",
|
|
"prerequisites": "기본 프로그래밍 지식 및 교육·훈련 데이터 분석 기초",
|
|
"refFiles": [],
|
|
"refText": "",
|
|
"projectSkills": [
|
|
{
|
|
"skillId": "competency_군특화문제해결_교육·훈련_문제분석",
|
|
"level": 2,
|
|
"category": "군특화문제해결",
|
|
"subCategory": "교육·훈련 문제분석"
|
|
},
|
|
{
|
|
"skillId": "competency_군특화문제해결_교육·훈련_대안도출",
|
|
"level": 1,
|
|
"category": "군특화문제해결",
|
|
"subCategory": "교육·훈련 대안도출"
|
|
},
|
|
{
|
|
"skillId": "competency_데이터분석검증_결과검증",
|
|
"level": 2,
|
|
"category": "데이터분석검증",
|
|
"subCategory": "AI 결과 검증"
|
|
},
|
|
{
|
|
"skillId": "competency_AI활용역량_도구활용",
|
|
"level": 1,
|
|
"category": "AI활용역량",
|
|
"subCategory": "AI 도구 및 모델 활용"
|
|
},
|
|
{
|
|
"skillId": "competency_전술의사결정_인간검토",
|
|
"level": 2,
|
|
"category": "전술의사결정",
|
|
"subCategory": "HITL 인간 검토 및 책임분계"
|
|
}
|
|
],
|
|
"prerequisiteVods": [],
|
|
"missions": [
|
|
{
|
|
"id": "TRN03_M01",
|
|
"sequence": 1,
|
|
"title": "전술 드론 및 순항/탄도미사일 실루엣 이미지(흑백/원거리/다각도) 데이터셋 구축",
|
|
"durationHours": 1.5,
|
|
"overview": "<p>전술 드론과 순항·탄도미사일 등 비행체 실루엣 이미지 학습 데이터의 레이블 체계와 메타데이터 스키마를 정의하고, 잘못된 데이터를 걸러내는 검증기를 만든다.</p>",
|
|
"objectives": "<p>민간 쿼드콥터형·민간 고정익형·삼각익 자폭드론형·순항미사일형·탄도미사일형·조류 6종 레이블과 위협 여부, 촬영 조건(기본·원거리·측면·야간·흐림), 센서(EO/IR), 전술 파라미터(기상, 거리 등급, 위치오차, 통신지연), 교관 검수 상태 필드를 정의한다. 클래스별 10장씩 합성 실루엣 60장을 만들어 검증하고, 형식·허용값·누락·이미지 크기·위협 여부 불일치 오류를 일부러 넣어 모두 검출되는지 확인한 뒤 명세서로 정리한다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>전술 드론 및 순항/탄도미사일 실루엣 이미지 데이터셋을 구축하고 레이블을 정의한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>전술 드론과 순항·탄도미사일 등 비행체 실루엣 이미지 학습 데이터의 레이블 체계와 메타데이터 스키마를 정의하고, 잘못된 데이터를 걸러내는 검증기를 만든다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>민간 쿼드콥터형·민간 고정익형·삼각익 자폭드론형·순항미사일형·탄도미사일형·조류 6종 레이블과 위협 여부, 촬영 조건(기본·원거리·측면·야간·흐림), 센서(EO/IR), 전술 파라미터(기상, 거리 등급, 위치오차, 통신지연), 교관 검수 상태 필드 정의하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>data/schema/trn03_input_schema.json 및 docs/trn03_data_spec.md</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m01_dataset.json",
|
|
"/uploads/TRN03/trn03_m01_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m01_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m01_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"data/schema/trn03_input_schema.json (필수)",
|
|
"docs/trn03_data_spec.md (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[전술 드론 및 순항/탄도미사일 실루엣 이미지(흑백/원거리/다각도) 데이터셋 구축] 요구된 핵심 성능 기준(스키마 필드 정의 완성도 100%, 샘플 데이터 검증 오류 0건)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>스키마 필드 정의 완성도 100%, 샘플 데이터 검증 오류 0건 기준을 충족하고 입력 데이터 유효성 검증 스크립트 통과 및 명세서 문서화 완료을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>누락된 전술 파라미터(기상, 위치오차, 통신지연 등) 보완을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 교육·훈련 실무 및 공통·복합 사례 (러시아-우크라이나·미국-이란) 전장 환경과의 군사적 부합성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>교육·훈련 실무 및 공통·복합 사례 (러시아-우크라이나·미국-이란) 전장 환경과의 군사적 부합성이 논리적으로 검증되었으며 JSON Schema 검증 도구 및 샘플 데이터 파싱 단위 테스트를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 교육·훈련 실무 및 공통·복합 사례 (러시아-우크라이나·미국-이란) 전장 환경과의 군사적 부합성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 스키마 필드 정의 완성도 100%, 샘플 데이터 검증 오류 0건</p></li><li><p>진행 기준: 입력 데이터 유효성 검증 스크립트 통과 및 명세서 문서화 완료</p></li><li><p>검증 방법: JSON Schema 검증 도구 및 샘플 데이터 파싱 단위 테스트</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M1 코드를 실행해 정상 샘플 60장의 검증 결과를 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M1 코드를 실행해 정상 샘플 60장의 검증 결과를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M1 코드를 실행해 정상 샘플 60장의 검증 결과를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>정상 샘플 오류 0건, 주입 오류 7건 모두 검출 레이블 6종(위협 3종)과 필드 15개 명세 출력</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M1 코드를 실행해 정상 샘플 60장의 검증 결과를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M1 코드를 실행해 정상 샘플 60장의 검증 결과를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(정상 샘플 오류 0건, 주입 오류 7건 모두 검출 레이블 6종(위협 3종)과 필드 15개 명세 출력)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "오류 주입 결과 7건이 어떤 규칙에 걸렸는지 표로 정리한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>오류 주입 결과 7건이 어떤 규칙에 걸렸는지 표로 정리한다.</p><h4>해야 할 일</h4><ol><li><p>오류 주입 결과 7건이 어떤 규칙에 걸렸는지 표로 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>정상 샘플 오류 0건, 주입 오류 7건 모두 검출 레이블 6종(위협 3종)과 필드 15개 명세 출력</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>오류 주입 결과 7건이 어떤 규칙에 걸렸는지 표로 정리한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>오류 주입 결과 7건이 어떤 규칙에 걸렸는지 표로 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(정상 샘플 오류 0건, 주입 오류 7건 모두 검출 레이블 6종(위협 3종)과 필드 15개 명세 출력)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "레이블 정의표와 필드 명세를 보고 빠진 전술 파라미터가 없는지 검토한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>레이블 정의표와 필드 명세를 보고 빠진 전술 파라미터가 없는지 검토한다.</p><h4>해야 할 일</h4><ol><li><p>레이블 정의표와 필드 명세를 보고 빠진 전술 파라미터가 없는지 검토한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>정상 샘플 오류 0건, 주입 오류 7건 모두 검출 레이블 6종(위협 3종)과 필드 15개 명세 출력</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>레이블 정의표와 필드 명세를 보고 빠진 전술 파라미터가 없는지 검토한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>레이블 정의표와 필드 명세를 보고 빠진 전술 파라미터가 없는지 검토한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(정상 샘플 오류 0건, 주입 오류 7건 모두 검출 레이블 6종(위협 3종)과 필드 15개 명세 출력)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>tactical에 관측 고도 등급(altitude_level: low/mid/high) 필드를 추가하고 허용되지 않은 값을 넣어 검출되는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
},
|
|
{
|
|
"id": "TRN03_M02",
|
|
"sequence": 2,
|
|
"title": "이미지 명암 대비 강화, 윤곽선(Edge) 검출 및 크기 정규화 전처리 모듈 구현",
|
|
"durationHours": 2.0,
|
|
"overview": "<p>흑백·원거리·야간 등 조건이 다른 실루엣 이미지를 같은 기준으로 비교할 수 있도록 명암 대비 강화, 윤곽선 검출, 크기 정규화 전처리 모듈을 구현한다.</p>",
|
|
"objectives": "<p>결측 픽셀 보정, 야간 열상 극성 자동 반전, 잡음 추정값에 따른 중간값 필터 적용(조건별 임계값), 명암 대비 강화, Sobel 윤곽선 검출, 주축 방향·크기 정규화(24x24)를 배치 단위로 구현한다. 처리 속도를 재고 단위 테스트 5종을 통과시키며, 전처리 전후 식별 정확도를 조건별로 비교하고 필터를 과하게 쓰면 원거리 소형 실루엣이 손상되는 현상도 확인한다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>명암 대비 강화, 윤곽선(Edge) 검출 및 크기 정규화 전처리 모듈을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>흑백·원거리·야간 등 조건이 다른 실루엣 이미지를 같은 기준으로 비교할 수 있도록 명암 대비 강화, 윤곽선 검출, 크기 정규화 전처리 모듈을 구현한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>결측 픽셀 보정, 야간 열상 극성 자동 반전, 잡음 추정값에 따른 중간값 필터 적용(조건별 임계값), 명암 대비 강화, Sobel 윤곽선 검출, 주축 방향·크기 정규화(24x24)를 배치 단위로 구현하고 동작을 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/preprocess/trn03_preprocessor.py 및 전처리 전후 데이터셋</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m02_dataset.json",
|
|
"/uploads/TRN03/trn03_m02_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m02_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m02_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"src/preprocess/trn03_preprocessor.py (필수)",
|
|
"전처리 전후 데이터셋 (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[이미지 명암 대비 강화, 윤곽선(Edge) 검출 및 크기 정규화 전처리 모듈 구현] 요구된 핵심 성능 기준(데이터 정제 처리 속도 1,000건/초 이상, 전처리 오류율 0%)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>데이터 정제 처리 속도 1,000건/초 이상, 전처리 오류율 0% 기준을 충족하고 정제 파이프라인 자동화 및 단위 테스트 케이스 5종 통과을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>전술 상황별(주간/야간/악천후) 맞춤형 노이즈 제거 임계값 동적 조정을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 전술 환경 특유의 노이즈(스푸핑, 반사파, 센서 단절 등) 제거 타당성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>전술 환경 특유의 노이즈(스푸핑, 반사파, 센서 단절 등) 제거 타당성이 논리적으로 검증되었으며 pytest 기반 전처리 정합성 테스트 및 결측치 보정율 확인를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 전술 환경 특유의 노이즈(스푸핑, 반사파, 센서 단절 등) 제거 타당성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 데이터 정제 처리 속도 1,000건/초 이상, 전처리 오류율 0%</p></li><li><p>진행 기준: 정제 파이프라인 자동화 및 단위 테스트 케이스 5종 통과</p></li><li><p>검증 방법: pytest 기반 전처리 정합성 테스트 및 결측치 보정율 확인</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M2 코드를 실행해 처리 속도와 단위 테스트 5종 결과를 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M2 코드를 실행해 처리 속도와 단위 테스트 5종 결과를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M2 코드를 실행해 처리 속도와 단위 테스트 5종 결과를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>처리 속도 1,000장/초 이상(예시 2,056장/초), 단위 테스트 5/5 야간 정확도 0.167 → 0.983으로 개선</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M2 코드를 실행해 처리 속도와 단위 테스트 5종 결과를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M2 코드를 실행해 처리 속도와 단위 테스트 5종 결과를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(처리 속도 1,000장/초 이상(예시 2,056장/초), 단위 테스트 5/5 야간 정확도 0.167 → 0.983으로 개선)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "전처리 전후 식별 정확도 표에서 야간(night) 조건이 크게 개선된 이유를 극성 보정으로...",
|
|
"activity": "<h4>이 단계의 역할</h4><p>전처리 전후 식별 정확도 표에서 야간(night) 조건이 크게 개선된 이유를 극성 보정으로 설명한다.</p><h4>해야 할 일</h4><ol><li><p>전처리 전후 식별 정확도 표에서 야간(night) 조건이 크게 개선된 이유를 극성 보정으로 설명한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>처리 속도 1,000장/초 이상(예시 2,056장/초), 단위 테스트 5/5 야간 정확도 0.167 → 0.983으로 개선</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>전처리 전후 식별 정확도 표에서 야간(night) 조건이 크게 개선된 이유를 극성 보정으로 설명한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>전처리 전후 식별 정확도 표에서 야간(night) 조건이 크게 개선된 이유를 극성 보정으로 설명한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(처리 속도 1,000장/초 이상(예시 2,056장/초), 단위 테스트 5/5 야간 정확도 0.167 → 0.983으로 개선)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "원거리 조건에서 잡음 임계값을 0으로 낮췄을 때 정확도가 떨어지는 이유를 정리한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>원거리 조건에서 잡음 임계값을 0으로 낮췄을 때 정확도가 떨어지는 이유를 정리한다.</p><h4>해야 할 일</h4><ol><li><p>원거리 조건에서 잡음 임계값을 0으로 낮췄을 때 정확도가 떨어지는 이유를 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>처리 속도 1,000장/초 이상(예시 2,056장/초), 단위 테스트 5/5 야간 정확도 0.167 → 0.983으로 개선</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>원거리 조건에서 잡음 임계값을 0으로 낮췄을 때 정확도가 떨어지는 이유를 정리한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>원거리 조건에서 잡음 임계값을 0으로 낮췄을 때 정확도가 떨어지는 이유를 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(처리 속도 1,000장/초 이상(예시 2,056장/초), 단위 테스트 5/5 야간 정확도 0.167 → 0.983으로 개선)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>NOISE_T를 8과 20으로 바꿔 noise·far 조건 정확도 변화를 비교하고, 조건별 적정 임계값을 제안한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
},
|
|
{
|
|
"id": "TRN03_M03",
|
|
"sequence": 3,
|
|
"title": "기본 형태 특징 기반 1차 비행체 실루엣 분류 Baseline 모델 구현",
|
|
"durationHours": 2.5,
|
|
"overview": "<p>길쭉함·채움률·볼록도·폭 분포 같은 기본 형태 특징으로 비행체 실루엣을 1차 분류하는 Baseline 모델을 구현한다.</p>",
|
|
"objectives": "<p>분할 마스크에서 회전에 무관한 형태 특징 8종을 계산하고 결정나무로 분류 규칙을 학습한다. 규칙 깊이를 바꿔 1차 튜닝하고, 기본 데이터셋 정확도·혼동표·1장당 판단 지연을 측정한다. 학습된 if-then 규칙을 그대로 출력해 판단 기준을 설명하고, 원거리·흐림·측면 조건에서 정확도가 떨어지는 한계를 수치로 정리한다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>기본 형태 특징 기반 1차 비행체 실루엣 분류 Baseline 모델을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>길쭉함·채움률·볼록도·폭 분포 같은 기본 형태 특징으로 비행체 실루엣을 1차 분류하는 Baseline 모델을 구현한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>분할 마스크에서 회전에 무관한 형태 특징 8종을 계산하고 결정나무로 분류 규칙을 학습 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/models/trn03_baseline_model.py 및 기본 추론 결과 보고서</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m03_dataset.json",
|
|
"/uploads/TRN03/trn03_m03_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m03_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m03_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"src/models/trn03_baseline_model.py (필수)",
|
|
"기본 추론 결과 보고서 (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[기본 형태 특징 기반 1차 비행체 실루엣 분류 Baseline 모델 구현] 요구된 핵심 성능 기준(기본 데이터셋 대상 탐지/처리 정확도 75% 이상 달성)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>기본 데이터셋 대상 탐지/처리 정확도 75% 이상 달성 기준을 충족하고 단위 기능 동작 확인 및 기본 시나리오 실행 로그 생성을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>판단 지연시간 최적화 및 휴리스틱 가중치 1차 튜닝을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 알고리즘의 논리적 흐름 및 군사적 판단 기준의 투명성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>알고리즘의 논리적 흐름 및 군사적 판단 기준의 투명성이 논리적으로 검증되었으며 기준 벤치마크 데이터셋 대상 추론 결과 오차율 비교를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 알고리즘의 논리적 흐름 및 군사적 판단 기준의 투명성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 기본 데이터셋 대상 탐지/처리 정확도 75% 이상 달성</p></li><li><p>진행 기준: 단위 기능 동작 확인 및 기본 시나리오 실행 로그 생성</p></li><li><p>검증 방법: 기준 벤치마크 데이터셋 대상 추론 결과 오차율 비교</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M3 코드를 실행해 규칙 깊이별 정확도와 기본 데이터셋 혼동표를 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M3 코드를 실행해 규칙 깊이별 정확도와 기본 데이터셋 혼동표를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M3 코드를 실행해 규칙 깊이별 정확도와 기본 데이터셋 혼동표를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>기본 데이터셋 정확도 75% 이상(예시 94.6%) 측면(oblique) 0.292 등 어려운 조건에서 급락</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M3 코드를 실행해 규칙 깊이별 정확도와 기본 데이터셋 혼동표를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M3 코드를 실행해 규칙 깊이별 정확도와 기본 데이터셋 혼동표를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(기본 데이터셋 정확도 75% 이상(예시 94.6%) 측면(oblique) 0.292 등 어려운 조건에서 급락)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "출력된 판단 규칙을 읽고 w_max·fill 기준이 어떤 형상 차이를 뜻하는지 해석한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>출력된 판단 규칙을 읽고 w_max·fill 기준이 어떤 형상 차이를 뜻하는지 해석한다.</p><h4>해야 할 일</h4><ol><li><p>출력된 판단 규칙을 읽고 w_max·fill 기준이 어떤 형상 차이를 뜻하는지 해석한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>기본 데이터셋 정확도 75% 이상(예시 94.6%) 측면(oblique) 0.292 등 어려운 조건에서 급락</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>출력된 판단 규칙을 읽고 w_max·fill 기준이 어떤 형상 차이를 뜻하는지 해석한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>출력된 판단 규칙을 읽고 w_max·fill 기준이 어떤 형상 차이를 뜻하는지 해석한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(기본 데이터셋 정확도 75% 이상(예시 94.6%) 측면(oblique) 0.292 등 어려운 조건에서 급락)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "어려운 조건 정확도로 Baseline의 한계를 정리한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>어려운 조건 정확도로 Baseline의 한계를 정리한다.</p><h4>해야 할 일</h4><ol><li><p>어려운 조건 정확도로 Baseline의 한계를 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>기본 데이터셋 정확도 75% 이상(예시 94.6%) 측면(oblique) 0.292 등 어려운 조건에서 급락</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>어려운 조건 정확도로 Baseline의 한계를 정리한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>어려운 조건 정확도로 Baseline의 한계를 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(기본 데이터셋 정확도 75% 이상(예시 94.6%) 측면(oblique) 0.292 등 어려운 조건에서 급락)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>max_depth를 5로 올리면 정확도와 규칙 줄 수가 어떻게 변하는지 비교하고, 교관이 설명하기 쉬운 깊이를 토의한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
},
|
|
{
|
|
"id": "TRN03_M04",
|
|
"sequence": 4,
|
|
"title": "다양한 각도/배경 노이즈 환경 하 전술 드론·미사일 정밀 이미지 분류 딥러닝 고도화",
|
|
"durationHours": 3.0,
|
|
"overview": "<p>다양한 각도·원거리·배경 잡음 환경에서도 실루엣을 정밀하게 분류하도록 소형 신경망 모델로 고도화하고 복합 위협 시나리오로 검증한다.</p>",
|
|
"objectives": "<p>정규화 이미지 576픽셀과 형태 특징 8종을 입력으로 하는 다층 퍼셉트론을 모든 촬영 조건을 섞은 증강 데이터로 학습한다. 측면 시점·원거리·흐림·저대비·구름·가림·야간·잡음·위치 이탈·결합 조건 10종 시나리오에서 Baseline과 정확도를 비교하고 위협 재현율과 처리 지연을 측정한다. 오경보·미탐 유발 패턴을 정리해 특징 공간 재설계 방향을 제시한다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>다양한 각도/배경 노이즈 환경 하 전술 드론·미사일 정밀 이미지 분류 모델을 고도화한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>다양한 각도·원거리·배경 잡음 환경에서도 실루엣을 정밀하게 분류하도록 소형 신경망 모델로 고도화하고 복합 위협 시나리오로 검증한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>정규화 이미지 576픽셀과 형태 특징 8종을 입력으로 하는 다층 퍼셉트론을 모든 촬영 조건을 섞은 증강 데이터로 학습 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/models/trn03_advanced_detector.py 및 예외 탐지 테스트 결과</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m04_dataset.json",
|
|
"/uploads/TRN03/trn03_m04_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m04_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m04_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"src/models/trn03_advanced_detector.py (필수)",
|
|
"예외 탐지 테스트 결과 (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[다양한 각도/배경 노이즈 환경 하 전술 드론·미사일 정밀 이미지 분류 딥러닝 고도화] 요구된 핵심 성능 기준(복합 위협 탐지 재현율(Recall) 85% 이상, 처리 지연 200ms 이하)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>복합 위협 탐지 재현율(Recall) 85% 이상, 처리 지연 200ms 이하 기준을 충족하고 복합 위협 시나리오 10종에 대한 탐지 테스트 통과을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>오경보(False Alarm) 유발 패턴 식별 및 특징 공간(Feature Space) 재설계을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 기만/교란 공격에 대한 방어 로직의 현실성 및 신뢰성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>기만/교란 공격에 대한 방어 로직의 현실성 및 신뢰성이 논리적으로 검증되었으며 합성 위협 데이터셋 주입 시 이상치 탐지 정확도 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 기만/교란 공격에 대한 방어 로직의 현실성 및 신뢰성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 복합 위협 탐지 재현율(Recall) 85% 이상, 처리 지연 200ms 이하</p></li><li><p>진행 기준: 복합 위협 시나리오 10종에 대한 탐지 테스트 통과</p></li><li><p>검증 방법: 합성 위협 데이터셋 주입 시 이상치 탐지 정확도 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M4 코드를 실행해 시나리오 10종의 Baseline·신경망 정확도와 위협 재현율을 확인한...",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M4 코드를 실행해 시나리오 10종의 Baseline·신경망 정확도와 위협 재현율을 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M4 코드를 실행해 시나리오 10종의 Baseline·신경망 정확도와 위협 재현율을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>복합 위협 재현율 85% 이상(예시 90.7%), 처리 지연 200ms 이하 시나리오 통과 7/10, combo 조건이 가장 취약</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M4 코드를 실행해 시나리오 10종의 Baseline·신경망 정확도와 위협 재현율을 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M4 코드를 실행해 시나리오 10종의 Baseline·신경망 정확도와 위협 재현율을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(복합 위협 재현율 85% 이상(예시 90.7%), 처리 지연 200ms 이하 시나리오 통과 7/10, combo 조건이 가장 취약)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "FAIL 시나리오(clutter, occlude, combo)의 공통점을 찾는다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>FAIL 시나리오(clutter, occlude, combo)의 공통점을 찾는다.</p><h4>해야 할 일</h4><ol><li><p>FAIL 시나리오(clutter, occlude, combo)의 공통점을 찾는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>복합 위협 재현율 85% 이상(예시 90.7%), 처리 지연 200ms 이하 시나리오 통과 7/10, combo 조건이 가장 취약</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>FAIL 시나리오(clutter, occlude, combo)의 공통점을 찾는다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>FAIL 시나리오(clutter, occlude, combo)의 공통점을 찾는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(복합 위협 재현율 85% 이상(예시 90.7%), 처리 지연 200ms 이하 시나리오 통과 7/10, combo 조건이 가장 취약)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "오경보·미탐 유발 패턴 상위 항목을 정리한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>오경보·미탐 유발 패턴 상위 항목을 정리한다.</p><h4>해야 할 일</h4><ol><li><p>오경보·미탐 유발 패턴 상위 항목을 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>복합 위협 재현율 85% 이상(예시 90.7%), 처리 지연 200ms 이하 시나리오 통과 7/10, combo 조건이 가장 취약</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>오경보·미탐 유발 패턴 상위 항목을 정리한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>오경보·미탐 유발 패턴 상위 항목을 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(복합 위협 재현율 85% 이상(예시 90.7%), 처리 지연 200ms 이하 시나리오 통과 7/10, combo 조건이 가장 취약)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>train_model의 hidden을 (128, 64)로 바꾸고 학습 장수를 늘려 combo 정확도와 학습 시간 변화를 기록한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
},
|
|
{
|
|
"id": "TRN03_M05",
|
|
"sequence": 5,
|
|
"title": "유사 형상 비행체(민간 드론 vs 자폭 드론) 오분류 방지 신뢰도 점수 엔진 구현",
|
|
"durationHours": 3.0,
|
|
"overview": "<p>민간 드론과 자폭 드론처럼 형상이 비슷한 비행체의 오분류를 막기 위해 신뢰도 점수와 등급을 산출하는 엔진을 개발한다.</p>",
|
|
"objectives": "<p>분류 확률, 1·2위 확률 차이, 영상 품질(대비·크기·잡음)을 가중 결합해 신뢰도 점수를 만들고 High·Medium·Low 등급을 부여한다. 최고 확률 클래스로 바로 단정하던 방식과 Low 등급을 교관 확인으로 넘기는 방식의 오경보율·위협 재현율을 비교하고, 미세 잡음을 넣어 등급 일관성을 확인한다. ROC-AUC와 임계값 민감도 표로 기준값을 정한다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>유사 형상 비행체 오분류 방지 신뢰도 점수 산출 엔진을 개발한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>민간 드론과 자폭 드론처럼 형상이 비슷한 비행체의 오분류를 막기 위해 신뢰도 점수와 등급을 산출하는 엔진을 개발한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>분류 확률, 1·2위 확률 차이, 영상 품질(대비·크기·잡음)을 가중 결합해 신뢰도 점수를 만들고 High·Medium·Low 등급을 부여 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/verification/trn03_confidence_engine.py</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m05_dataset.json",
|
|
"/uploads/TRN03/trn03_m05_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m05_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m05_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"src/verification/trn03_confidence_engine.py (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[유사 형상 비행체(민간 드론 vs 자폭 드론) 오분류 방지 신뢰도 점수 엔진 구현] 요구된 핵심 성능 기준(오경보율(FAR) 40% 이상 감축, 신뢰도 스코어 산출 일관성 90% 이상)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>오경보율(FAR) 40% 이상 감축, 신뢰도 스코어 산출 일관성 90% 이상 기준을 충족하고 오경보 필터링 전후 비교 지표 산출 및 통합 테스트 완료을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>신뢰도 가중치 매트릭스 재조정 및 불확실성 지표 시각화 지원을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 신뢰도 등급(High/Med/Low) 부여 기준의 군사적 타당성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>신뢰도 등급(High/Med/Low) 부여 기준의 군사적 타당성이 논리적으로 검증되었으며 ROC-AUC 곡선 분석 및 임계값 민감도 테스트를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 신뢰도 등급(High/Med/Low) 부여 기준의 군사적 타당성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 오경보율(FAR) 40% 이상 감축, 신뢰도 스코어 산출 일관성 90% 이상</p></li><li><p>진행 기준: 오경보 필터링 전후 비교 지표 산출 및 통합 테스트 완료</p></li><li><p>검증 방법: ROC-AUC 곡선 분석 및 임계값 민감도 테스트</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M5 코드를 실행해 기존 방식과 신뢰도 엔진의 오경보율·위협 재현율을 비교한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M5 코드를 실행해 기존 방식과 신뢰도 엔진의 오경보율·위협 재현율을 비교한다.</p><h4>해야 할 일</h4><ol><li><p>M5 코드를 실행해 기존 방식과 신뢰도 엔진의 오경보율·위협 재현율을 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>오경보율 40% 이상 감축(예시 79.3%), 일관성 90% 이상(예시 97.3%) ROC-AUC 0.983, 위협 재현율 0.924 → 0.836</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M5 코드를 실행해 기존 방식과 신뢰도 엔진의 오경보율·위협 재현율을 비교한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M5 코드를 실행해 기존 방식과 신뢰도 엔진의 오경보율·위협 재현율을 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(오경보율 40% 이상 감축(예시 79.3%), 일관성 90% 이상(예시 97.3%) ROC-AUC 0.983, 위협 재현율 0.924 → 0.836)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "임계값 민감도 표에서 오경보와 재현율이 맞바뀌는 구간을 찾는다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>임계값 민감도 표에서 오경보와 재현율이 맞바뀌는 구간을 찾는다.</p><h4>해야 할 일</h4><ol><li><p>임계값 민감도 표에서 오경보와 재현율이 맞바뀌는 구간을 찾는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>오경보율 40% 이상 감축(예시 79.3%), 일관성 90% 이상(예시 97.3%) ROC-AUC 0.983, 위협 재현율 0.924 → 0.836</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>임계값 민감도 표에서 오경보와 재현율이 맞바뀌는 구간을 찾는다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>임계값 민감도 표에서 오경보와 재현율이 맞바뀌는 구간을 찾는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(오경보율 40% 이상 감축(예시 79.3%), 일관성 90% 이상(예시 97.3%) ROC-AUC 0.983, 위협 재현율 0.924 → 0.836)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "클래스별 등급 분포에서 Low가 많은 클래스를 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>클래스별 등급 분포에서 Low가 많은 클래스를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>클래스별 등급 분포에서 Low가 많은 클래스를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>오경보율 40% 이상 감축(예시 79.3%), 일관성 90% 이상(예시 97.3%) ROC-AUC 0.983, 위협 재현율 0.924 → 0.836</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>클래스별 등급 분포에서 Low가 많은 클래스를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>클래스별 등급 분포에서 Low가 많은 클래스를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(오경보율 40% 이상 감축(예시 79.3%), 일관성 90% 이상(예시 97.3%) ROC-AUC 0.983, 위협 재현율 0.924 → 0.836)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>WEIGHTS를 p_max 0.8, margin 0.2로 바꿔 오경보율과 일관성이 어떻게 변하는지 확인하고 적정 가중치를 제안한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
},
|
|
{
|
|
"id": "TRN03_M06",
|
|
"sequence": 6,
|
|
"title": "장병 대상 모바일/웹 대화형 실루엣 식별 학습 앱 UI 프로토타입 구현",
|
|
"durationHours": 2.5,
|
|
"overview": "<p>장병이 실루엣을 보고 비행체를 고르는 모바일·웹 대화형 식별 학습 앱 UI 프로토타입을 구현한다.</p>",
|
|
"objectives": "<p>문항 출제(정답과 혼동하기 쉬운 보기 포함), 응답 채점, 즉시 피드백, 응답 후 AI 참고 판정 표시, 진행률·점수 표시 기능을 구현하고 가상 학습자 응답으로 12문항을 모의 실행한다. 화면 갱신과 응답 처리시간을 재고, 문제 이미지·보기·진행률·클래스별 정답률·응답시간 추이를 담은 야간 모드 화면을 그린다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>장병 대상 모바일/웹 대화형 실루엣 식별 학습 앱 UI 프로토타입을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>장병이 실루엣을 보고 비행체를 고르는 모바일·웹 대화형 식별 학습 앱 UI 프로토타입을 구현한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>문항 출제(정답과 혼동하기 쉬운 보기 포함), 응답 채점, 즉시 피드백, 응답 후 AI 참고 판정 표시, 진행률·점수 표시 기능을 구현하고 가상 학습자 응답으로 12문항을 모의 실행 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/ui/trn03_dashboard.py (또는 웹 UI 컴포넌트)</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m06_dataset.json",
|
|
"/uploads/TRN03/trn03_m06_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m06_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m06_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"src/ui/trn03_dashboard.py (또는 웹 UI 컴포넌트) (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[장병 대상 모바일/웹 대화형 실루엣 식별 학습 앱 UI 프로토타입 구현] 요구된 핵심 성능 기준(화면 갱신 주기 1초 이내, UI 응답성 100ms 이내)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>화면 갱신 주기 1초 이내, UI 응답성 100ms 이내 기준을 충족하고 주요 지표 시각화 컴포넌트 4종 이상 렌더링 및 실시간 데이터 연동을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>야간 작전 모드(Dark mode) 및 긴급 경보 하이라이트 UI 개선을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 전술 작전 상황판으로서의 직관성 및 인지 부하 감소도 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>전술 작전 상황판으로서의 직관성 및 인지 부하 감소도이 논리적으로 검증되었으며 사용자 인터랙션 테스트 및 모의 데이터 스트림 렌더링 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 전술 작전 상황판으로서의 직관성 및 인지 부하 감소도</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 화면 갱신 주기 1초 이내, UI 응답성 100ms 이내</p></li><li><p>진행 기준: 주요 지표 시각화 컴포넌트 4종 이상 렌더링 및 실시간 데이터 연동</p></li><li><p>검증 방법: 사용자 인터랙션 테스트 및 모의 데이터 스트림 렌더링 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M6 코드를 실행해 문항 화면 2개와 피드백 문구를 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M6 코드를 실행해 문항 화면 2개와 피드백 문구를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M6 코드를 실행해 문항 화면 2개와 피드백 문구를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>응답 처리 최대 100ms 이내(예시 6.6ms), 점수 9/12 시각화 구성요소 5종, 정답 초록·오답 빨강 표시</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M6 코드를 실행해 문항 화면 2개와 피드백 문구를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M6 코드를 실행해 문항 화면 2개와 피드백 문구를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(응답 처리 최대 100ms 이내(예시 6.6ms), 점수 9/12 시각화 구성요소 5종, 정답 초록·오답 빨강 표시)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "응답 처리시간과 화면 갱신 처리시간이 목표 이내인지 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>응답 처리시간과 화면 갱신 처리시간이 목표 이내인지 확인한다.</p><h4>해야 할 일</h4><ol><li><p>응답 처리시간과 화면 갱신 처리시간이 목표 이내인지 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>응답 처리 최대 100ms 이내(예시 6.6ms), 점수 9/12 시각화 구성요소 5종, 정답 초록·오답 빨강 표시</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>응답 처리시간과 화면 갱신 처리시간이 목표 이내인지 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>응답 처리시간과 화면 갱신 처리시간이 목표 이내인지 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(응답 처리 최대 100ms 이내(예시 6.6ms), 점수 9/12 시각화 구성요소 5종, 정답 초록·오답 빨강 표시)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "야간 모드 화면의 구성요소 5종과 정답·오답 색 구분을 점검한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>야간 모드 화면의 구성요소 5종과 정답·오답 색 구분을 점검한다.</p><h4>해야 할 일</h4><ol><li><p>야간 모드 화면의 구성요소 5종과 정답·오답 색 구분을 점검한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>응답 처리 최대 100ms 이내(예시 6.6ms), 점수 9/12 시각화 구성요소 5종, 정답 초록·오답 빨강 표시</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>야간 모드 화면의 구성요소 5종과 정답·오답 색 구분을 점검한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>야간 모드 화면의 구성요소 5종과 정답·오답 색 구분을 점검한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(응답 처리 최대 100ms 이내(예시 6.6ms), 점수 9/12 시각화 구성요소 5종, 정답 초록·오답 빨강 표시)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>N_OPTIONS를 3으로 줄이거나 CONFUSE 보기를 빼면 문항 난이도가 어떻게 달라지는지 토의하고 출제 규칙을 제안한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
},
|
|
{
|
|
"id": "TRN03_M07",
|
|
"sequence": 7,
|
|
"title": "학습자 오답 시 정답 실루엣 비교 및 핵심 특징(날개 형상 등) 교관 HITL 해설 모듈 설계",
|
|
"durationHours": 3.0,
|
|
"overview": "<p>학습자가 오답을 냈을 때 정답 실루엣과 선택한 실루엣을 비교해 핵심 특징을 해설하되, 교관 검토를 거쳐야만 공개되는 HITL 해설 모듈을 설계한다.</p>",
|
|
"objectives": "<p>오답을 혼동 쌍 단위로 묶어 AI 해설 초안(날개 형상 등 특징 차이)을 만들고 검토 대기열에 등록한다. 교관은 승인·수정 후 승인·반려 중 하나를 고르며 교관 ID와 판단 근거를 반드시 남기고, 수정 승인은 수정 해설문이 있어야 한다. 빈도순으로 검토 순서를 정하고 SLA 초과 항목은 상급 담당자에게 상신하며, 모든 처리를 해시 체인 감사 로그에 기록해 위·변조를 검출한다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>학습자 오답 시 정답 실루엣 비교 및 핵심 특징 해설 HITL 모듈을 설계한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>학습자가 오답을 냈을 때 정답 실루엣과 선택한 실루엣을 비교해 핵심 특징을 해설하되, 교관 검토를 거쳐야만 공개되는 HITL 해설 모듈을 설계한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>오답을 혼동 쌍 단위로 묶어 AI 해설 초안(날개 형상 등 특징 차이)을 만들고 검토 대기열에 등록 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/hitl/trn03_approval_workflow.py 및 docs/trn03_hitl_guide.md</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m07_dataset.json",
|
|
"/uploads/TRN03/trn03_m07_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m07_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m07_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"src/hitl/trn03_approval_workflow.py (필수)",
|
|
"docs/trn03_hitl_guide.md (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[학습자 오답 시 정답 실루엣 비교 및 핵심 특징(날개 형상 등) 교관 HITL 해설 모듈 설계] 요구된 핵심 성능 기준(인간 검토 큐(Queue) 대기시간 및 승인/반려 처리 로깅 성공률 100%)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>인간 검토 큐(Queue) 대기시간 및 승인/반려 처리 로깅 성공률 100% 기준을 충족하고 승인/반려 인터페이스 동작 및 감사 로그(Audit Log) 생성 검증을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>검토 우선순위 큐잉 알고리즘 개선 및 지휘관 피드백 입력 폼 추가을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 지휘 책임 분계선 명확화 및 성급한 자동 단정 방지 체계 부합성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>지휘 책임 분계선 명확화 및 성급한 자동 단정 방지 체계 부합성이 논리적으로 검증되었으며 모의 조작자 승인/반려 시뮬레이션 및 데이터 무결성 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 지휘 책임 분계선 명확화 및 성급한 자동 단정 방지 체계 부합성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 인간 검토 큐(Queue) 대기시간 및 승인/반려 처리 로깅 성공률 100%</p></li><li><p>진행 기준: 승인/반려 인터페이스 동작 및 감사 로그(Audit Log) 생성 검증</p></li><li><p>검증 방법: 모의 조작자 승인/반려 시뮬레이션 및 데이터 무결성 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M7 코드를 실행해 오답 20건이 혼동 쌍 5건으로 묶이는 것을 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M7 코드를 실행해 오답 20건이 혼동 쌍 5건으로 묶이는 것을 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M7 코드를 실행해 오답 20건이 혼동 쌍 5건으로 묶이는 것을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>자동 공개 0건, 규칙 위반 3건 차단, 로깅 성공률 100% 4번째 기록 변조 위치 검출</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M7 코드를 실행해 오답 20건이 혼동 쌍 5건으로 묶이는 것을 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M7 코드를 실행해 오답 20건이 혼동 쌍 5건으로 묶이는 것을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(자동 공개 0건, 규칙 위반 3건 차단, 로깅 성공률 100% 4번째 기록 변조 위치 검출)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "규칙 위반 시도 3건이 차단된 이유를 정리한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>규칙 위반 시도 3건이 차단된 이유를 정리한다.</p><h4>해야 할 일</h4><ol><li><p>규칙 위반 시도 3건이 차단된 이유를 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>자동 공개 0건, 규칙 위반 3건 차단, 로깅 성공률 100% 4번째 기록 변조 위치 검출</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>규칙 위반 시도 3건이 차단된 이유를 정리한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>규칙 위반 시도 3건이 차단된 이유를 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(자동 공개 0건, 규칙 위반 3건 차단, 로깅 성공률 100% 4번째 기록 변조 위치 검출)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "SLA 초과 상신과 감사 로그 변조 검출 결과를 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>SLA 초과 상신과 감사 로그 변조 검출 결과를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>SLA 초과 상신과 감사 로그 변조 검출 결과를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>자동 공개 0건, 규칙 위반 3건 차단, 로깅 성공률 100% 4번째 기록 변조 위치 검출</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>SLA 초과 상신과 감사 로그 변조 검출 결과를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>SLA 초과 상신과 감사 로그 변조 검출 결과를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(자동 공개 0건, 규칙 위반 3건 차단, 로깅 성공률 100% 4번째 기록 변조 위치 검출)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>SLA_H를 12시간으로 줄이면 상신 건수가 어떻게 바뀌는지 확인하고, 교관 1명이 하루에 검토할 수 있는 건수를 가정해 운영안을 만든다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
},
|
|
{
|
|
"id": "TRN03_M08",
|
|
"sequence": 8,
|
|
"title": "다량의 저품질 흐린 실루엣 이미지 분류 스트레스 테스트 및 한계치 검증",
|
|
"durationHours": 3.5,
|
|
"overview": "<p>다량의 흐리고 품질이 낮은 실루엣 이미지가 한꺼번에 들어올 때 분류 서비스가 멈추지 않고 안전하게 동작하는지 한계치를 검증한다.</p>",
|
|
"objectives": "<p>평시 100장에서 500% 증가한 600장까지 요청을 늘리고, 손상 입력과 극저화질 영상을 섞어 시스템 다운·결과 유실 여부를 확인한다. 저신뢰 영상은 '판별 불가(교관 확인)'로, 손상 입력은 '입력 오류'로 처리하는 안전 실패 동작과 대기열 분할 처리(성능저하 모드)를 점검하고, 흐림 단계별 정확도 한계치, 처리량, 메모리 증가 여부, 단계별 병목을 정리한다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>흐린 저품질 실루엣 이미지 대량 분류 스트레스 테스트를 수행한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>다량의 흐리고 품질이 낮은 실루엣 이미지가 한꺼번에 들어올 때 분류 서비스가 멈추지 않고 안전하게 동작하는지 한계치를 검증한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>평시 100장에서 500% 증가한 600장까지 요청을 늘리고, 손상 입력과 극저화질 영상을 섞어 시스템 다운·결과 유실 여부 확인하고 유효성을 점검하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>tests/trn03_stress_test.py 및 스트레스 테스트 분석 보고서</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m08_dataset.json",
|
|
"/uploads/TRN03/trn03_m08_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m08_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m08_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"tests/trn03_stress_test.py (필수)",
|
|
"스트레스 테스트 분석 보고서 (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[다량의 저품질 흐린 실루엣 이미지 분류 스트레스 테스트 및 한계치 검증] 요구된 핵심 성능 기준(동시 트래픽 500% 증가 시 시스템 다운 0건, 데이터 유실률 0%)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>동시 트래픽 500% 증가 시 시스템 다운 0건, 데이터 유실률 0% 기준을 충족하고 대량 시뮬레이션 부하 주입 테스트 통과 및 병목 구간 프로파일링 완료을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>병목 함수 최적화, 비동기 큐 처리 적용 및 자원 할당 개선을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 극단 상황에서의 안전 실패(Fail-safe) 및 기능 축소 작동 적절성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>극단 상황에서의 안전 실패(Fail-safe) 및 기능 축소 작동 적절성이 논리적으로 검증되었으며 부하 테스트 도구를 통한 처리량(Throughput) 및 메모리 누수 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 극단 상황에서의 안전 실패(Fail-safe) 및 기능 축소 작동 적절성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: 동시 트래픽 500% 증가 시 시스템 다운 0건, 데이터 유실률 0%</p></li><li><p>진행 기준: 대량 시뮬레이션 부하 주입 테스트 통과 및 병목 구간 프로파일링 완료</p></li><li><p>검증 방법: 부하 테스트 도구를 통한 처리량(Throughput) 및 메모리 누수 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M8 코드를 실행해 부하 상황별 응답·유실률·다운·판별불가 수를 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M8 코드를 실행해 부하 상황별 응답·유실률·다운·판별불가 수를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M8 코드를 실행해 부하 상황별 응답·유실률·다운·판별불가 수를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>모든 상황 다운 0건, 유실률 0% 흐림 2.5 이상에서 정확도 75% 미만, 병목은 형태특징 계산</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M8 코드를 실행해 부하 상황별 응답·유실률·다운·판별불가 수를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M8 코드를 실행해 부하 상황별 응답·유실률·다운·판별불가 수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(모든 상황 다운 0건, 유실률 0% 흐림 2.5 이상에서 정확도 75% 미만, 병목은 형태특징 계산)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "흐림 단계별 정확도 표에서 한계치를 찾는다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>흐림 단계별 정확도 표에서 한계치를 찾는다.</p><h4>해야 할 일</h4><ol><li><p>흐림 단계별 정확도 표에서 한계치를 찾는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>모든 상황 다운 0건, 유실률 0% 흐림 2.5 이상에서 정확도 75% 미만, 병목은 형태특징 계산</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>흐림 단계별 정확도 표에서 한계치를 찾는다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>흐림 단계별 정확도 표에서 한계치를 찾는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(모든 상황 다운 0건, 유실률 0% 흐림 2.5 이상에서 정확도 75% 미만, 병목은 형태특징 계산)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "병목 구간 비율과 메모리 반복 측정값을 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>병목 구간 비율과 메모리 반복 측정값을 확인한다.</p><h4>해야 할 일</h4><ol><li><p>병목 구간 비율과 메모리 반복 측정값을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>모든 상황 다운 0건, 유실률 0% 흐림 2.5 이상에서 정확도 75% 미만, 병목은 형태특징 계산</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>병목 구간 비율과 메모리 반복 측정값을 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>병목 구간 비율과 메모리 반복 측정값을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(모든 상황 다운 0건, 유실률 0% 흐림 2.5 이상에서 정확도 75% 미만, 병목은 형태특징 계산)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>MIN_CONF를 0.7로 올려 극저화질 상황의 판별 정확도와 판별불가 건수 변화를 비교한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
},
|
|
{
|
|
"id": "TRN03_M09",
|
|
"sequence": 9,
|
|
"title": "AAR 기반 장병 다빈도 오답 비행체 분석 및 학습 데이터셋 증강 재학습",
|
|
"durationHours": 3.0,
|
|
"overview": "<p>AAR 사후검토로 장병의 다빈도 오답 비행체와 AI 분류기의 오류 조건을 분석하고, 취약 데이터를 증강해 재학습한다.</p>",
|
|
"objectives": "<p>가상 장병 40명의 학습 기록에서 다빈도 오답 쌍을 찾고, 기본 조건 중심으로 학습한 현행 모델의 오류를 조건·클래스별로 분류한다. 오류율이 높은 조건과 혼동 클래스를 증강한 데이터로 재학습해 종합 정확도, AAR 등록 오류의 재발 건수, 기존 정답의 회귀 건수를 비교하고, 재보정 파라미터와 퀴즈 출제 비율을 정리한다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>AAR 기반 장병 다빈도 오답 비행체 분석 및 학습 데이터를 증강 재학습한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>AAR 사후검토로 장병의 다빈도 오답 비행체와 AI 분류기의 오류 조건을 분석하고, 취약 데이터를 증강해 재학습한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>가상 장병 40명의 학습 기록에서 다빈도 오답 쌍을 찾고, 기본 조건 중심으로 학습한 현행 모델의 오류를 조건·클래스별로 분류 수행하고 검증하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>docs/trn03_aar_report.md 및 configs/trn03_tuned_params.yaml</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m09_dataset.json",
|
|
"/uploads/TRN03/trn03_m09_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m09_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m09_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"docs/trn03_aar_report.md (필수)",
|
|
"configs/trn03_tuned_params.yaml (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[AAR 기반 장병 다빈도 오답 비행체 분석 및 학습 데이터셋 증강 재학습] 요구된 핵심 성능 기준(AAR 피드백 적용 후 종합 정확도 10%p 이상 향상, 재발 오류 0건)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>AAR 피드백 적용 후 종합 정확도 10%p 이상 향상, 재발 오류 0건 기준을 충족하고 AAR 보고서 작성 및 파라미터 튜닝 전후 회귀 테스트 통과을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>지속적 학습(Continual Learning) 파이프라인 연계 방안 수립을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 오류 원인 규명의 객관성 및 개선 조치의 논리적 타당성 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>오류 원인 규명의 객관성 및 개선 조치의 논리적 타당성이 논리적으로 검증되었으며 회귀 테스트(Regression Test) 스위트 전체 자동 실행 및 비교를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 오류 원인 규명의 객관성 및 개선 조치의 논리적 타당성</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: AAR 피드백 적용 후 종합 정확도 10%p 이상 향상, 재발 오류 0건</p></li><li><p>진행 기준: AAR 보고서 작성 및 파라미터 튜닝 전후 회귀 테스트 통과</p></li><li><p>검증 방법: 회귀 테스트(Regression Test) 스위트 전체 자동 실행 및 비교</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M9 코드를 실행해 다빈도 오답 쌍과 현행 모델의 조건별 오류율을 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M9 코드를 실행해 다빈도 오답 쌍과 현행 모델의 조건별 오류율을 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M9 코드를 실행해 다빈도 오답 쌍과 현행 모델의 조건별 오류율을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>종합 정확도 0.770 → 0.873(+10.3%p) 재발 67건(목표 0건 미달), 그중 36건은 교관 확인으로 걸러짐</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M9 코드를 실행해 다빈도 오답 쌍과 현행 모델의 조건별 오류율을 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M9 코드를 실행해 다빈도 오답 쌍과 현행 모델의 조건별 오류율을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(종합 정확도 0.770 → 0.873(+10.3%p) 재발 67건(목표 0건 미달), 그중 36건은 교관 확인으로 걸러짐)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "증강 재학습 전후 종합 정확도와 조건별 정확도를 비교한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>증강 재학습 전후 종합 정확도와 조건별 정확도를 비교한다.</p><h4>해야 할 일</h4><ol><li><p>증강 재학습 전후 종합 정확도와 조건별 정확도를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>종합 정확도 0.770 → 0.873(+10.3%p) 재발 67건(목표 0건 미달), 그중 36건은 교관 확인으로 걸러짐</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>증강 재학습 전후 종합 정확도와 조건별 정확도를 비교한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>증강 재학습 전후 종합 정확도와 조건별 정확도를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(종합 정확도 0.770 → 0.873(+10.3%p) 재발 67건(목표 0건 미달), 그중 36건은 교관 확인으로 걸러짐)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "재발 오류와 회귀 오류 건수, 교관 확인으로 걸러지는 건수를 정리한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>재발 오류와 회귀 오류 건수, 교관 확인으로 걸러지는 건수를 정리한다.</p><h4>해야 할 일</h4><ol><li><p>재발 오류와 회귀 오류 건수, 교관 확인으로 걸러지는 건수를 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>종합 정확도 0.770 → 0.873(+10.3%p) 재발 67건(목표 0건 미달), 그중 36건은 교관 확인으로 걸러짐</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>재발 오류와 회귀 오류 건수, 교관 확인으로 걸러지는 건수를 정리한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>재발 오류와 회귀 오류 건수, 교관 확인으로 걸러지는 건수를 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(종합 정확도 0.770 → 0.873(+10.3%p) 재발 67건(목표 0건 미달), 그중 36건은 교관 확인으로 걸러짐)를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>증강 클래스당 추가 장수를 40에서 80으로 늘리면 재발 오류와 회귀 오류가 어떻게 변하는지 확인한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
},
|
|
{
|
|
"id": "TRN03_M10",
|
|
"sequence": 10,
|
|
"title": "드론·미사일 실루엣 분류 학습앱 최종 패키징 및 부대 교육 배포 가이드 완성",
|
|
"durationHours": 3.5,
|
|
"overview": "<p>실루엣 생성부터 전처리, 분류, 신뢰도 등급, 퀴즈 운영, 교관 해설 검토까지 학습앱 전체를 통합하고 부대 교육 배포 가이드를 완성한다.</p>",
|
|
"objectives": "<p>AAR 재보정값을 적용한 통합 코드를 한 번에 실행해 손상 문항이 자동 차단되는지 확인한다. 분류 정확도, 등급별 정확도, 처리시간, 해설 자동 공개 여부, 감사 로그, 함수 커버리지 등 자체 점검 항목을 모두 통과시키고, 배포 현황·성능·운용 유의사항·확장 로드맵을 담은 브리핑 요약과 배포용 설명서를 작성한다.</p>",
|
|
"scenario": "<h4>미션 배경 및 당위성</h4><p>드론·미사일 실루엣 분류 학습앱 최종 패키징 및 부대 교육 배포 가이드를 완성한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, <strong>실루엣 생성부터 전처리, 분류, 신뢰도 등급, 퀴즈 운영, 교관 해설 검토까지 학습앱 전체를 통합하고 부대 교육 배포 가이드를 완성한다.</strong> 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.</p><p>이 문제를 해결하기 위해 본 미션에서는 <strong>AAR 재보정값을 적용한 통합 코드를 한 번에 실행해 손상 문항이 자동 차단되는지 확인하고 유효성을 점검하는</strong> 실습을 체계적으로 수행합니다.</p><p>학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.</p><p><strong>이번 결과물:</strong> <code>src/main_trn03.py, README.md, docs/trn03_final_report.pdf(md)</code> 형태의 결과물을 완성한다.</p>",
|
|
"attachments": [],
|
|
"materials": [
|
|
"/uploads/TRN03/trn03_m10_dataset.json",
|
|
"/uploads/TRN03/trn03_m10_sample.md"
|
|
],
|
|
"materialText": "<p><strong>미션 실습 자료</strong></p><ul><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m10_dataset.json\">가상 데이터셋 샘플 (JSON)</a></li><li><a target=\"_blank\" rel=\"noopener noreferrer\" href=\"/uploads/TRN03/trn03_m10_sample.md\">실습 및 검증 가이드 (MD)</a></li></ul><p><strong>활용 주의</strong>: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.</p>",
|
|
"techStack": [
|
|
"교육·훈련",
|
|
"코딩형",
|
|
"데이터 전처리",
|
|
"알고리즘 구현",
|
|
"HITL 검증"
|
|
],
|
|
"deliverables": [
|
|
"src/main_trn03.py, README.md, docs/trn03_final_report.pdf(md) (필수)"
|
|
],
|
|
"evaluationKeys": [
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[드론·미사일 실루엣 분류 학습앱 최종 패키징 및 부대 교육 배포 가이드 완성] 요구된 핵심 성능 기준(End-to-End 통합 파이프라인 실행 성공률 100%, 테스트 커버리지 85% 이상)을 완벽히 달성하였는가?</strong></p><h4>PASS 증거</h4><p>End-to-End 통합 파이프라인 실행 성공률 100%, 테스트 커버리지 85% 이상 기준을 충족하고 원클릭 실행 스크립트 동작 확인 및 최종 발표 산출물 작성 완료을 만족하는 실행 결과 및 로그가 제출되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.</p><h4>보완 방법</h4><p>타 부대/인접 체계와의 연동 인터페이스(API) 확장 로드맵 제시을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.</p>",
|
|
"<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 타당성] 군사적 현실성 및 군 실무 즉시 도입 가능성, 운용 신뢰도 및 전략적 기대효과 관점의 타당성이 확보되었는가?</strong></p><h4>PASS 증거</h4><p>군 실무 즉시 도입 가능성, 운용 신뢰도 및 전략적 기대효과이 논리적으로 검증되었으며 최종 검증 위원회(평가관) 모의 시연 및 전체 기능 통합 검증를 통한 무결성이 확인되었다.</p><h4>보완이 필요한 상태</h4><p>비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.</p><h4>보완 방법</h4><p>교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.</p>"
|
|
],
|
|
"evaluationTypes": [
|
|
"REQUIRED",
|
|
"REQUIRED"
|
|
],
|
|
"evaluationText": "<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>핵심 평가영역:</strong> 군 실무 즉시 도입 가능성, 운용 신뢰도 및 전략적 기대효과</p><h4>미션 PASS 조건</h4><ul><li><p>정량 기준: End-to-End 통합 파이프라인 실행 성공률 100%, 테스트 커버리지 85% 이상</p></li><li><p>진행 기준: 원클릭 실행 스크립트 동작 확인 및 최종 발표 산출물 작성 완료</p></li><li><p>검증 방법: 최종 검증 위원회(평가관) 모의 시연 및 전체 기능 통합 검증</p></li></ul><h4>채점자 판정 메모</h4><blockquote><p>단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.</p></blockquote>",
|
|
"aiGuidelines": {
|
|
"allow": [
|
|
"데이터 전처리 알고리즘 및 정규화 서식 추천받기",
|
|
"이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기",
|
|
"대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기"
|
|
],
|
|
"rules": [
|
|
"최종 판정 및 지휘 결심은 학습자가 직접 수행한다.",
|
|
"실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.",
|
|
"AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다."
|
|
],
|
|
"forbid": [
|
|
"실제 군사 작전/인사 비밀 데이터를 AI에 입력하기",
|
|
"검증 없이 AI가 생성한 코드를 그대로 제출하기",
|
|
"단정적인 자동 결심 결과를 인간 검토 없이 확정하기"
|
|
]
|
|
},
|
|
"guideSteps": [
|
|
{
|
|
"step": 1,
|
|
"problem": "M10 코드를 실행해 자체 점검 10개 항목이 모두 PASS인지 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>M10 코드를 실행해 자체 점검 10개 항목이 모두 PASS인지 확인한다.</p><h4>해야 할 일</h4><ol><li><p>M10 코드를 실행해 자체 점검 10개 항목이 모두 PASS인지 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>( )</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>M10 코드를 실행해 자체 점검 10개 항목이 모두 PASS인지 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>M10 코드를 실행해 자체 점검 10개 항목이 모두 PASS인지 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(( ))를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 2,
|
|
"problem": "손상 문항 3건 차단과 함수 커버리지를 확인한다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>손상 문항 3건 차단과 함수 커버리지를 확인한다.</p><h4>해야 할 일</h4><ol><li><p>손상 문항 3건 차단과 함수 커버리지를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>( )</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>손상 문항 3건 차단과 함수 커버리지를 확인한다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>손상 문항 3건 차단과 함수 커버리지를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(( ))를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 3,
|
|
"problem": "출력된 배포 브리핑 요약으로 5분 분량 브리핑 자료를 만든다.",
|
|
"activity": "<h4>이 단계의 역할</h4><p>출력된 배포 브리핑 요약으로 5분 분량 브리핑 자료를 만든다.</p><h4>해야 할 일</h4><ol><li><p>출력된 배포 브리핑 요약으로 5분 분량 브리핑 자료를 만든다.에 필요한 데이터셋과 입력 파라미터를 준비한다.</p></li><li><p>정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.</p></li><li><p>출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.</p></li></ol><h4>핵심 확인 지표</h4><blockquote><p>( )</p></blockquote><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>출력된 배포 브리핑 요약으로 5분 분량 브리핑 자료를 만든다. 실행 결과 및 검증 로그</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>출력된 배포 브리핑 요약으로 5분 분량 브리핑 자료를 만든다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.</p></li><li><p>요구된 핵심 성능 지표(( ))를 충족하였다.</p></li></ul><h4>보완이 필요한 경우</h4><ul><li><p>실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.</p></li></ul>",
|
|
"attachments": []
|
|
},
|
|
{
|
|
"step": 4,
|
|
"problem": "도전 과제 및 파라미터 튜닝 최적화",
|
|
"activity": "<h4>이 단계의 역할</h4><p>기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.</p><h4>해야 할 일</h4><p>CONFIG의 min_confidence를 0.7로 바꿔 실행하고 Low 문항 수와 판별 정확도 변화를 브리핑에 추가한다.</p><h4>학습자가 제출해야 하는 내용</h4><ul><li><p>파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과</p></li></ul>",
|
|
"evalText": "<h4>PASS 기준</h4><ul><li><p>도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.</p></li></ul>",
|
|
"attachments": []
|
|
}
|
|
]
|
|
}
|
|
]
|
|
} |