Target

1. 밀크T 서비스에서 제공되고 있는 단원 및 성취도 평가의 고전적 진단 방법을 인공지능을 활용한 진단으로 대체 2. 각 문제의 난이도 및 변별도를 고전적 방법론에서 인공지능을 활용한 난이도 및 변별도 방식으로 대체 3. 학습자의 학습 유형을 분석하여 유형 세분화 4. 에듀테크 및 인공지능을 반영한 인공지능 로드맵 제시

Challenge

1. 기존 운영되고 있는 밀크T 서비스에 문제없이 서비스할 필요 2. 일부 모델 개발에 필요한 데이터의 부족 상황

How to

1. Knowledge Tracing 계열의 딥러닝 모델 개발 2. 기존 IRT 모델의 Cold Start 문제를 해결하기 위한 Bayesian IRT 활용 3. 안정적 서비스 제공을 위한 API 및 기반 아키텍처 개발

Outcome

1. 밀크T 수학의 단원 및 성취도 평가의 진단 모델 제공 2. 전체 수학 문제의 난이도/변별도 산출 모델 개발 3. 현행 사용자 트래픽을 감당할 수 있는 API 및 배치 서비스를 고려한 아키텍처 설계 및 개발