이득:
- PyQGIS 및 모델 디자이너를 통한 AI 지원으로 작업 흐름 자동화를 설정하고 실행하는 능력
- 엔드투엔드 프로젝트에서 개인 데이터 개인 정보 보호, 저작권, 라이센스 및 엔지니어 책임 제한을 관리하는 능력
- 데이터 수집부터 전달까지 AI 지원이지만 검증 중심 흐름에서 지리학 프로젝트를 설계하는 능력
모듈 시험
1. 다음 중 측량 엔지니어링에서 AI 결과의 위험을 결정하는 기본 원칙은 무엇입니까?
- A) 출력의 위험은 해당 출력에 결함이 있을 경우 발생할 수 있는 피해와 동일합니다. 그에 따라 검증 규모가 조정됩니다 ✔
- 나) AI 출력물은 유창하고 자신있게 작성되었기 때문에 일반적으로 안전하다.
- 다) 최신 모델을 사용하는 경우에는 Validation이 불필요하다.
- D) 출력이 표준을 참조하는 경우 추가 제어가 필요하지 않습니다.
설명: 출력의 위험은 해당 출력에 결함이 있을 경우 발생하는 피해와 동일합니다. 문헌 요약의 사소한 오류는 대체로 무해하지만 지적 경계 또는 표고 값의 오류는 재산 침해, 부적절한 건축 적용 및 재산 피해로 이어질 수 있습니다. 따라서 검증 강도는 잠재적인 피해에 따라 증가합니다.
2. GNSS 측정 세트의 품질 관리에서 AI에 가장 안전하고 적절하게 할당되는 작업은 무엇입니까?
- A) 최종적으로 점 좌표의 정확성을 승인하고 등록 준비가 완료되었음을 선언합니다.
- B) 원시 관찰 테이블 편집 및 가능한 이상치/불일치 표시 ✔
- 다) 측정원리를 보지 않고 직접 적용값 확인
- D) 종료 오류를 계산하지 않고 결과가 유효한 것으로 간주
설명: AI의 가장 안전한 기여는 분산된 원시 데이터 및 주석 구성, 불일치 및 이상값 표시 등 엔지니어가 제어할 수 있는 보조 작업입니다. 오류 해결 및 측정 원칙을 포함하여 점 좌표의 정확성에 대한 최종 승인은 엔지니어의 승인에 따라 결정됩니다. '그 점이 절대적으로 정확하다'고 말하는 AI는 증거가 아니다.
3. 좌표변환 요청시 AI에게 어떤 정보를 명확히 기재해야 하나요?
- A) 포인트 이름만 해당
- B) 단지 대상 투영의 이름, 데이텀은 중요하지 않습니다.
- C) 소스 및 타겟 좌표계(데이텀 + 투영/EPSG) 및 변환 매개변수 ✔
- D) 측정하는 사람의 이름
설명: 좌표 변환은 소스 시스템, 대상 시스템(데이텀 + 투영, 예: EPSG 코드) 및 필수 변환 매개변수가 지정된 경우에만 의미가 있습니다. '이것을 UTM으로 변환'이라고 말하면 어느 데이텀이 어느 데이텀에서 어느 데이텀으로 이동되고 있는지 불분명해지며 미터의 데이텀 이동이 발생할 수 있습니다.
4. 다음 중 변환 결과를 확인하는 가장 실용적인 방법은 무엇입니까?
- A) 출력의 소수점 이하 자릿수를 보면
- B) 모델이 얼마나 빨리 답변을 제공하는지 살펴보기
- 다) 결과를 전혀 확인하지 않고 CAD로 전송하는 경우
- D) 동일한 변환을 통해 좌표를 알 수 있는 제어점을 놓고 기대값과 비교 ✔
설명: 동일한 변환을 통해 좌표가 알려진 하나 이상의 제어점을 전달하고 이를 예상 값과 비교하면 매개변수 및 데이텀 오류가 모두 빠르게 드러납니다. 수십 미터의 체계적 차이는 일반적으로 잘못된 데이텀/매개변수 기호입니다. 출력이 매끄럽게 나타난다는 사실이 정확하다는 증거는 아닙니다.
5. GIS에서 올바른 버퍼 및 면적 계산을 위한 가장 중요한 전제 조건은 무엇입니까?
- A) 레이어가 적절한 미터법(투영) 좌표계에 있습니다. ✔
- B) 레이어의 색상
- 다) 속성 테이블의 열 순서
- D) 레이어의 파일명은 짧아야 합니다.
설명: 거리 및 면적 계산은 미터법(투영) 좌표계에서만 의미가 있습니다. 지리적 좌표(위도/경도)의 직접 버퍼링은 도계 혼동으로 인해 부정확한 결과를 제공합니다. 따라서 분석하기 전에 레이어를 적절한 투영에 배치해야 합니다.
6. 위성영상 분류에서 토지피복도의 정확도를 측정하는 표준 방법은 무엇입니까?
- A) 지도의 색상이 얼마나 생생한지 살펴보기
- B) 독립적인 Ground Truth 샘플을 사용하여 오류 행렬을 설정하고 전체 정확도/Kappa 계산 ✔
- 다) 많은 수의 수업에 의존
- D) 이미지의 해상도를 살펴보고 정확도를 가정합니다.
설명: 분류 정확도는 독립적인 실측 샘플로 혼동 행렬을 설정하고 이를 전체 정확도 및 카파와 같은 측정항목으로 보고하여 평가됩니다. 지도의 '보기 좋다'나 클래스 색상의 선명도는 정확성의 증거가 아닙니다.
7. 사진측량 정사사진 및 DSM 제작에서 위치 정확도를 보장하는 기본 요소는 무엇입니까?
- A) 사진을 많이 찍어보세요
- 나) UAV는 고가의 모델이다
- 다) 정확하게 측정된 지상 기준점과 독립 기준점을 통한 정확도 제어 ✔
- D) 비행은 흐린 날에 이루어져야 합니다
설명: 지상 기준점(GCP)은 사진 측량 모델을 실제 좌표계에 연결하고 축척/위치 정확도를 결정합니다. 또한 모델에 입력되지 않은 독립적인 제어점을 사용하여 RMSE를 계산하여 정확도를 테스트합니다. 단순히 이미지 수를 늘리거나 UAV를 비싸게 만든다고 해서 정확성이 보장되는 것은 아닙니다.
8. LiDAR 포인트 클라우드에서 디지털 지형 모델(DTM)을 생성하려면 어떤 단계가 필수입니까?
- A) 모든 점을 그대로 면으로 변환
- 나) 가장 높은 점수만 사용
- C) 밀도 값 삭제
- D) 지상 필터링을 통해 지상이 아닌(건물, 나무) 지점 분리 ✔
설명: DTM은 맨 땅 표면을 나타냅니다. 따라서 건물, 나무, 차량 등 지상이 아닌 지점을 분리(지상 필터링/분류)해야 합니다. 이 단계를 건너뛰면 DTM이 아닌 윗면(DSM)이 얻어집니다. AI는 분류 속도를 높일 수 있지만 결과는 프로필 단면을 통해 검증되어야 합니다.
9. AI를 이용한 자동 지도 생성에서 가장 흔하고 가장 위험한 실수 중 하나는 무엇입니까?
- A) 축척, 범례, 좌표계, 정확도 등급 등 필수 요소 생략 ✔
- B) 너무 많은 체크포인트 사용
- 다) 레이어 그룹화
- D) 시트에 제목 추가
설명: 자동 기호화 및 라벨링은 빠르지만 축척, 범례, 북쪽 화살표, 좌표계 및 정확도 참고와 같은 필수 지도 제작 요소가 누락된 경우 지도가 오해의 소지가 있어 공식적으로 사용할 수 없게 됩니다. 시각적 매력은 이러한 필수 요소를 대체할 수 없습니다.
10. 지적 및 토지 등기 데이터로 작업할 때 AI 출력 상태는 어떠해야 합니까?
- 가) 소유권 증서에 직접 기재할 수 있는 확정자료로 간주됩니다.
- B) 예비 점검/초안으로 간주됩니다. 최종 유효성은 측정, 법률 및 당국 승인에 따라 다릅니다. ✔
- 다) 재산분쟁은 혼자 해결한다
- D) 어떠한 통제도 필요 없이 공식 문서가 됩니다.
설명: 지적 경계, 지역 및 소유권 정보는 법적 결과를 갖습니다. AI는 가장 많은 프리플라이트, 불일치 스캔 및 초안을 생성합니다. 최종 유효성은 측정, 법률 및 공인 엔지니어/기관 승인에 따라 달라집니다. AI 출력을 '최종'으로 선언하면 법적, 직업적 위험이 발생합니다.
11. AI 생성 GeoPandas/PyProj 스크립트를 사용하기 전에 가장 중요한 확인 사항은 무엇입니까?
- A) 코드가 길기 때문에 맞다고 가정
- B) 오류 없이 작동하면 충분하다는 점을 고려하여
- 다) 작고 알려진 테스트 데이터로 실행하여 CRS 및 순위를 확인한다 ✔
- D) 변수 이름을 좋은 것으로 승인
설명: 생성된 코드는 결과가 알려진 작은 테스트 데이터로 실행되어야 하며 예상되는 출력과 순위를 확인해야 합니다. 특히 CRS(좌표계) 정의가 올바르게 지정되었는지 여부는 심각한 오류입니다. false CRS는 자동으로 몇 미터의 드리프트를 생성합니다. 코드가 '작동한다'고 해서 그것이 정확하다는 의미는 아닙니다.
12. 위치정보와 개인정보가 포함된 지적/주소 데이터셋을 AI에 제공할 때 올바른 접근 방식은 무엇인가요?
- A) 모든 실제 소유자 및 신원 정보를 있는 그대로 보냅니다.
- B) 유익할 것이기 때문에 프라이버시를 무시하는 것
- C) 공개 포럼에 데이터 붙여넣기
- D) 개인 데이터를 익명화하거나 대표 가치/승인된 환경에서 작업 ✔
설명: 개인 데이터(소유자 이름, TR ID, 민감한 위치)가 포함된 데이터는 회사 정책 및 법률을 위반하여 외부 모델로 전송되어서는 안 됩니다. 데이터는 익명화되어야 하며, 샘플/대표값을 사용하거나 승인된/사내 환경을 사용해야 합니다. '어쨌든 유용하다'는 정당화는 기밀 유지 의무를 제거하지 않습니다.
13. 토지 피복 분류에 NDVI 지수를 사용하는 주요 목적은 무엇입니까?
- A) 근적외선 및 적색 밴드를 통해 식생 생존력/밀도 측정 ✔
- B) 땅의 높이를 미터 단위로 측정
- C) 소포 소유자 결정
- D) 좌표계 변환
설명: NDVI(Normalized Difference Vegetation Index)는 적외선과 적색 밴드의 차이를 사용하여 녹색 식물의 활력/밀도를 측정합니다. 초목은 물과 맨땅을 구별하는 강력한 지표입니다. 키만으로는 소유권을 측정하거나 결정하지 않습니다.
14. 안전이 중요한 애플리케이션이나 지적 작업에서 AI 출력의 역할에 대해 가장 정확한 설명은 무엇입니까?
- A) AI 출력이 충분히 유창하다면 엔지니어 승인이 필요하지 않습니다.
- B) AI는 가속기입니다. 유능한 엔지니어의 승인과 책임을 대체하지 않습니다 ✔
- 다) 책임은 해당 모델을 생산하는 회사에 넘어갑니다.
- D) 가장 비싼 모델을 사용할 경우 승인이 필요하지 않습니다.
성명서: 엔지니어링 및 지도 제작에서 AI 출력은 보안 및 법적 결과를 초래하는 작업에 있어 유능한 전문가의 통제 및 승인을 대체하지 않습니다. 이는 단지 가속기이자 초안 생성 도구일 뿐입니다. 최종 책임과 서명은 공인 엔지니어에게 있습니다.