## [프로젝트 빌딩 4] zK 머신러닝 프로그램 만들기 프로젝트 빌딩 모듈은 알레오 체인을 활용한 다양한 어플리케이션 제작 실습을 위한 아티클과 미션을 제공한다. 이더리움 생태계에 [Speedrun Ethereum](https://speedrunethereum.com/), [Road to Web3](https://docs.alchemy.com/docs/welcome-to-the-road-to-web3)가 다양한 어플리케이션 제작을 위한 자료를 제공하듯 프로젝트 빌딩 모듈도 빌더들이 실제로 프로젝트를 제작하는데 있어 필수적인 리소스를 제공한다. zK 머신러닝 프로그램 만들기는 알레오를 활용한 zK 기반 머신 러닝 알고리즘 제작 방식을 다룬다. 머신 러닝 알고리즘을 구성함에 있어 zK가 가지는 검증 가능성, 데이터 신뢰성 보장을 기반으로 zK를 도입한 머신 러닝의 효과성과 방향성을 제시한다 ## 모듈의 구성 | | 정의 | 포함 내용 | 비고 | | --- | --- | ----- | --- | | 아티클 | 특정 개념 및 현상을 설명하는 자료 |

정의: 현재 상황과 한계를 기반으로 “왜(why)” 개념이 중요한지 설명한다. 출현 배경과 역사와 같은 맥락과 개념이 해결하고 있는 문제점을 설명한다.
구성 요소: 개념이 문제를 해결하기 위해 “무엇(what)”으로 구성되어 있는지 설명한다. 구성 요소에 대한 상세 설명을 기반으로 추가 자료 작성 가능하다.
구동 원리: 실제로 개념이 “어떻게(How)” 작동하는지 설명한다. 사용자의 진입부터 결과물 도출까지의 유저 플로우의 형태로 설명 가능하다
특장점: 개념을 적용했을 때 발생하는 "이점(Benefit)”을 중심으로 설명한다. 유사 개념과의 비교를 통한 설명 가능하다
활용 방안: “어디에서(Where)” 개념이 적용되고 있는지 사례를 통한 설명한다

아티클은 개념을 최대한 단순화해서 표현한다. [예를 들어 IBM에서 작성한 블록체이란 무엇인가 자료](https://www.ibm.com/topics/blockchain)처럼 개념을 이해하기 위한 도식을 포함한다.
30분 이내에 읽을 수 있는 자료 구성을 목표로 한다. 30분 이내에 이해하기 어려운 자료는 상세 내용을 포함한 자료로 나눈다.
중간중간에 적절한 예시 배치와 도표, 그림 설명 포함 추구한다. 예를 들어 [Hedera Docs](https://github.com/hashgraph/hedera-docs/blob/master/README.md)는 도표와 그림을 통해 체인의 기본 개념을 상세하게 설명한다.

| | 미션 | 참여자가 수행 및 제출을 통해 개념을 실습할 수 있는 자료 |

배경: 미션 수행이 “왜(Why)” 중요한지 미션을 수행하면 “어떤(What)” 결과물을 얻는지 설명한다
사전 준비: 미션 수행을 위한 알아야할 “사전 지식(Previous Knowledge)”과 "환경 설정(Environment Setup)" 방법을 포함한다.
수행 방법: “어떤 방법(How to)”으로 미션을 수행하는지 설명한다. 설치 화면과 코드 베이스, 설명 적극 활용한다.
제출 내용: 미션을 완수하기 위해 제출해야할 "최종 결과물(End Result)"을 설명한다. 제출을 위한 수행 절차를 포함한다.
추가 활용법: 제출한 미션을 발전시키기 위한 "추가 자료(Additional Reference)"와 "다음 미션(Next Step)"을 설명한다.

특정 미션은 수행을 위한 상세 가이드와 구현 방식, 설명을 포함한다.
미션 수행 과정에서 필요한 소스 코드와 구현 화면, 설계 도면 적절하게 활용한다.
최종 결과물 예시 소스 코드(ex. 깃헙)를 제공한다.

| 아티클과 미션은 모듈의 전체 구성과 자료의 유형에 따라 다양한 형식으로 배치가 가능하다. 예를 들어 [LearnWeb3 DAO는 자료 중간 중간에 퀴즈를 삽입하는 방식](https://learnweb3.io/lessons/what-is-ethereum)으로 이론과 미션을 구성한다. 반면에 [Alchemy University는](https://university.alchemy.com/home) 특정 모듈에 다수의 이론 자료와 최소 1개의 코딩 실습 제출을 유도한다. 루디움의 모듈은 미션 배치에 따라 변동이 가능하지만 루디움의 모듈은 미션 배치에 따라 변동이 가능하지만 루디움의 모듈은 미션 배치에 따라 변동이 가능하지만 **zK 머신러닝 프로그램 만들기 모듈은 최소 1개의 아티클과 2개의 미션 제작을 원칙**으로 한다. ## 모듈 구성 예시 | 유형 | 주제 / 설명 | 레퍼런스 | | --- | ------- | ---- | | 아티클 | 주제: zK와 머신 러닝
설명: 머신 러닝의 개념과 발전 방향. 머신 러닝 프로그램 제작에 있어 zK가 활용되는 장점과 활용 방안. 예시 | [Introduction to zKML](https://worldcoin.org/blog/engineering/intro-to-zkml)
[On verifiable Machine Learning](https://aleo.org/post/verifiable-machine-learning-models-ai-aleos-zkml-transpiler/)
[Machine Learning and Zero Knowledge](https://a16zcrypto.com/posts/article/checks-and-balances-machine-learning-and-zero-knowledge-proofs/) | | 미션1 | 주제: LEO 프로그램 러너로 머신 러닝 알고리즘 만들기
설명: LEO 프로그램 러너를 사용해서 파이썬으로 머신 러닝 알고리즘 만들기 | [Leo Program Runner](https://github.com/snowtigersoft/run_leo)
[LEO Machine Learning Algorithm](https://github.com/storswiftlabs/zkML) | | 미션2 | 주제: Gini Coefficient / Decision Tree / K-mean 만들기
설명: LEO와 파이썬을 활용해 머신러닝 알고리즘 기반 Decision Tree와 K-means 만들기 | [zKML Implementation Library](https://github.com/storswiftlabs/zkML/tree/main) | | 미션3 | 주제: Book Recommender 만들기
설명: Kaggle의 데이터셋을 활용한 Book Recommender 만들기 | [Book Recommender](https://github.com/Danielto1404/aleo-boosting/blob/main/book-recommender-system/README.md) | | 미션4 | 주제: zK KYC 만들기
설명: 머신 러닝과 인증서를 활용한 zK KYC 어플리케이션 만들기 | [zK KYC](https://github.com/B1boid/zk-KYC) | 실제 모듈은 제작자의 기획 의도와 방향성에 따라 수정이 가능하다. 제작 희망자는 신청서 작성 과정에서 자신의 제작 의도와 작성 예정 아티클, 미션을 포함한 기획서를 제출한다

[프로젝트 빌딩4] zK 머신러닝 프로그램 만들기