최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 국내 대학의 AI 전공 교육과정 현황을 분석하여 체계적인 AI 교육과정 운영을 위한 시사점을 탐색한다. 분석 결과, 국내 대학의 파이썬 프로그래밍 과목, AI 응용 및 융합 과목, AI 개발자 직무 관련 과목, 전문대학의 AI 수학 관련 과목이 부족한 것으로 나타났다.
1년 안에 AI 빅데이터 전문가가 되는 법 : 4차 산업혁명 시대의 최고의 직업 =
한국교육의 진로
서울대학교 AI융합교육학과 인공지능 수업 가이드 : 앞서가는 초등, 중등 교사의 선택 : 2022 개정 교육과정 활용 앞서가는 초등, 중등 교사를 위한 에듀테크 사례
STATA : 기초통계와 회귀분석 : 16-18 version
Fundamentals of artificial intelligence
인공지능? 모를 수도 있지! : 카이스트, 네이버, 카카오 출신 인공지능 개발팀이 알려주는 11가지 필수 지식
AI literacy in K-16 classrooms
AI 교육의 이론과 실제
乳牛の科學
Future directions in artificial intelligence : IFIP TC12 Founding Workshop collected papers
(선생님들을 위한) 인공지능 활용교육과 실제
Foundations of neural networks, fuzzy systems, and knowledge engineering
Artificial intelligence in higher education : a practical approach
(4차 산업혁명과 대학의) 교육혁신
감정평가론
공업정보학의 기초
Mathematical methods in artificial intelligence
AI 경영론
4.0시대 교육정책 어젠다 : 자유·공정·다양성
문화와융합
전종희실천공학교육논문지
구은희교육과 문화
장수미인문사회과학연구
김양희교양교육연구
송선영The Korean Association of General Education
Sun Young Song교양교육연구
조미영, 한옥영BMC MEDICAL EDUCATION
Rincon, Erwin Hernando Hernandez; Jimenez, Daniel; Aguilar, Lizeth Alexandra Chavarro; Florez, Juan Miguel Perez; Tapia, Alvaro Enrique Romero; Penuela, Claudia Liliana Jaimes공학교육연구
백란교양교육연구
문경희, 양자영, 박성호공학교육연구
백란교양교육연구
장은실교육혁신연구
김영환PROCEEDINGS OF THE 2019 COMPUTERS AND PEOPLE RESEARCH CONFERENCE (SIGMIS-CPR '19)
Li, Yaojie; Wang, Xuan; Xin, Daqi한국과학예술융합학회
정상필, 박광희The Korean Association of General Education
Mi Young Jo; Oakyoung Han한국콘텐츠학회 논문지
김영우; 김주혜; 안현기Korea Business Review
박진하인공지능연구 논문지
박혜랑, 정명진, 김경아, 양광모에듀테인먼트연구
박정호전선 / 대학원
실제적인 문제를 해결하는 인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, 각 교과의 전문성이 있는 AI융합전공 수강생들이 인공지능(AI) 지식과 구현능력을 바탕으로 협업하여 수업을 설계하는 역량이 요구된다. 이 강의의 목적은 첫째, 각 교과의 전문성을 가진 교사들이 인공지능 지식과 구현능력을 바탕으로 협업하여 실제적인 문제를 해결하는 교과별 인공지능 연계 프로젝트를 하는 것이다. 둘째는 교과교육 교사들이 서로 협업하여 문제 해결 중심의 교과별 인공지능 연계 수업을 설계하는 것이다. 이 교과목을 통해 AI융합전공 수강생들은 인공지능을 실제적인 문제해결에 쓰는 경험과 융합 수업 설계능력, 그리고 협업 역량이 증진될 것이다.전필 / 대학원
컴퓨터 기반 측정 평가 및 진단 이론의 흐름과 최신 기술에 대해 배우고 관련 소프트웨어 사용방법을 배운다. 문항반응이론, 인지진단평가, 컴퓨터 적응 평가, 다단계 평가 등 기존 교육평가 분야에서 컴퓨터 기반 평가에 사용되는 기술 및 Knowledge tracing, 자동 문항 추천, 자동 문항 생성 및 자동 문항 채점 등 머신러닝 기반 교육평가의 최신 동향 및 알고리즘의 특성과 원리를 배운다.교양 / 학사
본 강좌는 AI와 머신러닝의 기초 개념을 이해하고, 이를 실제 데이터에 적용하여 예측 및 분류 문제를 해결하는 능력을 배양하는 것을 목표로 한다. 기초적인 데이터 처리 방법부터 머신러닝과 딥러닝 모델에 이르기까지 다양한 주제를 다루며, Pandas, Scikit-learn, PyTorch 등의 라이브러리를 사용하여 데이터를 처리하고 모델을 구현한다. 또한, TV 광고 데이터를 활용한 매출 예측, 신용카드 연체 예측 등 실생활 문제를 다루어 AI 기술이 실질적으로 활용되는 사례를 제공하며, 학생들이 데이터를 통해 실제로 문제를 해결하는 과정에서 얻는 성취감을 높이고자 한다.전필 / 대학원
본 과목은 초·중등 교사들을 대상으로 인공지능 시대의 삶의 변화와 이에 따라 요구되는 시민적 자질로서의 핵심역량이 무엇인지, 그리고 그러한 역량을 어떻게 학습자들이 함양할 수 있는지 탐구하는 것을 목적으로 한다. 4차 산업혁명이 가져오는 국가·사회적 요구에 부응하고 새로운 시대 유능한 사회 구성원으로서의 소양을 육성하는 것은 중요한 교육적 책무이다. 이를 위해 인공지능의 교육적 활용, 과학과 인문학의 융합, 빅데이터 기반 인공지능의 활용, 이와 관련된 사회·윤리적 이슈 및 인공지능 시대의 교육적 과제 등을 다룬다.전선 / 대학원
본 과목은 한국어, 영어, 프랑스어, 독일어 등의 언어 교육을 담당하는 교사들을 대상으로 하여 AI를 활용하여 언어를 가르치는 방법을 연구하는 것을 목적으로 한다. 기본적으로 최근 AI 기술이 적용된 스마트스피커, TV, 모바일 기기, AR/VR, 등 다양한 기기를 교실 환경에서 이용하여 읽기, 듣기, 말하기, 쓰기 등의 언어 학습을 효과적으로 수행하는 방법을 탐구하는 내용을 포함한다. 이를 위하여 개별 언어 능력에 적절한 기술과 디바이스를 매칭시키는 방안을 제시하고 기존의 교육 컨텐츠를 이에 맞게 설계하는 방법을 제안한다. 또한, 각 학습 과정에서 학습자 개인에 따라 맞춤형으로 학습할 수 있는 방안을 포함한다.전필 / 대학원
인공지능 기술을 이용한 융합교육을 실현하기 위해 필요한 기초 프로그래밍을 배운다. 학생들에게 인공지능 기술에 대한 소양을 지도할 수 있도록 중고등 학생들이 다루게 되는 블록 코딩과 아두이노 등에 활용할 수 있는 C/C++ 프로그래밍의 기초 및 알고리즘을 배운다. 또한 딥러닝 기술에 주로 활용되는 파이썬과 데이터 분석에 주로 활용되는 R 에 대해 배운다. 프로그래밍 언어의 기본 구문과 알고리즘의 원리를 배움으로써 코딩을 활용한 융합교육을 설계하고 지도할 수 있는 역량을 기르도록 한다.전필 / 대학원
본 강좌는 인공지능사회에 도래함에 따라 교육전문가들을 대상으로 인공지능사회의 거버넌스와 디지털 리터러시에 대한 비판적 안목을 제공하기 위한 입문과목이다. 본 강좌에서는 인공지능(AI) 분야의 연구와 기술이 빠르게 발전함에 따라 사회를 구성하는 인간의 삶의 다양한 영역에 인공지능이 차지하는 비중이 높아지고 있는 상황에 비추어 교육 분야에서의 기술의 영향, 디지털 거버넌스, 윤리 및 책임에 대한 주제들을 체계적으로 다룬다. 또한 이러한 철학적, 윤리적 논의를 배경으로 디지털 미디어 콘텐츠에 대한 이해와 활용능력을 교육영역에 어떻게 비판적으로 적용할 수 있는지를 심층적으로 다룬다.전필 / 대학원
인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, AI융합전공 수강생들은 인공지능(AI)을 교과 수업 상황에 융합하여, 수업을 설계하고 실행할 수 있는 역량이 요구된다. 이 강의는 AI융합전공 수강생들이 인공지능(AI) 자체에 대한 수업과, 인공지능(AI) 학습도구를 활용한 인공지능(AI)-교과 융합수업을 설계하고, 실행할 수 있는 역량을 갖추는 것을 목적으로 한다. 이를 위해 AI융합전공 수강생들은 먼저, 인공지능(AI) 자체에 대한 수업 설계 역량을 기른다. 그리고 실제적이고 집중적인 교육을 통해, 이 교과목은 수강생들의 인공지능 교과 융합 수업을 설계하고 실행하는 역량 증진시킬 것이다.전선 / 대학원
이 강좌는 인공지능에 대한 이해를 바탕으로 교육적 활용방안을 탐색하고 다양한 연령의 학습자를 대상으로 인공지능에 대한 교육을 효과적으로 실시하는 방안을 다룬다. 인공지능 기반 교육에 대한 최신 이론과 교육적 이슈를 체계적으로 검토하고 교육 분야에서 인간과 인공지능이 협업할 수 있는 방안을 논의한다.전선 / 대학원
본 과목은 한국어 및 외국어 교육을 담당하는 교사들을 대상으로 하여 언어교육에 기초가 되는 언어현상을 이해하고 이를 자연어처리기술을 이용하여 분석하는 것을 목적으로 한다. 이를 위하여 언어학과 언어처리분야에서 개발된 여러 가지의 언어 분석 소프트웨어를 이용하여 언어 현상을 이해하도록 지도한다. 이와 같이 컴퓨팅 사고력을 기반으로 한 언어에 대한 이해는 이후 발음 및 문법 교육을 인공지능화하는 기초 연구가 될 것이다.전선 / 대학원
최근 오감을 이용하는 것을 전제로 하여 AI 기술이 적용된 스마트 스피커, TV, 모바일 기기, AR/VR, 등 다양한 기기를 교실 환경에서 이용하기 위해서는 개별 과목과 콘텐츠를 기기와 기술에 맞게 재설계하는 것이 필요하게 된다. 이를 위하여 개별 과목의 교육 콘텐츠를 분류하는 기준을 정의하고 여러 콘텐츠를 디지털화하는 방법을 고안해야 할 것이다. 본 과목은 특히 인문 사회 과목의 전공자들이 각각 담당하는 과목과 내용에 맞는 교수 방법론과 콘텐츠 설계 방법을 정의하도록 지도하며 이를 바탕으로 일반적인 교육 콘텐츠 설계 방법을 도출해 내는 것을 목적으로 한다.교직 / 학사
디지털 대전환 시대 예비교사는 데이터와 AI 기술을 수업에 적절히 활용할 수 있는 인공지능융합역량이 요구된다. 본 강의는 코딩 및 데이터 사이언스의 기초 개념을 이해하고 간단한 수준의 코딩을 활용하여 데이터ㆍ AI 기반의 융합수업을 설계하는 실습 중심의 수업이다. 본 강의는 <교과-소프트웨어 융합역량 교육론 I>과목의 선수 강좌로 코딩에 대한 기초 지식이 없거나, 인공지능융합교육에 처음 입문하는 학생들을 위한 강좌이다.전선 / 대학원
지능 시스템은 환경과 상호작용하고 성능을 극대화하는 방법이다. 지식 표현과 추론은 논리적 지식 표현, 판단 계산, 술어 계산, 상황 계산, 지식 표현 구축 등과 함께 지능 시스템의 중요한 측면이며, 불확실성을 해결하기 위한 방법으로 확률과 확률 네트워크, 퍼지 논리와 같은 기법을 사용한다. 계획과 학습 역시 지능 시스템의 중요한 구성 요소로서, 목표 달성을 위해 필요한 행동 순서를 결정하고 시간이 지남에 따라 성능을 개선할 수 있도록 한다. 본 강좌에서는 지능시스템을 이해하고 활용할 수 있는 기초 지식을 쌓는다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 인공지능/머신러닝(A) 분야의 기초 강좌이다. 본 교과목은 데이터사이언스 전공자를 위한 머신러닝(machine learning)과 딥러닝(deep learning)의 기초를 다룬다. 구체적으로, 머신러닝의 기초가 되는 이론(확률, MLE, gradient descent, overfitting, regularization 등)과 지도학습의 기초적인 모델을 중심으로 다룬다. 딥러닝 부분에서는 뉴럴넷의 기본, backpropagation을 다룬 후, 주로 convolutional neural network의 구조와 활용을 중점적으로 다룬다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC (AI model/algorithm, Big data, Computing) 교육 과정 중 인공지능/머신러닝(A) 분야의 기초 강좌이다. 본 교과목은 데이터사이언스 전공자를 위한 머신러닝 (machine learning)과 딥러닝 (deep learning)의 기초를 다룬다. 구체적으로, 머신러닝의 기초가 되는 이론 (확률, MLE, gradient descent, overfitting, regularization 등)과 지도학습의 기초적인 모델을 중심으로 다룬다. 딥러닝 부분에서는 뉴럴넷의 기본, backpropagation을 다룬 후, 주로 convolutional neural network의 구조와 활용을 중점적으로 다룬다.전선 / 대학원
본 과목은 데이터 과학의 방법론을 배우고 교육 관련 데이터, 다양한 인문 사회 분야의 데이터를 활용하여 인문학과 사회학 분야의 주제를 융합적으로 해결하는 역량을 기르는 교수 지식과 교육 역량을 갖추는 것을 목적으로 한다. 데이터 과학, 기계학습의 다양한 방법을 배우고 데이터 기반 교육을 실제 교실 환경에서 구현하는 방안을 연구하고 모색한다. 인공지능이 데이터를 사용하여 인문 사회 분야에 어떻게 기여할 수 있는지 동향과 가능성을 파악하고, 그 기반이 되는 분석 방법을 배운다. 인문 사회 분야의 다양한 주제와 관련된 데이터를 수집하고, 인문 사회 분야의 문제 해결을 위해 관련 데이터를 전통적 통계 분석과 최근의 기계학습, 다양한 인문 사회 맞춤형 분석 방법 등으로 분석하는 융합교육을 수행하는 구체적 아이디어를 개발한다. 또한 인문 사회 분야의 연구와 문제 해결을 위해 과학과 수학, 정보 분야의 문제 해결 방식을 융합하는 다양한 방안을 교육적으로 활용하는 방법을 연구한다.전선 / 학사
이 수업은 미래사회의 변화 방향과 이에 따른 교육의 기능의 변화, 그리고 인공지능과 빅데이터가 미칠 교육 현장의 변화를 조사하고 토론하는 것을 목적으로 한다. 구체적으로 새로운 과학기술이 가져올 다양한 영역(과학, 공학, 산업 등)에서의 사회의 변화 특징을 확인하고, 이에 맞게 미래교육은 어떻게 변화를 준비해야 할지를 조사, 논의하고자 한다. 또한 미래 과학기술을 대표하는 인공지능과 빅데이터가 어떻게 교육현장을 변화시킬지에 대해 교수-학습, 학생진로지도, 교육의사결정 등의 측면에서 깊이 있게 살펴보고자 한다.전선 / 대학원
인간과 같은 구조와 원리로 인간지능을 재현해 내는 인공지능 기술의 발달로 그간 자동화와 전산화의 영역의 밖이었던 제조 영역 곳곳에 혁신을 가져올 것으로 기대되고 있다. 본 과목은 제품의 제조에 있어 인공지능 기술을 어떻게 활용할 수 있는지 그 근본 원리와 가능성 그리고 한계에 대해 이해하는 것을 목표로 한다. 이를 위해 제품 검사, 예측과 유지보수 뿐만이 아니라, 제품 설계, 재료 발견 및 설계, 지능기반 제조기계를 포함하는 제조 흐름마다의 현장 수요와 문제점, 그리고 그 문제를 해결할 수 있는 구체적 기술을 이론과 실제 제조 공정의 사례와 데이터로 익히게 된다.전선 / 대학원
AI 기술은 빠른 속도로 발전하고 있으며 핵심기술의 적용 가능 분야 또한 대단히 빠른 속도로 넓어지고 있다. 본 강의의 학습목표는 일반적 창업 지식의 학습이 아니라, 빠르게 변하는 AI 분야의 기술기반 창업 동향 전반에 대한 이해를 높이는 것이다. 이는 AI 분야 창업 뿐 아니라 AI를 전공하는 연구자들에게 어떠한 연구 문제들이 미래에 중요할지 판단하는데 도움이 될 수도 있다. 따라서, 수강 대상은 AI를 전공하거나 AI 기술을 사용할 수 있는 학생들로 한다. 강의는 최근 인공지능기술의 변화에 대한 이해를 바탕으로 새로운 AI 기술이 출현할 때마다 어떤 창업 트랜드가 생겼는지, 어떤 분야가 영향을 받았는지, 관련 스타트업들은 현재 어떻게 되었는지등에 대해 학생 참여 방식으로 학습한다.전선 / 대학원
AI 기술은 빠른 속도로 발전하고 있으며 핵심기술의 적용 가능 분야 또한 대단히 빠른 속도로 넓어지고 있다. 본 강의의 학습목표는 일반적 창업 지식의 학습이 아니라, 빠르게 변하는 AI 분야의 기술기반 창업 동향 전반에 대한 이해를 높이는 것이다. 이는 AI 분야 창업 뿐 아니라 AI를 전공하는 연구자들에게 어떠한 연구 문제들이 미래에 중요할지 판단하는데 도움이 될 수도 있다. 따라서, 수강 대상은 AI를 전공하거나 AI 기술을 사용할 수 있는 학생들로 한다. 강의는 최근 인공지능기술의 변화에 대한 이해를 바탕으로 새로운 AI 기술이 출현할 때마다 어떤 창업 트랜드가 생겼는지, 어떤 분야가 영향을 받았는지, 관련 스타트업들은 현재 어떻게 되었는지, 등에 대해 학생 참여 방식으로 학습한다.