미래 교육의 핵, 인공지능 교육의 청사진을 제시한다! 인공지능 교육의 논리적 모델을 제시, 과학적·체계적으로 AI 교육에 접근! AI 사고를 위한 인공지능 교육

미래 교육의 핵심 코드는 단연 인공지능이다. 교육부가 올해 상반기 중 미래 교육 추진단을 신설하기 위해 분주한 것은 물론 최근 유은혜 교육부 장관이 발표한 미래 교육을 이끄는 데 필요한 다섯 가지 정책 중 AI 교육 활성화도 포함된 바 있다. 이와 같이 시급하고 중차대한 인공지능 교육을 위해 각급 학교, 교사, 교육대학원에서 제대로 된 역량을 갖춘 교사를 양성하기 위해 마련된 인공지능 교육에 새로운 표준을 마련하기 위해 집필된 교재가 바로 이 책이다. 인공지능 교육의 권위자로 인공지능 교육 프레임워크를 개발하고 인천시 교육청과 인공지능 교육 발전 협약을 맺는 등 활발하게 활동 중인 한국인공지능교육학회의 한선관 학회장(경인교대 컴퓨터교육과 교수) 주도로 미래인재연구소의 교사들과 인공지능교육연구소의 멤버들이 참여해 완성된 이 책은 인공지능 교육의 가이드라인을 제시할 뿐 아니라 인공지능 교육의 논리적 모델과 인공지능 교육의 표준화를 위한 기초 자료를 제시하는 포괄적인 내용을 담고 있다. 또, 인공지능의 기초 학문과 컴퓨터 과학에 대한 내용을 바탕으로 인공지능의 주요 개념과 기술을 안내하며 다양한 인공지능의 교육 접근 방법으로서 이해 교육, 활용 교육, 가치 교육을 제시한다. 특히 실제 인공지능을 현장 교육에 적용하기 위한 교육 방법과 수업 사례를 제시한다. 이 책은 인공지능 교육을 다양하게 준비하고 있는 교육자나 연구자, 관심 있는 학생들에게도 새로운 이정표가 될 것으로 보인다.

추천의 글
추천사
저자 약력
머리말
인공지능 교육의 가이드라인

1부 인공지능 사회
1. 인공지능의 시대
2. 생활 속 인공지능
2.1 인간에게 도전장을 내미는 인공지능
2.2 인공지능 심사위원
2.3 창의성을 발휘하는 인공지능
3. 세상을 바꾸는 인공지능
3.1 인공지능으로 바뀌는 사회의 통계적 접근
3.2 인공지능과 직업
4. 인공지능의 영향
4.1 AI 시대를 대비하는 인류
4.2 인공지능의 미래
4.3 직업과 인공지능의 일자리 대체

2부 교육과 인공지능
1. 국가 경쟁력, 인공지능
2. 사활을 건 인공지능 인재 양성
3. 국외의 인공지능 교육 사례
4. 국내의 인공지능 교육 정책
5. 인공지능 교육의 필요성
6. 인공지능 교육 도입의 근거
7. 인공지능 교육의 접근
8. 인공지능 교육을 바라보는 다양한 관점
9. 인공지능 교육의 유형
10. 인공지능 통합 교육 모형
11. 인공지능 교육이 추구하는 사고력
12. 인공지능 사고의 필요성
13. 컴퓨팅 사고력과 인공지능 사고력
14. 인공지능 사고력의 정의
15. 인공지능 사고력의 확장
16. 강(초)인공지능 시대를 대비하는 교육
17. 모두를 위한 인공지능 교육

3부 인공지능의 지식 체계
1. 인공지능의 기초
1.1 인공지능의 역사
1.2 인공지능과 인간 지능
1.3 에이전트 모형
1.4 인공지능과 소프트웨어
1.5 인공지능의 기초 지식
1.6 인공지능 알고리즘과 활용 분야
1.7 인공지능의 영역
1.7.1 내적 기능
1.7.2 외적 기능
1.7.3 상호작용
1.8 인공지능과 학문적 체계의 구성도
2. 기계 탐색: 문제와 탐색
2.1 문제와 해답, 상태
2.2 무작위적 탐색 방법
2.2.1 너비우선 탐색
2.2.2 깊이우선 탐색
2.2.3 깊이제한 탐색
2.2.4 양방향 탐색
2.3 정보를 사용하는 탐색 전략들
2.3.1 그리디 알고리즘
2.3.2 에이스타(A*) 알고리즘
2.4 최적화 탐색 전략
2.4.1 언덕 오르기 탐색
2.4.2 유전 알고리즘
2.5 게임 탐색
2.5.1 최소-최대 알고리즘
2.5.2 몬테카를로 알고리즘
2.6 제약 조건 만족 문제(백트래킹 탐색)
2.7 그 외의 탐색과 탐색 문제
3. 기계 추론: 지식과 추론
3.1 지식 기반 인공지능의 구성 요소
3.2 프레임
3.3 논리
3.3.1 명제 논리
3.4 의미망
3.5 계획 수립
3.5.1 계획 수립의 알고리즘
3.5.2 계획 수립 문제의 형태
3.5.3 계획 수립 그래프
3.5.4 그 밖의 언어들
3.6 불확실성
3.6.1 불확실성의 기본적인 확률
3.6.2 베이즈 정리
3.7 확률적 추론
3.8 의사결정
4. 기계학습: 자료와 학습
4.1 기계학습 개요
4.2 지도학습
4.2.1 회귀
4.2.2 선형회귀
4.2.3 로지스틱 회귀
4.2.4 결정 트리
4.2.5 SVM
4.2.6 랜덤 포레스트
4.2.7 나이브 베이즈
4.3 비지도학습
4.3.1 K-Means
4.3.2 가우시안 혼합 모델
4.3.3 주성분 분석
4.3.4 인공 신경망
4.3.5 딥러닝
4.3.6 합성곱 신경망
4.4 강화학습
4.4.1 MDP와 MRP
4.4.2 A3C
4.5 빅데이터
5. 데이터 과학: 자료와 과학
5.1 데이터 과학의 학문 분야
5.2 데이터 과학의 절차
5.3 데이터 과학 분야의 전문가 유형
5.4 데이터 과학의 도구
5.5 데이터 과학과 BI(비즈니스 인텔리전스)의 차이점
5.5.1 데이터 과학의 응용 분야
5.6 데이터 과학과 머신러닝의 주요 차이점
6. 기계 인식: 감각과 인식
6.1 패턴 인식
6.2 영상 형성
6.2.1 기본 영상 감지
6.3 영상 처리
6.3.1 모서리 검출
6.3.2 텍스처
6.3.3 광학 흐름
6.3.4 영상 분할
6.4 물체 인식
6.4.1 HOG
6.4.2 R-CNN
6.4.3 YOLO & SSD
6.5 3차원 세계
6.6 음성 인식
7. 자연어 처리: 언어와 소통
7.1 언어 분석의 확률적 접근
7.2 NLP의 주요 아이디어 - 텍스트 분류
7.3 자연어의 특징과 자연어 처리 구성 요소
7.3.1 형태학적 분석 및 어휘 분석
7.3.2 구문 분석
7.3.3 의미 분석
7.3.4 담화 통합과 실용적 분석
7.4 딥러닝 기반 자연어 처리
7.5 화자 인식
8. 로보틱스: 행동과 작용
8.1 로봇의 하드웨어
8.1.1 로봇의 센서
8.1.2 로봇의 구동기
8.2 로봇의 지각
8.2.1 위치 결정
8.2.2 지도 작성
8.3 로봇 계획 수립
8.4 로봇 소프트웨어
9. 인공지능 이슈: 인공지능과 인간, 사회적
영향
9.1 약인공지능과 강인공지능
9.2 의식과 감각질
9.3 인공지능의 윤리적 문제
9.3.1 책임성: 첵임의 주체
9.3.2 투명성: 설명 가능 인공지능, 활용의
투명성
9.3.3 공정성: 데이터 편향성, 활용 공정성
9.3.4 기타 윤리적 문제

4부 인공지능을 이해하는 교육
1. AI 이해 교육의 개요
2. 소프트웨어 교육과 AI 이해 교육과의 관계
2.1 AI 이해 교육에서 요구하는 인재상과 학습자 역량
2.2 AI 이해 교육에서 추구하는 역량
2.3 AI 이해 교육의 목표
3. AI 이해 교육과정의 설계 유형
4. AI 이해 교육의 내용 체계
4.1 AI 이해 교육의 세 가지 대영역
4.1.1 ‘지능 발현’ 영역
4.1.2 ‘상호작용’ 영역
4.1.3 ‘사회 영향’ 영역
4.2 3영역의 학습을 위한 일곱 가지 대주제
4.3 AI 이해 교육을 위한 표준 프레임워크
5. AI 이해 교육 과정의 설계 방안
6. AI 이해 교육의 방법
6.1 지식 신장을 위한 교수·학습 모형
6.2 기능 신장을 위한 교수·학습 모형
6.3 태도를 위한 교수·학습 모형
7. AI 이해 교육 계층별 교수·학습 전략
8. AI 이해 교육의 평가

5부 인공지능을 활용하는 교육
1. AI 활용 교육의 개요
2. AI 활용 교육을 통한 역량 신장
3. 교육 주체와 AI 활용 교육
4. AI 활용 교육을 위한 도구
5. AI 활용 교육의 유형
5.1 AI 교과 활용 교육
5.2 AI 융합 교육(STEAM 교육)
5.3 AI 기반 교육
5.4 교육 정책 업무의 AI 활용
6. AI 교과 활용 교육
6.1 음악 교과 AI 활용 교육 예시
6.1.1 음악 교과의 성격
6.1.2 음악 교육의 목표
6.2 각 교과별 AI 활용 교육 사례
6.2.1 도덕(윤리) 교과 AI 활용 교육
6.2.2 국어 교과 AI 활용 교육
6.2.3 수학 교과 AI 활용 교육
6.2.4 사회 교과 AI 활용 교육
6.2.5 과학 교과 AI 활용 교육
6.2.6 체육 교과 AI 활용 교육
6.2.7 미술 교과 AI 활용 교육
6.2.8 실과(기술·가정) 교과 AI 활용 교육
6.2.9 영어 교과 AI 활용 교육
7. AI 융합 교육
7.1 AI 서비스를 활용한 산업 융합 프로젝트의 절차
7.2 산업 융합 문제해결 수업 사례: 자동차 운전 지원
8. AI 기반 교육(온라인 교육 시스템, 에듀테크)
8.1 AI와 에듀테크의 만남
8.2 교육에서의 AI 활용 영역
8.2.1 대학교의 활용 사례
9. 교육 정책 업무의 AI 활용
9.1 교육 정책에서 AI를 활용하기 위한 다양한 변수와 요인
9.2 교육 정책에서 AI 활용 사례
10. AI 활용 교육을 위한 통합 플랫폼

6부 인공지능을 바라보는 교육
1. AI 가치 교육의 개요
2. AI 윤리에 대한 초창기 연구
3. 산업 분야별 AI 윤리 이슈
3.1 제조 분야: 자율주행자동차
3.2 금융 분야: 로보어드바이저
3.3 의료 분야: 건강 의료
3.4 군사 분야: 자율 무기 체계
4. AI 윤리의 국내외 사례
5. AI 가치 교육의 접근
5.1 국내외의 AI 윤리 교육 현황
6. AI 가치 교육의 주제 구성
6.1 AI 가치 교육의 다양한 주제 구성
7. AI 가치 교육의 모델
8. 인간 중심, 선한 AI
8.1 건강을 위한 AI 프로젝트
8.2 지구 환경을 위한 AI 프로젝트
8.3 장애인을 위한 AI 프로젝트
8.4 문화 유산을 위한 AI 프로젝트
8.5 인도주의를 위한 AI
9. 책임성, 책임 있는 AI
10. 투명성, 설명 가능한 AI
10.1 설명 기법의 네 가지 모드
10.2 설명 가능한 AI 모드의 개발 방법
11. 개인정보보호 vs. 데이터 3법
11.1 정보통신망법 개정안
11.2 신용정보법 개정안
12. 공정성과 비차별성
12.1 알고리즘 도덕성
13. 안정성과 신뢰성

7부 인공지능 수업의 실제
◈ AI 수업의 유형과 접근 방법
1. AI 지식 중심의 수업
1.1 지식 중심 수업 1: AI 인지 모델링 수업
1.1.1 AI 인지 모델링 수업 전략 - 커넥티드 전략
1.1.2 AI 인지 모델링 수업 단계
1.2 지식 중심 수업 2: AI 개념 형성 수업
1.3 지식 중심 수업 3: AI 발견 탐구 수업
1.4 지식 중심 수업 4: AIT 사고 기반 수업(SW·AI 연계 수업)
2. AI 기능 중심 수업
2.1 AI 기능 중심 수업 1: AI 교육 플랫폼을
활용한 프로그래밍 수업
2.2 AI 기능 중심 수업 2: 데이터 분석 프로그래밍 수업
2.3 AI 기능 중심 수업 3: AI 프레임워크를 활용한 프로그래밍 수업
2.4 AI 텐저블 컴퓨팅 수업 1: AI 엣지 컴퓨팅
2.5 AI 텐저블 컴퓨팅 수업 2: AI 메이커 활동
2.6 AI 텐저블 컴퓨팅 수업 3: AI 로봇 활용
3. AI 태도 중심 수업
3.1 AI 태도 중심 수업 1; 기술 중심 수업
3.2 AI 태도 중심 수업 2; 사회 중심 수업
3.3 AI 태도 중심 수업 3: 윤리 중심 수업

8부 인공지능 교육 실습을 위한 지원
1. AI 교육을 위한 실습 자원의 유형
2. 범용적인 AI 상용 플랫폼
2.1 구글 AutoML
2.2 슈퍼어노테이트
2.3 애플 CreateML
2.4 프릿츠 AI
2.5 런웨이ML
2.6 Obviously AI
2.7 MakeML
2.8 페이스북
2.9 아마존
2.10 마이크로소프트
2.11 IBM
2.12 네이버
3. AI 챗봇 플랫폼
3.1 AI 챗봇 플랫폼의 종류
3.1.1 다이얼로그플로우
3.1.2 매니챗
3.1.3 챗봇닷컴
3.1.4 챗퓨얼
3.1.5 모바일멍키
3.1.6 프레시챗
4. AI 교육을 위한 특화 플랫폼
4.1 플랫폼의 종류
4.1.1 ML4Kids
4.1.2 티처블 머신
4.1.3 코그니메이트
4.2 AI 체험형
4.2.1 플레이그라운드 텐서플로
4.2.2 위드 구글 AI 실험실
4.2.3 오토드로우
4.2.4 퀵드로우
4.2.5 마젠타
4.2.6 컴퓨터 비전
4.2.7 이미지 자동 편집
4.2.8 단어 인식 게임
4.3 교육용 프로그래밍 언어 도구
4.3.1 EPL
4.3.2 스크래치
4.3.3 엔트리
4.3.4 엠블록
4.3.5 딥 아이(Deep AI)
5. AI 개발을 위한 프로그래밍 언어
5.1 프로그래밍 언어의 종류
5.1.1 Python
5.1.2 R
5.1.3 LISP
5.1.4 Prolog
5.1.5 C/C++
5.1.6 Java
5.1.7 Javascipt
5.1.8 Julia
5.1.9 기타 프로그래밍 언어
5.2 대표적인 AI 프레임워크 라이브러리
5.2.1 Theano
5.2.2 Tensorflow
5.2.3 Keras
5.2.4 Lasagne
5.2.5 Caffe
5.2.6 Deep Learning 4j
5.2.7 MxNet
5.2.8 Torch
5.2.9 CNTK
5.3 파이썬 핵심 라이브러리와 도구들
5.3.1 Numpy
5.3.2 Scipy
5.3.3 matapololib
5.3.4 pandas
5.3.5 주피터 노트북
5.4 AI 프로그래밍 개발 학습
5.4.1 코드닷오알지
5.4.2 생활 코딩
5.4.3 프롤로그 교육
5.5 AI 학습형
5.5.1 Al4School
5.5.2 Al4TEACHER
5.5.3 테크노베이션
5.5.4 Element of AI
5.5.5 edX
5.5.6 SW-AI 교육 포털
5.5.7 창의 컴퓨팅
5.5.8 구글의 AI A-Z
5.5.9 AI 크래시 코스
5.5.10 마이크로소프트의 AI 학습 사이트
5.5.11 오픈 AI

참고 문헌

회원리뷰 총 0개

리뷰작성 새 창

사용후기가 없습니다.

등록된 상품문의

상품문의 총 0개

문의작성 새 창

상품문의가 없습니다.

[반품/교환가능 기간]

변심반품의 경우 수령 후 14일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내

[반품/교환비용]

단순 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담

[반품/교환 불가 사유]

- 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우

(단지 확인을 위한 포장 훼손은 제외)

- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우

예) 화장품, 식품, 가전제품(악세서리 포함) 등

- 복제가 가능한 상품 등의 포장을 훼손한 경우

예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집

- 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)

- 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우

- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우

- 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우

* (1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시

‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①양서-판매정가의 12%, ②일서-판매정가의 7%를 적용)

[상품 품절]

공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다.

[소비자 피해보상, 환불지연에 따른 배상]

- 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됩니다.

- 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함.