AI 사고를 위한 인공지능 교육

한선관

ㆍ경인교육대학교 컴퓨터교육과 교수
ㆍ한국인공지능교육학회 학회장
ㆍ인공지능교육연구소 소장
ㆍ 『중학교 정보』 교과서, 『스크래치 마법 레시피』 , 『스크래치 창의컴퓨팅』 , 『스크래치 주니어 워크북』 , 『AI 사고를 위한 인공지능 랩』, 『AI 플레이그라운드』 , 『AI 사고를 위한 인공지능 교육』(이상 성안당), 『컴퓨팅 사고를 위한 파이썬』, 『컴퓨팅 사고를 위한 스크래치 3.0』, 『소프트웨어 교육』, 『소프 트웨어 교육 방법』(이상 생능출판사) 집필

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 구