2002년부터 경인교육대학교에서 컴퓨터교육을 가르치고 있습니다. 우리나라 소프트웨어교육과 인공지능교육을 초중등학교와 대학교육에 뿌리내리기 위해 선도적인 역할을 하고 있습니다. 특히, MIT에서 개발한 스크래치를 가장 먼저 한국에 소개하였으며, 네이버에서 운영 중인 엔트리 팀과도 협력하여 블록 코딩을 이용한 SW교육과 AI교육의 발전에 앞장서고 있습니다.
저서로는 《코딩 대탐험 - 초등수학 연산편(튜링의 유산)》(생능출판사, 2018), 《소프트웨어 교육》(생능출판사, 2016), 《소프트웨어 교육 방법》(생능출판사, 2018), 《컴퓨팅 사고를 위한 스크래치 3.0》(생능출판사, 2019), 《컴퓨팅 사고를 위한 파이썬》(생능출판사, 2019), 《AI 플레이그라운드》(성안당, 2020), 《AI 사고를 위한 인공지능 랩》(성안당, 2020) 등이 있습니다.

목차

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

한줄 서평