교육목표
- 초중고 학생들이 AI 기초 소양을 체계적으로 습득하고 타교과 지식의 융복합을 통한 창의적인 문제 해결력을 기를 수 있도록 교육 내용‧방법의 혁신을 주도하는 전문교사인력 양성
학사운영 : 야간제 운영
- 등록 학기 : 5학기
- 교과목 이수단위 : 3학점
- 수료 학점 : 논문 과정 24학점, 비논문 과정 30학점(논문대체추가 6학점 포함)
- 학위 : 교육학 석사 (인공지능융합교육)
- 기타사항 : 학업효율성 제고를 위해 강좌담당교수가 계절학기 개강 전 소집하여 강의계획 소개 및 과제 부과할 수 있음
교육과정내용
- 전공 24학점(필수 12학점, 선택 12학점), 논문대체추가 6학점 등 총 30학점 이상 이수 시 수료(논문 작성 시 전공 24학점 이상 이수시 수료)
- ‘선택(교과융합)’에 속하는 교과목의 경우 재학생들의 전공 상황에 따라 개설과목, 개설시기 등을 결정함
- ‘선택(전공융합)’에 속하는 교과목의 경우 재학생들의 전공 상황에 따라 개설과목, 개설시기 등을 결정함
교과목표(예정)
구분 | 분류 | 과목명 | 논문 과정 | 비논문과정 |
---|---|---|---|---|
필수 | 기초 |
|
9학점 | 9학점 |
프로젝트 |
|
AI융합프로젝트1~5 중 택1 |
AI융합프로젝트1~5 중 택1 3학점 |
|
선택과목 | 교과융합 |
|
12학점 | 12학점 |
전공융합 |
|
|||
논문 |
|
○ | × | |
|
- | 6학점 | ||
합계 | 24학점 | 30학점 |
교과목 개요
-
인공지능의 이해와 데이터과학 기초
본 강의에서는 인공지능의 핵심 기술을 이해하고, 관련 기술이 현재 산업전반에서 실제로 이용되는 사례를 파악한다. 또한, 인공지능 기술의 기본 개념을 살펴보고, 탐색과 최적화 기법, 지식표현의 다양한 방법과 추론 기법, 딥러닝을 비롯한 기계학습 방법, 계획수립 방법 등을 개괄적으로 다룬다. -
AI융합 교육을 위한 프로그래밍 기초
본 강의에서는 AI시대의 융합 교육을 위한 프로그래밍 기초를 학습한다. 본 강의를 수강한 수강생은 Python 프로그래밍 언어를 이용하여 기본적인 코딩 작업을 수행할 수 있는 능력을 기르는 것을 목표로 한다. 또한 학습한 프로그래밍 능력을 이용해 AI융합교육 프로그램을 작성해 본다. -
데이터과학을 위한 자료구조와 알고리즘
본 강의는 데이터과학 분야의 문제 해결을 위한 기초 교과목으로 주어진 문제의 분석, 자료구조의 설계, 알고리즘 개발, 구현 기술 등을 다룬다. -
AI융합프로젝트
이 과정은 본 대학원 프로그램을 통해 학습한 내용을 바탕으로 새로운 연구 또는 개발 프로젝트를 진행하는 것을 목표로 함. 담당 교수별로 개별 프로젝트를 위한 안내 및 연구/개발을 강의 및 공동 토의 형식으로 진행함. 논문 및 프로젝트 결과물 최종 산출물을 통해 평가함. -
컴퓨팅사고력과문제해결
본 과목에서는 특별한 사고패턴과 절차를 사용해서 주어진 환경에서 문제를 찾아내고, 이를 해결하거나 필요한 컴퓨팅을 위한 프로그램을 고안하는 방법을 학습한다. 구체적으로 문제 분해, 패턴 매칭, 추상화, 자동화 등에 대한 개념을 다루고, 학생들이 학습한 내용을 실제 상황에 적용해 보는 것 목표로 한다. -
AI윤리
오늘날 인공지능의 발전은 우리의 삶에 많은 편리함을 제공하고 있으나 다양한 분야에서 활용되고 있는 인공지능이 인간의 존엄성이나 윤리를 훼손하지 않을까에 대한 논란이 일고 있다. AI 윤리 과목에서는 인공지능의 발달과 더불어 인간이 갖추어야 할 적절한 행동과 사고방식 및 사회적 이슈에 대해 다룬다. -
AI융합교육 교재연구 및 지도법
‘AI융합교육교재연구및지도법’은 학습자에게 적합한 수준의 AI융합교육 교재를 개발하고 적절한 교육방법을 적용하는 지도법을 습득하기 위해 필요한 과목이다.
본 교과는 수학, 과학, 정보와 같은 핵심교과뿐만 아니라 인문사회, 예체능 등 모든 교과와 인공지능(AI)을 융합한 수업을 위해 다양한 교재를 연구하고 개발하며 평가하는 과정을 학습한다.
이 과목에서는 AI융합교육에 필요한 교재를 개발하기 위한 지식과 절차에 관해 배우는데, 특히 교육목표 설정과 이에 적합한 교과내용의 재구성 및 융합이 핵심적인 교육내용이다.
-
인공지능융합교과교육의실제
본 교과는 현재 학교교육현장에서 진행되고 있는 다양한 형태의 인공지능융합교과수업의 사례를 탐색해 보고 특정 준거를 기준으로 평가해 봄으로써 인공지능융합교과교육의 우수 사례 및 모델을 도출해 보는 것을 목표로 한다. 이 과정에서 타 교수자의 인공지능융합수업의 사례를 찾아보거나 해외 주요국을 비롯한 다른 나라에서 진행하고 있는 인공지능융합교과수업의 사례를 발굴하고 벤치마킹 포인트를 찾아 학습자인 개별 교사의 수업에 적용해 보는 과정을 경험, 공유하도록 한다. -
인공지능기반수업의이해
본 강좌는 인공지능을 비롯한 첨단지능정보기술이 교과교육 수업에 어떻게 접목될 수 있는지 탐색해 보는 것을 목표로 한다. 학습자인 교사 개인의 담당 교과목 중 특정 단원 수업에서 인공지능을 적용하여 기존과는 다른 수업을 진행할 수 있도록 인공지능기반수업의 기획, 설계, 개발의 전 과정을 이해하고 연습해 보도록 한다. 그 과정에서 다른 동료학습자들과의 적극적인 소통과 협업을 통해 서로의 수업을 공유하고 평가해 봄으로써 인공지능기반수업의 질을 제고하는 방향을 모색해 본다. -
AI기반교수학습자료개발
본 교과는 인공지능이 교육의 목적으로 활용될 수 있는 가능성을 타진하며 인공지능 기반 교수학습자료를 개발 및 평가하는 이론적, 실제적 경험을 해 보는 것을 목표로 한다. 우선 인공지능에 대한 이해를 바탕으로 현재 학교 현장에서 학습자인 교사 개인의 담당 교과 수업에서 어떻게 인공지능 기반 교수학습자료를 개발할 수 있는지 다양한 방법을 학습한다. 유사 교과 및 학교급간 교수자들과의 협업을 통해 가장 활용도 높은 인공지능 교수-학습자료를 기획, 설계, 개발, 평가, 수정, 공유해 보는 전 과정을 경험해 볼 수 있도록 한다. 이를 위해 기존에 기 개발된 다양한 인공지능 기반 교수-학습자료를 탐색하여 실제 자신의 수업에 적용해 보고 이를 평가해 본 결과를 바탕으로 새로운 교수-학습자료를 기획, 설계하여 수업에서 활용할 수 있는 유용한 결과물을 도출해 낼 수 있도록 한다. -
머신러닝과딥러닝특론
본 과목은 머신러닝과 딥러닝의 역사로부터 시작하여 각 모델의 개념과 기술용어에 관해 학습한다. 또한 현재 적용되고 있는 인공지능 기반의 CNN, RNN, GAN, LSTN 등의 최신 인공지능 신경망 모델에 관해 학습함으로써 이론적 기반을 다진다. -
가상현실비디오프로세싱
본 과목은 최신 가상현실(virtual reality; VR) 기술의 요소기술을 학습하는 것을 목표로 한다. 학습내용은 가상현실 처리를 위한 (1) MPEG-immersive와 같은 국제표준 동향의 이해, (2) 360도 영상 및 메타데이터 처리 기술, (3) 멀티미디어 연산 시스템 기술 등이 있으며, 표준 SW를 이용한 실험을 통해 최신 가상현실 처리 시스템 기술을 깊이 이해한다. -
빅데이터분석이해
이 과정에서는 빅데이터 분석의 기본 사항에 대해 설명합니다. 이 과정에서 다루는 주제 는 빅데이터의 기본 사항이며, 빅데이터 유형에 대해 살펴봅니다. 빅 데이터와의 클라우드 관계, 운영 빅데이터 관리 시스템, MapReduce 펀더멘털, Hadoop 기반 및 에코시스 뎁 빅데이터 웨어하우스, 빅데이터 분석, 텍스트 분석 이해, 데이터 소스 통합, 빅데이터 운영 및 빅 데이터 관리 보안. -
자연어처리이해
자연어 처리 (Natural Language Processing) 는 인공지능융합영역에서 중요한 기술 중 하나이다. 이 과목에서는 학생들이 자연어 처리에 대한 이론을 기반으로 자연어 처리 모델 과정을 학습할 수 있다. 이 과목은 NLP분야의 기본지식을 이해하고, 나아가 온라인 통합개발환경에서 직접 구현하는 과정을 통해 원리를 이해하는 것이 목적이다. 그리고 NLP와 관련된 최근 연구들에 대해 소개한다. -
피지컬컴퓨팅을이용한AI교육
이 과목에서는 오픈 소스 기반 마이크로컨트롤러 보드(아두이노) 관련 개발 도구 및 환경에 대해 심도있게 학습한다. 아두이노를 사용하여 컴퓨터공학과 밀접한 고급 피지컬컴퓨팅 내용을 학습하고 이를 실생활에 적용하는 방법에 대해 스스로 탐구한다. 아두이노 프로젝트의 하드웨어 제작을 통해 부품을 연결하는 방법과, 회로도를 읽는 방법, 데이터시트를 읽는 방법, 특정 기능을 구현하는데 필요한 센서를 선택하고 이를 사용하는 방법을 전문적으로 학습한다. -
Bigdata시각화
빅데이터 시대에 수많은 데이터가 쏟아지고 있으며, 빅데이터 기반에서 수집한 데이터를 분석하여 의미 있는 정보를 도출하는 방법에 관심이 집중되고 있다. 단순히 데이터를 요약하는 것에서 머물지 않고 데이터 속에 숨겨진 의미를 찾아내고 데이터 분석 결과가 나타내는 새로운 정보에 대한 통찰력을 갖기 위하여 시각화는 필수적 요소가 되었다. 빅데이터 시각화는 빅데이터 분석 결과를 쉽게 이해할 수 있도록 시각적으로 표현하는 것을 뜻하며, 효과적으로 결과를 이해시키기 위한 방법으로 데이터를 지식화하는 과정이며, 데이터가 의마하는 바를 직관적으로 이해할 수 있도록 표현하는 기술에 해당한다.
빅데이터 시각화를 위하여 빅데이터가 무엇인지 우선 학습하고, 데이터 수집 방법 및 데이터 분석의 다양한 기술을 학습하고, 데이터에 적합한 시각화 방법에 대하여 학습한다. 학습한 내용의 적용을 위하여 파이선 프로그램을 사용하며, 사용하는 데이터는 정형 데이터와 비정형 데이터 모두를 경험할 수 있다. 강의 수업과 더불어 스스로 빅데이터를 수집하여 분석한 후 시각화하는 실습이 수업에 포함되며, 팀으로 프로젝트를 진행하여 다양한 주제에 대한 빅데이터 시각화를 직간접적으로 경험할 수 있도록 한다.
-
데이터네트워크
인공지능 모델은 대량의 데이터를 필요로 한다. 이 데이터는 다양한 원천에서 수집되며, 이를 인공지능 모델로 전송하고 처리하는 과정에서 데이터 통신 기술이 필수적으로 요구된다. 그리고, 인공지능 시스템은 실시간으로 응답을 필요로 한다. 자율 주행 자동차, 의료 진단 시스템, 교육 정보 시스템 등에서는 실시간 데이터 통신을 통해 빠른 의사결정을 내릴 수 있어야 하기 때문이다. 디지털 통신의 기초적인 지식의 이해를 통해 데이터와 인공지능 모델의 효율적인 전송을 이해한다.
교수진
- 안성진 교수 : 컴퓨터네트워크, SW • AI교육 / 정보통신공학(박사)
- 김미량 교수 : 컴퓨터교육, AI기반교수 • 학습설계 및 교육방법, AI윤리 / 교육공학(박사)
- 김재현 교수 : 데이터베이스, AI교육 / 컴퓨터과학(박사) / 사업단장
- 박천수 교수 : 지능형비전/ 전자공학(박사)
- 류은석 교수 : 가상현실,영상처리/ 컴퓨터과학(박사) / 주임교수
- 이장원 교수 : 컴퓨터비전, 인간 • 로봇상호작용 / 컴퓨터과학(박사)
- 윤상운 교수 : 최적화 / 이학(박사)
- 한옥영 교수 : SW(AI)교육 / 교육학(박사)
- 민무홍 교수 : 인공지능, 정보보호 / 컴퓨터공학(박사)
- 길환희 차장 : 수업과목 및 졸업요건 관련
- 김소진 행정조교 : 등록 및 졸업 등 행정지원 (sowls0868@skku.edu)
[2023년 ACME 행사 및 시상식]