통합검색
닫기
통합검색
 
  • home
  • 전공소개 및 교육과정
  • 인공지능융합교육

전공소개 및 교육과정

인공지능융합교육

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 27학점, 비논문 과정 30학점
  • 학위 : 교육학 석사 (인공지능융합교육)
  • 기타사항 : 학업효율성 제고를 위해 강좌담당교수가 계절학기 개강 전 소집하여 강의계획 소개 및 과제 부과할 수 있음

 

교육과정내용

  • 필수 9학점, 선택 15학점, 프로젝트․논문연구 6학점 등 30학점 이상 이수 시 수료 (논문과정 선택 시 27학점)
  • ‘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)

교과목표
구분 분류 과목명 비논문 과정 논문과정
필수 기초
  •  인공지능의 이해와 데이터과학 기초
  •  AI융합 교육을 위한 프로그래밍 기초
  •  데이터과학을 위한 자료구조와 알고리즘
9학점 9학점
선택과목 교과융합
  •  컴퓨팅 사고력과 문제해결
  •  AI활용 교육방법 및 교육공학
  •  AI기반 교수 학습자료 개발
  •  AI융합교육 교재연구 및 지도법
  •  AI활용 수업의 이해와 적용 - AI 윤리
  •  AI융합 수학·과학 교육
  •  AI융합 인문·사회 교육
  •  AI융합 예·체능 교육 
  •  AI융합 교육을 위한 프로그래밍 심화
18학점 15학점
전공융합
  • 데이터마이닝
  •  데이터 네트워크
  •  빅데이터 분석 및 시각화
  •  머신러닝과 딥러닝
  •  딥러닝기반 컴퓨터비전
  •  딥러닝기반 가상현실
  •  피지컬컴퓨팅을 이용한 AI교육
  •  자연어처리 - 인공지능 기술 세미나
프로젝트
  • 교과연계 AI융합프로젝트
  •  산학연계 AI융합프로젝트
   
논문연구
  • 연구 과제
- 3학점
합계 30학점 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.
  •  컴퓨팅사고력과 문제해결
    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.
  •  AI활용 교육방법 및 교육공학
    학교현장에서 컴퓨터 및 인공지능 기술을 활용해서 교과를 가르치는데 필요한 다양한 방법들을 탐색하고 실제로 수업 교안을 작성하여 특정 주제에 대한 모의 수업을 실시해 본다.
  •  AI기반 교수 학습자료 개발
    AI 교육에 필요한 학습 자료를 개발해 보고 실습을 통해 작동해 보는 과정을 학습하게 된다. 또 AI 교육에 필요한 장비와 이를 연동시키기 위한 하드웨어적인 구성과 소프트웨어적인 구성에 대하여 학습한다.
  •  AI융합교육 교재연구 및 지도법
    효과적, 효율적인 AI 융합 교육을 위한 수업교재 및 교과서를 연구하고 AI를 융합한 수업에 적절한 교재 평가의 안목을 기른다.
  •  AI활용 수업의 이해와 적용
    교육과 인공지능 기술과의 관계에 대해서 익히고 인공지능 기술을 이용한 교육의 필요성과 실제 사용되고 있는 사례들을 살펴봄으로써 인공지능 기술을 활용한 수업에 대한 전반적인 이해를 증진시킨다.
  •  AI 윤리
    오늘날 인공지능의 발전은 우리의 삶에 많은 편리함을 제공하고 있으나 다양한 분야에서 활용되고 있는 인공지능이 인간의 존엄성 훼손하거나 윤리를 침범하지 않을까에 대한 논란이 일고 있다. AI 윤리 과목에서는 인공지능의 발달과 더불어 인간이 갖추어야 할 적절한 행동과 사고방식 및 사회적 이슈에 대해 다룬다.
  •  AI융합 수학·과학교육
    본 과목은 최신 AI융합 기술을 수학 및 과학 분야의 초중등 교육과정에 적용해본다. 구체적으로는 AI융합기술에 대한 이론적 체계를 학습하고, 이를 바탕으로 AI융합기술의 이론적 체계를 수학ᆞ과학교육에 반영할 수 있는 다양한 방법들에 대해 수업 아이디어 구체화 설계 및 실제 사례 소개를 통해 학습한다.
  •  AI융합 인문·사회교육
    본 과목은 최신 AI융합 기술을 인문 및 사회 분야의 초중등 교육과정에 적용해본다. 구체적으로는 AI융합기술에 대한 이론적 체계를 학습하고, 이를 바탕으로 AI융합기술의 이론적 체계를 인문ᆞ사회교육에 반영할 수 있는 다양한 방법들에 대해 수업 아이디어 구체화 설계 및 실제 사례 소개를 통해 학습한다.
  •  AI융합 예ᆞ체능교육
    본 과목은 최신 AI융합 기술을 예체능 분야의 초중등 교육과정에 적용해본다. 구체적으로는 AI융합기술에 대한 이론적 체계를 학습하고, 이를 바탕으로 AI융합기술의 이론적 체계를 예ᆞ체능교육에 반영할 수 있는 다양한 방법들에 대해 수업 아이디어 구체화 설계 및 실제 사례 소개를 통해 학습한다.
  •  AI융합 교육을 위한 프로그래밍 심화
    본 과목은 인공지능 구현 프로그래밍 언어인 Python에 관한 심화 과정을 학습하고, 딥러닝 프레임 워크 중 하나인 Keras 등에 관해 학습한다. 이를 바탕으로 인공지능의 기초 Neural Network(CNN, RNN, etc.) 모델을 직접 구현, 학습 및 테스트한다.
  •  데이터마이닝
    이 수업의 목적은 학생들에게 데이터마이닝의 다양한 방법론을 체득시키는 것이며, 그 방법론을 활용하여 문제의 핵심파악과 해결능력을 배양시키는 것이다. 이 수업은 실용적이고 효율적이며 통계적으로 입증된 데이터마이닝 기술을 활용하여 소비자의 요구에 부응하는 새로운 사실의 발견과 그것과 연관된 유용성을 예측할 능력을 배양시킬 것이다.
  •  데이터네트워크 이 과목은 통신망, 프로토콜, 응용 부분의 설계 및 구현의 기본 개념 및 요소에 대해 소개한다. 다루는 내용으로는 계층형 네트워크 구조, 응용부문, 전송층, 네트워크 라우팅, 데이터링크층, 근거리 통신망, 물리층에 대해 공부하면서 클라우드 컴퓨팅 및 사물인터넷(IoT)에 대해 알아본다.
  •  빅데이터 분석 및 시각화
    본 과목은 통계적 데이터 처리, 데이터 마이닝, 데이터 분석에서 익힌 개념, 방법과 알고리즘 등을 실제적, 대용량 데이터 분석에 적용한다. 또한 이 과목은 기본적인 시각화 디자인, 평가원리, 그리고 대규모 데이터셋의 획득, 파싱, 분석하는 방법을 다룬다. 구체적으로 알고리즘을 R 프로그래밍 혹은 소프트웨어 툴을 활용하여 효과적인 데이터시각화를 생성하기 위한 기술, 기법을 학습한다.
  •  머신러닝과 딥러닝
    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.
  •  딥러닝기반 컴퓨터비전
    본 강의는 이미지 형성, 기본 템플릿 클래스, 픽셀 처리, 이미지 분류 및 장면 이해 등 컴퓨터 비전에 대한 기본적인 내용을 다룬다. 이를 바탕으로 딥러닝 기반의 컴퓨터비전 학습(training) 기술을 배우고 이를 이용하여 실제 문제를 해결하는 데 사용될 수 있는 컴퓨터 비전 기반 응용 프로그램을 개발한다.
  •  피지컬컴퓨팅을 이용한 AI교육
    Arduino Engineering Basics, 트랜지스터 및 구동 모터, USB 및 직렬 통신, 시프트 레지스터 등 피지컬 컴퓨팅에 대해 강의한다. 최종 적으로는 배운 내용을 토대로 AI교육 프로젝트를 준비하여 발표하는 것을 목표로 한다.
  •  딥러닝기반 가상현실
    본 과목은 최신 딥러닝 기술을 이용한 영상처리 및 가상현실 처리 기술에 대해서 학습한다. 구체적으로는 SRCNN 부터 시작되는 여러 Super Resolution 기법과 같은 영상처리 기술부터 End to end 기반의 비디오 코덱 기술, 가상현실 처리를 위한 중간뷰(View) 생성 기술 등을 학습한다.
  •  자연어처리
    본 과목은 자연어 처리를 위한 딥러닝 기반의 핵심 모델과, 이러한 모델의 적용 분야인 문서 분류, 기계 번역, 질의 응답 등을 학습한다. 또한, 교육과 접목할 수 있는 자연어 처리 기법에 관해서도 학습한다.
  •  인공지능기술세미나
    본 과목은 인공지능 분야의 최신 이론과 산업 동향, 그리고 교육에 적용되고 있는 인공지능 기법에 관해 세미나 수업 방식으로 학습한다. 외부 전문가의 초빙을 통해 보다 현실적이고 수준 높은 학습 기회를 제공한다.
  •  교과연계 AI융합프로젝트
    본 강의에서는 습득한 전공 지식을 바탕으로 융합 AI프로젝트 주제 선정, 제안서, 과제 수행, 보고까지 프로젝트의 전 과정을 수행해 본다. 여러 교과를 연계한 내용으로 프로젝트 주제를 선정하고 회사 업무와 유사한 프로젝트 진행 과정을 통해 현장 능력을 키우는 것을 목표로 한다.
  •  산학연계 AI융합프로젝트
    본 강의에서는 습득한 전공 지식을 바탕으로 주제 선정, 제안서, 과제 수행, 보고까지 프로젝트의 전 과정을 수행해 본다. 프로젝트 주제에 산업체 수요를 반영하여 산업체에서 실제적으로 다루고 있는 문제를 구성하고 학생들이 이에 대한 해결을 직접 경험하도록 수업을 진행한다.
  •  연구 과제
    연구 과제에서는 습득한 전공 지식을 바탕으로 AI융합교육과 관련된 주제를 선정하여 학위 논문을 작성한다. 학위 논문 심사위원회는 지도교수 포함한 해당 분야 전문가 3인 이상으로 구성한다.

 

교수진

  • 김재현 : 데이터베이스 / 컴퓨터과학(박사) / 교육대학원장
  • 김미량 : 교육공학, AI교육과정, AI윤리 / 교육학(박사)
  • 박천수 : 인공지능SW / 컴퓨터공학(박사)
  • 류은석 : 영상처리 및 분석 / 컴퓨터공학(박사)
  • 나왑무하마드파시 : 빅데이터 / 컴퓨터공학(박사)
  • 윤상운 : 응용수학 / 이학(박사)
  • 김문현 : 인공지능 / 컴퓨터공학(박사)
  • 정윤경 : 인공지능 / 컴퓨터공학(박사)
  • 한옥영 : SW(AI)교육 / 교육학(박사)
  • 구자환 : 빅데이터 / 컴퓨터공학(박사)