인공지능이 교육정책의 핵심에 자리하고 있고, 교육과정에 인공지능 내용 요소의 도입이 논의되는 이 시기에 『AI 사고를 위한 인공지능 교육』을 접할 수 있다는 것은 인공지능 교육을 담당하는 사람들에게 큰 행운이 아닐 수 없습니다. 이 책의 독자가 될 인공지능 교육을 시작하는 연구자, 교사, 정책 입안자 모두 인공지능 교육 내용과 행동 목표 그리고 교수·학습 모형과 평가에 대한 새로운 지식을 획득하고 이를 현장에 적용해보기를 바랍니다. / 장시준(한국교육학술정보원 디지털교육정책본부장)

교육부는 변화되는 교육의 미래를 위해 모두를 위한 인공시능 시대를 열기 위한 교육 정책으로 감성적 창조 인재, 초개인화 학습 환경, 따뜻한 지능화 정책을 추진 중이며 인공지능 교육을 학교에 도입하기 위해 노력하고 있습니다. 이 책이 인공지능 교육의 방향을 바르게 잡아줄 나침반이 될 것으로 확신합니다. 미래를 준비하는 많은 사람들과 교육자들에게 추천합니다. / 강성훈(교육부 연구사)

인천광역시교육청은 미래를 이끌어 나갈 인공지능 교육에 대한 필요성을 강조하고 시대와 학교 현장에서 요구하는 목소리를 담아내어 AI가 그려낼 교육의 변화를 위해 이 책의 저자들이 참여한 한국인공지능교육학회와 함께 착한 인공지능교육 정책을 추진하고 있습니다. 대학뿐 아니라 초중등 교육에서 인공지능 교육에 대한 큰 틀을 잡아주고 올바른 방향을 제시하는 책으로 추천 드립니다. / 연수현(인천시교육청 장학사)

인공지능은 이제 생애 전 주기에서 학습해야 하는 대상이 됐고 대학의 모든 학과에서 반드시 배워야 할 기술이 됐습니다. 이공계 학생들은 전공 필수로, 타 전공 학과 학생들은 전공 필수 교양 과목으로 공부할 때 꼭 필요한 필독서로 추천 드립니다. / 이철현(경인교육대학교 교수)

대학생들에게 인공지능 교육은 선택이 아니라 필수입니다. 공학 교육을 듬뿍 담으면서도 한쪽에 치우치지 않고 인공지능 교육에 대한 따뜻한 가치관을 정립할 수 있도록 다양한 정보와 내용을 담는 데 노력하신 집필진들의 노력을 느낄 수 있는 책입니다. 인공지능이 만들어가는 미래를 준비하고 미리 살펴보고 싶은 분들에게 적극 권합니다. / 이세훈(인하공업전문대학 교수)

언제나 남들이 가지 않는 길을 새롭게 개척하고 그 구체적인 방향을 제시하는 저자들이 또 한 번 새로운 도전을 했습니다. 이 책을 관통하는 내용은 변화와 미래 그리고 선한 기술과 인간 중심 교육입니다. 교육적 경험이 풍부한 저자들이 생각하는 인공지능 교육의 미래를 구체적이며 심도 있게 담고 있습니다. 우리의 교육의 미래를 살펴보고 싶은 분은 필독하시기 바랍니다. / 전수진(호서대학교 교수)

미래의 삶을 주도할 학생들이 AI의 기본적인 개념과 원리를 이해하고 AI를 활용하는 구체적인 방법, 더 나아가 AI 윤리와 올바른 가치를 담을 수 있도록 다양한 인공지능 교육에 대한 주제를 다루고 있어 교사들이 꼭 읽어야 할 책입이다. 강력하게 추합니다! / 홍수빈(소프트웨어교사 연구회장, 초등학교 교사)

막 가치관이 형성되기 시작한 중학생들에게 특히 인공지능 교육은 중요합니다. 이 책은 인공지능을 이해하고 실습하기 위한 창의적이고 다양한 교육 내용과 방법들을 설명하고 있어 대한민국의 교사라면 누구나 탐독해야 된다고 생각합니다. / 김세호(피지컬 컴퓨팅교육 연구회장, 중학교 교사)

2021년 2학기부터 고등학교에서 『인공지능 기초』와 『인공지능 수학』을 진로 선택 과목으로 운영되면서 인공지능이 모든 교사와 학생들이 배워야 하는 당면 과제가 되었습니다. 인공지능 교육에 대한 다양한 이론과 실습 사례들이 풍부하게 담겨 있어 교사들에게 특히 큰 도움이 될 것입니다. / 심현보(인천과학예술영재고등학교 교장)

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