지식샘터

✅ 머신러닝포키즈는 인공지능의 원리를 스크래치 코딩을 통해 배우는 학습도구입니다. 

✅ 머신러닝포키즈를 활용하여 머신러닝 모델 훈련 방법을 이해하고 인공지능 교실, 인공지능 카멜레온 만드는 실습을 진행합니다.

✅ 머신러닝포키즈(Machine Learning for Kids)는 인공지능(AI) 활용 교육이 낯선 선생님, 학생들을 위한 대상으로 이미지, 텍스트, 음성, 숫자 인식의 성능이 뛰어난 IBM 왓슨 인공지능 API를 활용하여 쉽게 적용할 수 있는 교육 소스를 제공합니다. 

✅ [머신러닝포키즈]는 구글 아이디만 있으면 학생 또는 교사 누구든 사용 가능합니다. 

✅ [머신러닝포키즈]는 아이디가 없더라도 회원가입이 없이 비회원으로 간단하게 사용할 수 있습니다.

✅ [머신러닝포키즈]는 코딩을 하지 못하더라도 자체 제공하는 템플릿을 통해 코딩과 AI 데이터 입력과 모델학습의 원리를 쉽게 적용할 수 있습니다.

✅ [머신러닝포키즈]는 자체 제공하는 33개의 수업과정안을 통해 교사 누구나 그것을 보고 수업에 쉽게 적용할 수 있습니다.

✅ [머신러닝포키즈]는 상중하 수준별로 과정이 나눠져있어 학생들에게 수준별 수업이 가능합니다.

✅ 강의 목차는 다음과 같습니다.

1. 준비하기

2. 교사용 지도서  파악하기

3. 생각열기

4. 문제해결 방법 탐색 및 코딩하기

✅ 머신러닝포키즈는 인공지능의 원리를 스크래치 코딩을 통해 배우는 학습도구입니다. 

✅ 머신러닝포키즈를 활용하여 머신러닝 모델 훈련 방법을 이해하고 인공지능 교실, 인공지능 카멜레온 만드는 실습을 진행합니다.

✅ 머신러닝포키즈(Machine Learning for Kids)는 인공지능(AI) 활용 교육이 낯선 선생님, 학생들을 위한 대상으로 이미지, 텍스트, 음성, 숫자 인식의 성능이 뛰어난 IBM 왓슨 인공지능 API를 활용하여 쉽게 적용할 수 있는 교육 소스를 제공합니다. 

✅ [머신러닝포키즈]는 구글 아이디만 있으면 학생 또는 교사 누구든 사용 가능합니다. 

✅ [머신러닝포키즈]는 아이디가 없더라도 회원가입이 없이 비회원으로 간단하게 사용할 수 있습니다.

✅ [머신러닝포키즈]는 코딩을 하지 못하더라도 자체 제공하는 템플릿을 통해 코딩과 AI 데이터 입력과 모델학습의 원리를 쉽게 적용할 수 있습니다.

✅ [머신러닝포키즈]는 자체 제공하는 33개의 수업과정안을 통해 교사 누구나 그것을 보고 수업에 쉽게 적용할 수 있습니다.

✅ [머신러닝포키즈]는 상중하 수준별로 과정이 나눠져있어 학생들에게 수준별 수업이 가능합니다.

✅ 강의 목차는 다음과 같습니다.

1. 준비하기

2. 교사용 지도서  파악하기

3. 생각열기

4. 문제해결 방법 탐색 및 코딩하기

[지오지브라로 로지스틱 회귀곡선 또는 k-NN 알고리즘을 구현해 색상분류를!]

[Ⅰ과 Ⅱ에 비해 Ⅲ의 실습 난이도가 다소 높습니다. 지오지브라에 익숙해진 뒤 수강하길 추천드립니다.]

본 강의는 지오지브라를 활용해 로지스틱 회귀곡선 또는 k-NN 알고리즘을 구현하고 색상을 분류하는 실습하는 강의입니다.

특히 인공지능 기초 수업에서 학생과 직접 수행해 볼 수 있는 수업 방안이 담겨 있습니다.

실습(3시간)

수준: 고등학교 진로선택교과 인공지능 수학(고2~3)

소프트웨어: 지오지브라

교과서: 인공지능 기초, 3단원 (출판사 무관)

핵심단어: 분류, 로지스틱 회귀곡선, k-NN 알고리즘, 가중치, 지도학습, 인공지능, 기계학습

실습순서:

1. 색을 랜덤하게 생성하고 이를 빨강, 파랑, 녹색 중 하나로 저장합니다.

2. 랜덤하게 생성된 색의 RGB와 저장된 색의 RGB를 비교합니다.

3. 로지스틱 회귀곡선을 이용해 색상을 분류합니다.

4. k-NN 알고리즘을 이용해 색상을 분류합니다.

5. 거리의 역수를 이용해 k-NN 알고리즘에 가중치를 부여합니다.

[지오지브라로 추세선부터 최적화까지!]

본 강의는 지오지브라를 활용해 추세선을 만들고 최적화를 실습하는 강의입니다.

특히 인공지능 수학 수업에서 학생과 직접 수행해 볼 수 있는 수업 방안이 담겨 있습니다.

이론 실습(3시간)

수준: 고등학교 진로선택교과 인공지능 수학(고2~3)

소프트웨어: 지오지브라

교과서: 인공지능 수학, 3~4단원 (출판사 무관)

핵심단어: 추세선, 손실함수, 경사하강법, 학습률, 최적화, 기계학습, 인공지능

실습순서:

1. 예측에 사용할 데이터를 수집합니다.

2. 데이터를 전처리한 뒤 지오지브라에 입력합니다. 

3. 임의의 추세선을 그려 손실함수를 정의합니다.

4. 정의된 손실함수가 최솟값을 갖도록

    미분을 활용하여 경사하강법을 시행합니다.

5. 학습률을 조절하여 최적의 추세선을 찾습니다.

[지오지브라로 로지스틱 회귀곡선 또는 k-NN 알고리즘을 구현해 색상분류를!]

[Ⅰ과 Ⅱ에 비해 Ⅲ의 실습 난이도가 다소 높습니다. 지오지브라에 익숙해진 뒤 수강하길 추천드립니다.]

본 강의는 지오지브라를 활용해 로지스틱 회귀곡선 또는 k-NN 알고리즘을 구현하고 색상을 분류하는 실습하는 강의입니다.

특히 인공지능 기초 수업에서 학생과 직접 수행해 볼 수 있는 수업 방안이 담겨 있습니다.

실습(3시간)

수준: 고등학교 진로선택교과 인공지능 수학(고2~3)

소프트웨어: 지오지브라

교과서: 인공지능 기초, 3단원 (출판사 무관)

핵심단어: 분류, 로지스틱 회귀곡선, k-NN 알고리즘, 가중치, 지도학습, 인공지능, 기계학습

실습순서:

1. 색을 랜덤하게 생성하고 이를 빨강, 파랑, 녹색 중 하나로 저장합니다.

2. 랜덤하게 생성된 색의 RGB와 저장된 색의 RGB를 비교합니다.

3. 로지스틱 회귀곡선을 이용해 색상을 분류합니다.

4. k-NN 알고리즘을 이용해 색상을 분류합니다.

5. 거리의 역수를 이용해 k-NN 알고리즘에 가중치를 부여합니다.

[지오지브라로 이미지 변환과 k-평균 알고리즘을!]

본 강의는 지오지브라를 활용해 이미지를 변환하고 k-평균 알고리즘을 실습하는 강의입니다.

특히 인공지능 수학, 기초 수업에서 학생과 직접 수행해 볼 수 있는 수업 방안이 담겨 있습니다.

실습(3시간)

수준: 고등학교 진로선택교과 인공지능 수학(고2~3)

소프트웨어: 지오지브라

교과서: 인공지능 수학, 2단원 (출판사 무관)

핵심단어: 행렬, RGB, 이미지, k-평균 알고리즘, 군집화, 비지도학습, 인공지능, 기계학습

이미지 실습순서:

1. 변환에 사용할 이미지를 수집합니다.

2. 데이터를 전처리한 뒤 지오지브라에 입력합니다. 

3. RGB 행렬을 입력합니다.

4. 행렬의 연산을 이용해 이미지를 다양하게 변환합니다.

k-평균 알고리즘 실습순서:

1. 군집화에 사용할 데이터를 수집합니다.

2. 데이터를 전처리한 뒤 지오지브라에 입력합니다. 

3. k-평균 알고리즘을 설계합니다.

4. 보로노이 다이어그램을 그립니다.

[지오지브라로 추세선부터 최적화까지!]

본 강의는 지오지브라를 활용해 추세선을 만들고 최적화를 실습하는 강의입니다.

특히 인공지능 수학 수업에서 학생과 직접 수행해 볼 수 있는 수업 방안이 담겨 있습니다.

이론 실습(3시간)

수준: 고등학교 진로선택교과 인공지능 수학(고2~3)

소프트웨어: 지오지브라

교과서: 인공지능 수학, 3~4단원 (출판사 무관)

핵심단어: 추세선, 손실함수, 경사하강법, 학습률, 최적화, 기계학습, 인공지능

실습순서:

1. 예측에 사용할 데이터를 수집합니다.

2. 데이터를 전처리한 뒤 지오지브라에 입력합니다. 

3. 임의의 추세선을 그려 손실함수를 정의합니다.

4. 정의된 손실함수가 최솟값을 갖도록

    미분을 활용하여 경사하강법을 시행합니다.

5. 학습률을 조절하여 최적의 추세선을 찾습니다.

[지오지브라로 추세선부터 최적화까지!]

본 강의는 지오지브라를 활용해 추세선을 만들고 최적화를 실습하는 강의입니다.

특히 인공지능 수학 수업에서 학생과 직접 수행해 볼 수 있는 수업 방안이 담겨 있습니다.

이론 실습

수준: 고등학교 진로선택교과 인공지능 수학(고2~3)

소프트웨어: 지오지브라

교과서: 인공지능 수학, 3~4단원 (출판사 무관)

핵심단어: 추세선, 손실함수, 경사하강법, 최적화, 기계학습, 인공지능

2025년에 정규 교과로 도입될 AI교육에 대비해 인공지능 교과서로 기초 이론을 알아봅니다. 
학생들에게 인공지능에 대해 가르칠 때 갖춰야 할 필수적인 배경지식을 쉽게 풀어서 설명하며, 4차 산업혁명을 맞아 생각해봐야 할 윤리 문제에 대해서도 다룹니다. 인공지능에 대한 지식이 전혀 없어도 부담없이 듣고 이해할 수 있는 인공지능 교양 강의입니다.