[2022 개정 교육과정] 수학교과 진로선택 - 인공지능 수학

2022 개정 교육과정 수학교과 진로선택 과목인 인공지능 수학입니다. 인공지능 수학은 2015 개정 교육과정에 없던 것으로 2022 개정 교육과정에서 신설된 교과입니다. 

 

 

2022 개정 교육과정 수학교과 진로선택 인공지능 수학

 

 

인공지능 수학은 인공지능의 데이터 처리와 의사 결정에 수학이 활용되는 다양한 사례를 경험함으로써, 인공지능과 수학의 관련성을 탐구하는 과목입니다.

 

 

 

<인공지능 수학>을 학습한 학생들은 다양한 인공지능의 활용 상황에서 논리적 근거를 토대로 합리적인 의사 결정을 할 수 있고, 인공지능의 개념과 역사를 통해 인공지능의 알고리즘이 논리와 수학에 기초하며 빅데이터의 활용을 통해 새로운 가치가 만들어짐을 인식할 수 있다. 또한 인공지능의 데이터 처리와 의사 결정에 다양한 수학적 원리가 사용됨을 이해하고, 인공지능이 데이터의 경향성을 파악하고, 최적화함으로써 미래를 예측할 수 있음을 이해할 수 있다. 나아가 인공지능에 활용되는 수학의 유용성을 인식할 뿐 아니라, 데이터의 공정성을 확보하기 위한 태도를 갖추고 적절한 공학 도구를 활용함으로써 디지털⋅인공지능 소양을 함양할 수 있다.

<인공지능 수학>은 자신의 진로와 적성을 고려하여 인공지능 분야에서 수학이 어떻게 활용되는지 알기를 원하는 학생들이 선택할 수 있다. <인공지능 수학>에서 학습한 내용은 자연과학, 공학, 의학뿐만 아니라 경제⋅경영학을 포함한 사회과학, 인문학, 예술 및 체육 분야를 학습하는 데 기초가 된다.

※ 교육부 고시 제2022-33호 [별책 8]

 

 

 

수학교과 진로선택 과목 - 인공지능 수학

 

 

내용체계

 

범주	내용요소
1. 인공지능과 빅데이터	⋅ 인공지능의 개념과 역사 ⋅ 빅데이터와 인공지능
2. 텍스트 데이터 처리	⋅ 텍스트 데이터 표현 ⋅ 텍스트 데이터 분석
3. 이미지 데이터 처리	⋅ 이미지 데이터 표현 ⋅ 이미지 데이터 분석
4. 예측과 최적화	⋅ 경향성과 예측 ⋅ 최적화
5. 인공지능과 수학 탐구	⋅ 합리적 의사 결정 ⋅ 인공지능과 수학 탐구

 

 

성취기준

 

1. 인공지능과 빅데이터

⋅ 인공지능의 개념을 이해하고 학습 방식을 수학적으로 해석할 수 있다. 이 때, 기계학습에서 지도학습, 비지도학습, 강화학습의 특성을 소개하고, 딥러닝에서 퍼셉트론의 가중치와 활성화함수의 의미를 이해하게 한다. ⋅ 인공지능에서 수학을 활용한 역사적 사례를 탐구하고 설명할 수 있다. 이 때, 논리합(OR), 논리곱(AND), 배타적논리합(XOR)과 같은 논리 연산을 진리표를 사용하여 소개하고, 다층퍼셉트론으로 배타적논리합(XOR) 문제를 해결하는 과정을 이해하게 한다. 실생활 예제를 활용하여 전문가시스템의 규칙 기반 표현 방법과 추론 과정을 설명하게 한다. ⋅ 빅데이터의 개념과 특성을 알고 인공지능에서 빅데이터를 활용한 사례를 찾을 수 있다. 이 때, 빅데이터의 수집 및 분석과정과 이를 인공지능에서 활용한 사례를 소개하고, 데이터 활용에서 발생할 수 있는 편향성을 고려하여 공정성을 추구할 수 있게 한다.

 

 

2. 텍스트 데이터 처리

⋅ 집합과 벡터를 이용하여 텍스트 데이터를 목적에 맞게 표현할 수 있다. 이 때,실생활의 텍스트 데이터에서 불용어를 제거하여 단어 집합을 만들고, 이를 벡터를 이용하여 표현하게 한다. ⋅ 빈도수 벡터를 이용하여 텍스트 데이터를 요약하고 유용한 정보를 추출할 수 있다. 이 때, 빈도수 기반의 단어가방(Bag of Words)모형을 활용하여 텍스트 데이터를 요약하게 한다. 또한 TF-IDF(Term Frequency - Inverse Document Frequency) 등을 사용하여 텍스트에서 유용한 정보를 추출하게 한다. 역문서빈도(IDF)는 문서빈도(DF)의 역수로 표현하게 한다. ⋅ 인공지능이 텍스트를 특성에 따라 분석하는 수학적 방법을 설명할 수 있다. 이 때, 영화 리뷰, 기사 등 다양한 텍스트 데이터의 감성 정보를 분석하고, 텍스트들 사이의 유사한 정도를 분석하게 한다. 이때 유클리드 유사도, 코사인 유사도, 자카드 유사도 등을 다룰 수 있다. 코사인 유사도에서 내적과 관련된 용어 및 기호는 사용하지 않는다.

 

 

3. 이미지 데이터 처리

⋅ 행렬을 이용하여 이미지 데이터를 목적에 맞게 표현할 수 있다. 이 때, 이미지 데이터의 각 픽셀 위치와 색상 정보(RGB)를 행렬을 이용하여 표현하게 한다. ⋅ 행렬의 연산을 이용하여 이미지 데이터를 다양하게 변환할 수 있다. 이 때, 이미지의 구도, 색상, 휘도, 밝기, 선명도 등을 행렬의 연산을 활용하여 다양하게 변환하게 한다. 이때 회전변환은 다루지 않는다. ⋅ 인공지능이 이미지를 자동으로 분류하는 수학적 방법을 설명할 수 있다. 이 때, 개와 고양이의 사진을 구별하거나 손글씨를 인식하는 문제 등을 다룬다. 행렬의 유사도를 위해 해밍 거리(Hamming distance) 등을 사용하게 한다.

 

 

4. 예측과 최적화

⋅ 데이터를 분석하여 사건이 일어날 확률을 구하고 이를 예측에 이용할 수 있다. 이 때, 확률의 계산은 상대도수를 활용하게 하며, 조건부확률의 용어와 기호는 다루지 않는다. ⋅ 공학 도구를 사용하여 데이터의 경향성을 추세선으로 나타내고 이를 예측에 이용할 수 있다. 이 때, 다양한 추세선의 비교를 통해 최적화된 추세선의 필요성을 인식하게 한다. ⋅ 손실함수를 이해하고 최적화된 추세선을 찾을 수 있다. 이 때, y = ax 형태의 추세선에 대하여 일변수함수로 정의된 손실함수만을 다룬다. ⋅ 경사하강법을 이해하고 최적화된 예측을 위한 인공지능의 학습 방법을 설명할 수 있다. 이 때, 경사하강법을 다룰 때, 함수의 극한 개념과 미분계수는 직관적으로 이해하게 한다. 손실함수의 최솟값을 구하는 과정에서 경사하강법의 유용성을 인식하게 한다.

 

 

5. 인공지능과 수학 탐구

⋅ 수학적 원리를 이용하여 인공지능이 실생활 문제를 합리적으로 해결하는 사례를 찾을 수 있다. 이 때, 실생활 데이터의 경향성을 바탕으로 최적화된 예측을 통한 합리적 의사 결정 사례를 찾게 한다. 비합리적 의사 결정 사례를 통해 의사 결정의 윤리성을 판단해 보게 하여 민주 시민으로서의 소양을 함양하게 한다. ⋅ 인공지능과 관련된 수학 주제를 선정하여 탐구할 수 있다. 이 때, 인공지능에서 사용되는 다양한 수학적 아이디어를 탐색하고, 이를 활용한 탐구 학습 및 프로젝트 학습을 수행하게 하여 수학적 원리에 대한 흥미를 갖게 한다.

 

 

컴퓨터에 관련된 전공학과에 진학 시 선이수 한다면 도움이 되는 과목입니다. 교과명에서 알 수 있듯 인공지능, 데이터, 알고리즘등에서 활용할 수 있을 것이라 예상됩니다. 

 

 

 

※ 위의 내용은 교육부 홈페이지에서 제공하는 교육부 고시 제2022-33호 [별책 8]의 내용의 일부를 발췌하여 정리한 것입니다. 

 

 

[교육부 고시 제2022-33호] 초중등학교 교육과정 총론 및 각론 고시