머신러닝 기반 교수-학습 모형
1. 문제 인식 및 분석 - 생활 속 문제 상황 중 머신러닝을 활용하여 해결할 수 있는 문제를 인식하는 단계
2. 데이터 수집 - 문제를 해결하는 데 필요한 실질적인 데이터를 수집하는 단계
3. 데이터 가공 및 선별 - 수집한 데이터를 처리할 수 있도록 수치화, 도식화, 라벨링 후 필요한 데이터를 선별하는 단계
4. ML 모델 훈련 및 평가 - 선별한 데이터를 바탕으로 머신러닝 모델 훈련 및 정확도를 평가하는 단계
5. ML 프로그래밍 - 머신러닝 모델을 활용하여 프로그래밍을 작성하는 단계
6. 적용 및 해결 - 제작한 프로그램을 적용하여 문제를 해결하는 단계
7. 공유 및 환류 - 작성한 프로그램을 공유하고 피드백을 통해 프로그램을 개선하는 단계
엔트리 인공지능 꾸러미
1. 네 가지 인공지능 블록 제공 - 번역, 비디오 감지, 오디오 감지, 읽어주기
2. 인공지능 모델 제공 - 분류(이미지, 텍스트, 음성, 숫자), 예측(선형 회귀), 군집(k-평균)
엔트리 데이터분석 꾸러미
1. 테이블 선택 - 기온, 인구 같은 공공데이터 및 네이버가 보유한 데이터 외 다양한 데이터 테이블을 제시
2. 파일 올리기, 새로 만들기 - 사용자가 추가하는 데이터를 활용할 수 있음
3. 데이터 출력 - 그래프 형태의 차트 출력 가능
엔트리 확장 꾸러미
1. 네 가지 카테고리(날씨, 생활안전 국민행동요령, 자연재난 국민행동요령, 행사)의 블록 제공
엔트리 활용 인공지능 교육의 의미
1. 머신러닝의 이해와 인공지능 기초 소양 함양
2. 공공 데이터 활용을 통해 빅데이터 활용의 필요성 인식
3. 생활 속 문제 해결을 위해 인공지능 알고리즘 및 프로그래밍 체험
4. 4차 산업 혁명 시대에 부응하는 학습자 역량 신장
