UNIVERSITY PROPOSAL · ADVANCED AI
개인 프로젝트를 직접 실행하고, 성능과 한계를 근거로 설명하는 40시간
초기 공통 모듈 · 대학 맞춤 설계의 출발점
대학이 확인할 핵심 결과
이 제안서는 과정별 초기 공통 모듈입니다. 대학의 목표·전공·학생 준비도·운영 여건에 맞춰 모듈의 조합과 순서, 개인 과제·평가·일정을 재구성합니다.
이 과정의 맞춤 예시 준비도와 실행 환경에 따라 데이터·모델 실험 또는 RAG 응답 평가 중 한 경로를 정하고, 구현 깊이를 조정합니다.
01 / UNIVERSITY VALUE
대학의 AI 심화 교육을 하나의 개인 프로젝트와 검증 기록으로 구체화합니다. 학생은 성능 수치뿐 아니라 사용한 데이터, 비교 조건, 실패 사례와 적용 한계를 설명합니다.
작은 모델 실험 또는 자료 기반 AI 응답 검증 중 하나를 선택합니다. 문제 정의부터 재검증까지 같은 과제를 발전시킵니다.
비개발 경로는 표·시각형 도구, 개발 경로는 코드·API를 활용합니다. 결과를 검증하고 설명하는 공통 기준을 적용합니다.
실행 기록·독립 평가·피드백·보완 전후를 개인 단위로 남깁니다. 후속 심화 교과나 연구참여 검토에 활용할 자료를 마련합니다.
02 / READINESS & LEARNING PATH
이전 학년 과정의 수강 여부로 참여 자격을 정하지 않습니다. 첫날 진단에서 입력·출력 구분, 자료 다루기, 비교·검증과 실행 환경 사용을 확인합니다.
공개·교육용 표 데이터로 간단한 분류 기준선과 모델을 비교합니다. 특성·라벨, 훈련/검증/시험 분리와 오류를 확인합니다.
정해진 자료 묶음으로 검색증강(RAG) 또는 자료를 제공한 응답 흐름을 구성합니다. 출처, 답변 가능 범위, 모를 때의 보류를 시험합니다.
| 관련 모듈 | 심화 캠프에서 가져오는 원리 |
|---|---|
| M31 · 데이터에서 배우는 AI와 머신러닝 | 학습 데이터·일반화·독립 시험 |
| M32·M33 · 신경망·생성형 AI 원리 | 모델 구조·학습과 사용·생성의 한계 |
| M12 · 전공 데이터 품질 점검 | 단위·결측·중복·출처와 변환 기록 |
| M21·M34 · 평가 실험·작은 모델 | 기준선·오류·누수·모델 카드 |
| M23~M28 · 개인 프로젝트 | 범위 결정→실행→검증→개선→설명 |
표가 화면보다 넓으면 좌우로 이동해 확인하세요.
03 / FIVE-DAY PROGRAM
아래 구성과 시간은 초기 공통 모듈의 기본안입니다. 상담 후 학습 목표와 선수 관계를 유지하며 편성·실습·평가 시간을 함께 조정합니다. 아래는 순교육 40시간 편성 예시입니다. 사전·중간·최종 평가는 이 시간에 포함하며, 점심·휴식은 별도로 배치합니다. 정규 온라인 과정의 평가 시간과 혼합 산정하지 않습니다.
| 일자 | 주요 활동 | 개인 결과물 | 시간 배분 |
|---|---|---|---|
| 1일 · 문제와 기준선 | 사전 진단·공통 보완, 문제·데이터 선정, 기준선 실행 | 문제 정의서·데이터 명세·기준선 | 진단 1h + 보완 2h + 설계 2h + 실행 2h + 검토 1h |
| 2일 · 첫 구현 | 선택 경로의 예제 확인, 개인 조건으로 구현·실행 | 실행 초안·환경·입출력 기록 | 개념 1.5h + 안내 실습 2h + 개인 실습 3.5h + 검토 1h |
| 3일 · 비교와 중간 점검 | 평가 사례 고정, 기준선 비교, 중간 평가·수정 | 비교표·중간 피드백·수정 계획 | 설계 1h + 실험 4h + 평가 1h + 피드백 1h + 수정 1h |
| 4일 · 오류와 한계 | 실패 사례·예외 조건 확인, 비용·책임 범위 점검 | 오류 기록·보완본·운영 한계 | 사례 1h + 시험 4h + 한계 검토 1h + 보완 2h |
| 5일 · 재현과 설명 | 재실행, 근거 정리, 개인 시연·최종 평가·후속 계획 | 최종 증거 묶음·개인 시연 | 재실행 2h + 정리 2h + 시연 1.5h + 평가 1.5h + 계획 1h |
표가 화면보다 넓으면 좌우로 이동해 확인하세요.
04 / PERSONAL PROJECT & EVIDENCE
프로젝트의 규모는 40시간 안에 직접 실행하고 설명할 수 있는 수준으로 제한합니다. 모델 학습·RAG·에이전트·배포를 한꺼번에 요구하지 않습니다.
| 경로 | 문제와 비교 | 확인할 실패 |
|---|---|---|
| 작은 모델 실험 | 교육용 분류 데이터에서 단순 규칙과 작은 모델의 예측을 독립 시험 자료로 비교 | 누수·클래스 편중·오분류·적용 범위 밖 입력 |
| 자료 기반 AI 응답 검증 | 가상 대학 안내 자료의 단순 검색과 선택한 응답 흐름을 고정 질문 묶음으로 비교 | 잘못된 출처·조건 누락·자료에 없는 답·응답 보류 실패 |
표가 화면보다 넓으면 좌우로 이동해 확인하세요.
05 / ASSESSMENT & FEEDBACK
사전에는 짧은 공통 과제로 출발점을, 중간에는 실행 초안과 비교 설계를, 최종에는 재검증한 개인 결과물을 확인합니다. 비교에는 관찰 범위와 수행 조건을 함께 기록합니다.
| 기준 | 배점 | 관찰할 근거 |
|---|---|---|
| 문제 정의·성공 기준 | 15 | 대상·범위·측정 기준이 일치하는가 |
| 데이터·출처·시험 독립성 | 20 | 자료 이력과 분리·누수 점검이 확인되는가 |
| 구현·실제 실행 | 20 | 선택한 환경에서 자신의 설정으로 실행했는가 |
| 평가·기준선 비교 | 20 | 같은 조건과 사례로 비교하고 오류를 설명하는가 |
| 보완·운영 한계 판단 | 15 | 중요 오류를 수정하고 위험·비용·한계를 밝히는가 |
| 재현 문서·개인 설명 | 10 | 다른 사람이 확인할 절차와 자신의 기여를 설명하는가 |
표가 화면보다 넓으면 좌우로 이동해 확인하세요.
관찰한 기준은 0~4 단계로 판단하고 배점 × 단계/4로 환산합니다. 0은 수행 확인 실패, 1은 부분 수행, 2는 지원을 받아 수행, 3은 독립 수행, 4는 예외·다른 조건까지 설명한 수행입니다. 합계는 100점이며 이수 기준은 대학과 합의합니다.
06 / OPERATING MODEL
캠프는 제안 단계이며 일정·실습 환경·검토 인력·수강 규모를 확인해 개설합니다. 플랫폼의 실제 AI 연결이나 대규모 운영 검증이 이미 완료되었다고 가정하지 않습니다.
| 주체 | 담당 범위 |
|---|---|
| 대학 | 대상·일정·교실/접속 환경, 승인 가능한 자료·도구, 이수 기준·최종 학사 판정 |
| 협회 | 표준 예제·진단·실습 설계, 강의·개인 피드백·보완 확인, 평가 근거와 결과 보고 |
| 학생 | 개인 실험 수행, 출처·실행 기록·AI 도움 범위 명시, 오류 보완과 개인 시연 |
표가 화면보다 넓으면 좌우로 이동해 확인하세요.
07 / UNIVERSITY REPORT & ADOPTION
아래는 도입 시 합의할 보고 지표입니다. 목표값은 대학과 정하며 실제 실적을 의미하지 않습니다. 집계 기준일·분모·최신 답안 버전을 함께 제공합니다.
| 지표 | 분자 / 분모 |
|---|---|
| 개인 결과물 제출률 | 최종 결과물 제출자 / 사전에 정한 교육 대상 등록자 |
| 평가 처리율 | 최신 제출본 검토 완료 건 / 최신 제출본 평가 대상 건 |
| 독립 비교 수행률 | 기준선·독립 평가 근거를 확인한 학생 / 해당 과제 평가 대상 학생 |
| 보완 확인율 | 보완 후 개선을 재확인한 건 / 배정한 보완 과제 건 |
| 역량 변화·관찰 범위 | 공통 관찰 기준의 사전·최종 차이와 양 시점 평가 인원/대상 인원을 함께 보고 |
표가 화면보다 넓으면 좌우로 이동해 확인하세요.
40시간 강의·실습, 표준 예제, 개인 진단·평가·보완, 학교 결과 보고를 기본으로 견적을 구성합니다.
대학 고유 데이터 신규 제작, 추가 API·연산 자원, 현장 운영 여건, 장기 멘토링·연구실 연계, 자격 검정은 별도로 확인합니다.
교육 구성의 기준: KAAI Campus 표준 교육과정과 협회 운영안. 이 제안서는 초기 공통 모듈이며 상담 후 대학별로 재구성합니다. 표준 모듈의 선택·조합·편성은 도입안에 반영하며 대학 고유 자료·지역산업 문제의 신규 제작은 별도 범위·비용을 계약합니다. 제안한 과제·평가·지표는 도입 시 확정하며 실제 운영 실적을 나타내는 수치는 아닙니다. 교육과정 확인