AFEX - 교육 AI 시스템


1	AFEX - 사람과 머신이 함께 학습합니다.	Starts on 1st May, 2017	Days until Open	#NUM!
2	AFEX는 AI에 기반을 둔 제 3의 교육 인프라입니다.	This site belongs to	AI 신도시
3	AFEX - Autonomous Free Education eXpert
4	STAGE I	2017-05-01 ~ 2017-12-31		STAGE II	2018-01-01 ~ 2019-12-31
5
6
7	AFEX란?
8		Autonomous	교육부, 교육청, 학교 및 학원은 '국가 교육시스템'이라는 자동차의 운전자이며, 국민이 그 탑승자입니다. AFEX는 그 운전자 역할을 수행하는 AI입니다.
9		Free	"무료 맥주(free beer)"가 아닌 "언론의 자유(free speech)"와 같은 "배움의 자유(free learning)"입니다.
10		Education	AFEX의 첫 단계는 교육 AI입니다. 한편으로, AFEX의 로고 카멜레온이 암시하듯, 어떤 상황에도 적용할 수 있는 보편적 인공지능(General AI)을 지향합니다.
11		eXpert	APEX는 전문가이지만, "자연인"은 아닙니다.
12		AI는 종래의 사람이 할 수 없는 많은 일을 해냅니다. 교육도 예외가 아닙니다.
13		AFEX는 대안 학교가 아니라, 학교의 대안입니다. 장차, 학교 외 어떤 조직의 대안도 될 수 있습니다. It's a chameleon.
14		스스로 주행하는 자율(Autonomous) 차량처럼, AFEX는 교육 인프라의 운전자로 기능하는 일종의 자율(Autonomous) 교육시스템입니다.
15		한 편으로는, AFEX는 차량과 운전자를 겸한 무엇이기도 합니다. 교육부, 교육청, 학교 및 학원이면서, 동시에 그 운영 인력이기도 합니다.
16		AFEX를 통해, 한국은 국가 총교육비(공+사교육비)의 90%를 줄일 수 있습니다. 사회적 합의를 전제하면, AFEX는 국가 총교육비의 10% 미만으로 무상 교육을 제공할 수 있는 교육 부문의 자율주행(Autonomous) 시스템입니다.
17
18	AFEX는 사람과 머신이 함께 학습하고, 함께 성장합니다.
19		첫째	AFEX 운영진(자연인)은 한국 인구의 0.1%인 50,000명의 AI 전문가를 양성합니다.	학제 & 교과
20		둘째	AI 전문가 양성 과정을 통해, AFEX도 교육부, 교육청, 및 학교에 관련된 전문가 지능(Artificial Intelligence)으로 성장합니다.	git
21		셋째	AI 전문가 단기 속성 과정은 AFEX(머신)가 고도의 지적 능력을 갖춘 전문가로 성장하는 방법과 과정을 설명하며, 학습자(자연인) 스스로 그러한 AI 모듈을 설계하고, 코딩하도록 지도합니다.	AI 전문가 특별 과정
22
23						담당자	장 인	tensor.city@gmail.com
24	AFEX 프로젝트는 MIT MediaLab의 OLPC 오픈소스 프로젝트에 참여한 프로그래머들에 의해 2012년부터 진행되었으며, Linkr Inc.가 후원합니다.


1	자율진행 교육 전문가시스템 Autonomous Free Education eXpert	STAGE 1	2017년 5월 1일부터 8개월간 한국에서 진행합니다.
2	STAGE 2	2018년 1월 1일부터 24개월간 여타 국가로 확대합니다.
3	진행 과정	순서	내 용	진척도
4	진도	링크
5	1	리눅스, AI 라이버러리, DB, Web Server, MOOC 등으로 교육 AI 시스템의 골격을 구성합니다.	완료	edX
6	2	AI 전문가를 양성하기 위한 지식의 지도를 작성합니다.	70%	교과과정
7	3	공개된 강좌(Open Courseware 등)를 취합하여, 3분 내외의 강의인 지식셀(K-Cell) 150,000개를 구성합니다.	60%	전체
8	4	각 지식셀의 한국어 버전과 시각적(EV - Explained Visually) 버전을 제작합니다.	25%	전체
9	5	AFEX를 구동하는 다양한 AI 알고리즘을 Deep Neural Network의 형태로 작성합니다.	80%	링크
10	6	AI 전문가가 되려는 사람과 AI 시스템인 AFEX가 동시에, 그리고 함께 각각의 학습을 시작합니다.	2017년 5월 1일
11
12	교육	유치원, 초중고 및 대학(원) 교육 시스템이며, 기존의 공교육과 사교육 외 제 3의 교육 인프라입니다.
13	시스템 스스로 각종 경비를 산출하고, 집행합니다.	머신러닝 재직자 과정
14	기존의 초중고 및 대학 학제(6·3·3·4)를 유치원까지 포함하여 K1~K16으로 재편하였습니다. 기간은 16년으로 동일하나, 컴퓨터 관련 과목의 비중이 현저히 증가하고, 학년 및 과목 간 이동이 자유로우며, 4~5세에 학습을 시작하여, 20세 이전에 대학 과정을 마칠 수 있도록 구성하였습니다.
15	년도별 주요 학습 과목
16	K1 ~ K3	K4	K5	K6	K7	K8	K9	K10	K11	K12	K13	K14	K15	K16
17
18	AI 전문가는 컴퓨터와 머신러닝에 대한 깊은 이해 외에도, 자신의 전문 분야 지식을 갖춰야 합니다. AFEX는 16개 전공 과정을 제공합니다.
19	교통물류	의료	사법	행정	금융	입법	교육	산업
20	로봇	시장	경영	에너지	도시	식품	복지	세금
21	Autonomous	AI 시스템인 AFEX는 일종의 사이버(온라인) 교육기관이지만, 종래의 오프라인 또는 온라인 교육기관과는 사뭇 다릅니다.
22		유치원부터 대학원까지 하나의 시스템으로 통합하였습니다.
23	만 4세 무렵부터 학습을 시작합니다. 유치원(3년), 초등학교(5년), 중등학교(4년) 및 대학(3)년이 표준이며, 만 18~20세에 대학을 마치도록 구성하였습니다.
24	모든 대학생의 전공은 인공지능 및 로보틱스이며, 의학, 법학, 금융, 경영, 공학 등 기존 대학의 모든 전공은 부전공으로 선택할 수 있습니다.	전공별 이수 과목
25	유치원부터 대학까지 각급 교육기관에 로보틱스 실습실을 설치하고, 그 운영을 지원하는 전문 인력을 파견할 뿐 아니라, 그 설치 및 운영 비용의 일부를 지원합니다.	Robotics Lab
26	지식셀 K-Cell	AFEX의 학습 컨텐츠는 매우 특이한 방식으로 조직되어 있습니다.
27		길이가 3분 이내인 동영상 에피소드(=지식 셀, Knowledge Cell, K-Cell)가 적게는 수백 개, 많게는 수천 개가 모여, 어느 한 과목의 커리큘럼을 구성합니다.
28	수백 개 과목, 수십 만개의 지식셀들 가운데 중복되는 주제는 하나도 없습니다.
29	어느 한 에피소드를 학습 중인 학습자의 질문에 대한 답변도 어느 한 에피소드의 형식으로 제공됩니다.
30	각각의 지식셀은 사람이 부여하는 절대 주소(Absolute Address)와 AI 시스템이 결정하는 상대 주소(Relative Address)를 갖습니다.
31	AI 시스템은 마치 인체를 제어하는 생명 시스템처럼, 낡은 지식셀을 소멸시키고, 새로운 지식셀을 생성하며, 각 지식셀의 상대 주소를 끊임없이 갱신합니다. 그 결과는 살아 숨쉬는 AI 교육시스템입니다.
32	ASIX	AFEX의 주요 모듈 중 하나인 ASIX(Autonomous System for Instruction eXercise)는 TA(Teaching Assistant)인 AI 시스템이며, 학생들의 학습을 지도하는 방법을 스스로 학습합니다.
33		시스템이 에피소드들 간의 관계를 학습하고, 어느 한 에피소드의 복잡한 개념은 그보다 쉬운 다른 에피소드를 제공하는 방법으로 학습자의 의문을 해소합니다. 예를 들어, 미적분에 관한 어느 한 에피소드에 대한 질문은 대수에 속하는 어느 한 에피소드가 답변으로 제시될 수 있습니다.
34	2024-10-20	현재 버전은		입니다.
35	Evolution	AFEX는 스스로 진화합니다. 대표적인 MOOC(Massive Open Online Curriculum)인 edX와 AI 기술을 결합하여, 마치 자율 주행 차량처럼, 자율 운영됩니다. 시스템이 스스로 수행하는 일은 아래를 포함합니다.
36		질문과 답변	학습자의 질문에 대한 답변을 생성합니다. 종래의 자연어처리(NLP)와는 사뭇 다른 알고리즘을 적용하였습니다.	질의답변 모듈
37	커리큘럼 갱신	학습 연령대 별로 학습할 과목을 임의로 배치하였으나, 시스템 스스로 각각의 연령에 보다 적절한 과목을 결정하고, 그에 따라 기존 커리큘럼을 수정합니다.	커리큘럼 갱신 모듈
38	에피소드	각 과목에 할당된 수백 ~ 수천 개의 에피소드들 간의 순서를 갱신하고, 중복되는 에피소드를 제거하며, 새로운 에피소드의 제작을 요청합니다.	컨텐츠 갱신 모듈
39	운영진 선발	운영자로 참여할 일련의 인적 자원을 모집하고, 다양한 후보들 가운데 최적의 인재를 선택합니다.	인재선발 모듈
40	인사 관리	직원 급여와 보너스 등 각종 경비를 산출하고 집행합니다. 승진과 해임 등 인사 고과 역시 시스템이 담당합니다.	인사관리 모듈
41	완전 고용	선발된 인재가 배치될 적재적소를 끊임없이 갱신함으로써, 개개인의 평생 고용을 보장합니다.	완전고용 모듈
42	시스템의 성장	한국어부터 시작하며, 영어, 중국어, 일본어 등 다양한 언어 버전으로 확대하는 각각의 시점을 스스로 결정합니다.	확장 모듈
43	MILESTONE	질의/답변 시스템은 학생들의 질문에 답하는 방법을 스스로 학습합니다. 시스템의 머신러닝(training)은 아래 일정대로 진행합니다.	과목별 개강일자
44		2017년 5월 1일부터 12월 31일까지 8개월간의 알파 테스트(한국).	AFEX 시즌 1
45	2018년 1월 1일부터 2019년 12월 31일까지 36개월간의 베타 테스트(한국 외).	AFEX 시즌 2
46	2021년 1월 1일 정식 버전	EV Class
47	EV	일반적인 강의는 강사의 설명과 프리젠테이션으로 진행합니다.
48		전통적 교수법은 강사가 구사하는 언어, 이를테면, 영어나 한국어와 같은 특정 언어의 테두리에 갖히게 됩니다. 따라서, 영어로 진행되는 강의를 한국인이, 한국어로 진행되는 강의는 중국인이 이용할 수 없습니다.
49	EV(Explained Visually)는 나레이션없이 시각적으로 교수 내용을 전달하는 강의 기법입니다.
50	EV 강의는 국적과 언어에 무관하게 누구나 학습할 수 있습니다. AFEX는 모든 강의를 EV 방식으로 제작합니다.	EV 예시
51
52	오픈소스	AFEX는 다양한 오픈소스 소프트웨어 위에서 작동합니다.
53	구글의 AI 프레임워크인 TensorFlow를 이용합니다.	TensorFlow
54	AFEX 시즌 1이 종료되는 2017년 말에 AFEX의 주요 코드를 공개합니다. 물론, 모든 소스를 공개할 수는 없습니다.	Git
55	AFEX의 뼈대는 다양한 오픈소스 소프트웨어의 구조물입니다. 그 중 일부는 다음과 같습니다. 특히, 구글의 각종 소프트웨어는 AFEX의 유전적 부모입니다.
56
57	AFEX의 살은 지식셀(K-Cell)입니다. 이 셀들은 다양한 교육기관들이 공개한 무료 강좌를 토대로 제작하였으며, 특히, MIT 오픈 코스웨어(OCW - OpenCourseWare)를 활용하였습니다.
58									담당자	장 인	tensor.city@gmail.com
59	AFEX 프로젝트는 MIT MediaLab의 OLPC 오픈소스 프로젝트에 참여한 프로그래머들에 의해 2012년부터 진행되었으며, Linkr Inc.가 후원합니다.

1

자율진행 교육 전문가시스템
Autonomous Free Education eXpert

STAGE 1

2017년 5월 1일부터 8개월간 한국에서 진행합니다.

2

STAGE 2

2018년 1월 1일부터 24개월간 여타 국가로 확대합니다.

3

진행 과정

순서

내 용

진척도

4

진도

링크

5

1

리눅스, AI 라이버러리, DB, Web Server, MOOC 등으로 교육 AI 시스템의 골격을 구성합니다.

완료

edX

6

2

AI 전문가를 양성하기 위한 지식의 지도를 작성합니다.

70%

교과과정

7

3

공개된 강좌(Open Courseware 등)를 취합하여, 3분 내외의 강의인 지식셀(K-Cell) 150,000개를 구성합니다.

60%

전체

8

4

각 지식셀의 한국어 버전과 시각적(EV - Explained Visually) 버전을 제작합니다.

25%

전체

9

5

AFEX를 구동하는 다양한 AI 알고리즘을 Deep Neural Network의 형태로 작성합니다.

80%

링크

10

6

AI 전문가가 되려는 사람과 AI 시스템인 AFEX가 동시에, 그리고 함께 각각의 학습을 시작합니다.

2017년 5월 1일

11

12

교육

유치원, 초중고 및 대학(원) 교육 시스템이며, 기존의 공교육과 사교육 외 제 3의 교육 인프라입니다.

13

시스템 스스로 각종 경비를 산출하고, 집행합니다.

머신러닝 재직자 과정

14

기존의 초중고 및 대학 학제(6·3·3·4)를 유치원까지 포함하여 K1~K16으로 재편하였습니다. 기간은 16년으로 동일하나, 컴퓨터 관련 과목의 비중이 현저히 증가하고, 학년 및 과목 간 이동이 자유로우며, 4~5세에 학습을 시작하여, 20세 이전에 대학 과정을 마칠 수 있도록 구성하였습니다.

15

년도별 주요 학습 과목

16

17

18

AI 전문가는 컴퓨터와 머신러닝에 대한 깊은 이해 외에도, 자신의 전문 분야 지식을 갖춰야 합니다. AFEX는 16개 전공 과정을 제공합니다.

19

교통물류

의료

사법

행정

금융

입법

교육

산업

20

로봇

시장

경영

에너지

도시

식품

복지

세금

21

Autonomous

AI 시스템인 AFEX는 일종의 사이버(온라인) 교육기관이지만, 종래의 오프라인 또는 온라인 교육기관과는 사뭇 다릅니다.

22

유치원부터 대학원까지 하나의 시스템으로 통합하였습니다.

23

만 4세 무렵부터 학습을 시작합니다. 유치원(3년), 초등학교(5년), 중등학교(4년) 및 대학(3)년이 표준이며, 만 18~20세에 대학을 마치도록 구성하였습니다.

24

모든 대학생의 전공은 인공지능 및 로보틱스이며, 의학, 법학, 금융, 경영, 공학 등 기존 대학의 모든 전공은 부전공으로 선택할 수 있습니다.

전공별 이수 과목

25

유치원부터 대학까지 각급 교육기관에 로보틱스 실습실을 설치하고, 그 운영을 지원하는 전문 인력을 파견할 뿐 아니라, 그 설치 및 운영 비용의 일부를 지원합니다.

Robotics Lab

26

지식셀
K-Cell

AFEX의 학습 컨텐츠는 매우 특이한 방식으로 조직되어 있습니다.

27

길이가 3분 이내인 동영상 에피소드(=지식 셀, Knowledge Cell, K-Cell)가 적게는 수백 개, 많게는 수천 개가 모여, 어느 한 과목의 커리큘럼을 구성합니다.

28

수백 개 과목, 수십 만개의 지식셀들 가운데 중복되는 주제는 하나도 없습니다.

29

어느 한 에피소드를 학습 중인 학습자의 질문에 대한 답변도 어느 한 에피소드의 형식으로 제공됩니다.

30

각각의 지식셀은 사람이 부여하는 절대 주소(Absolute Address)와 AI 시스템이 결정하는 상대 주소(Relative Address)를 갖습니다.

31

AI 시스템은 마치 인체를 제어하는 생명 시스템처럼, 낡은 지식셀을 소멸시키고, 새로운 지식셀을 생성하며, 각 지식셀의 상대 주소를 끊임없이 갱신합니다. 그 결과는 살아 숨쉬는 AI 교육시스템입니다.

32

ASIX

AFEX의 주요 모듈 중 하나인 ASIX(Autonomous System for Instruction eXercise)는 TA(Teaching Assistant)인 AI 시스템이며, 학생들의 학습을 지도하는 방법을 스스로 학습합니다.

33

시스템이 에피소드들 간의 관계를 학습하고, 어느 한 에피소드의 복잡한 개념은 그보다 쉬운 다른 에피소드를 제공하는 방법으로 학습자의 의문을 해소합니다. 예를 들어, 미적분에 관한 어느 한 에피소드에 대한 질문은 대수에 속하는 어느 한 에피소드가 답변으로 제시될 수 있습니다.

34

2024-10-20

현재 버전은

입니다.

35

Evolution

AFEX는 스스로 진화합니다. 대표적인 MOOC(Massive Open Online Curriculum)인 edX와 AI 기술을 결합하여, 마치 자율 주행 차량처럼, 자율 운영됩니다. 시스템이 스스로 수행하는 일은 아래를 포함합니다.

36

질문과 답변

학습자의 질문에 대한 답변을 생성합니다. 종래의 자연어처리(NLP)와는 사뭇 다른 알고리즘을 적용하였습니다.

질의답변 모듈

37

커리큘럼 갱신

학습 연령대 별로 학습할 과목을 임의로 배치하였으나, 시스템 스스로 각각의 연령에 보다 적절한 과목을 결정하고, 그에 따라 기존 커리큘럼을 수정합니다.

커리큘럼 갱신 모듈

38

에피소드

각 과목에 할당된 수백 ~ 수천 개의 에피소드들 간의 순서를 갱신하고, 중복되는 에피소드를 제거하며, 새로운 에피소드의 제작을 요청합니다.

컨텐츠 갱신 모듈

39

운영진 선발

운영자로 참여할 일련의 인적 자원을 모집하고, 다양한 후보들 가운데 최적의 인재를 선택합니다.

인재선발 모듈

40

인사 관리

직원 급여와 보너스 등 각종 경비를 산출하고 집행합니다. 승진과 해임 등 인사 고과 역시 시스템이 담당합니다.

인사관리 모듈

41

완전 고용

선발된 인재가 배치될 적재적소를 끊임없이 갱신함으로써, 개개인의 평생 고용을 보장합니다.

완전고용 모듈

42

시스템의 성장

한국어부터 시작하며, 영어, 중국어, 일본어 등 다양한 언어 버전으로 확대하는 각각의 시점을 스스로 결정합니다.

확장 모듈

43

MILESTONE

질의/답변 시스템은 학생들의 질문에 답하는 방법을 스스로 학습합니다. 시스템의 머신러닝(training)은 아래 일정대로 진행합니다.

과목별 개강일자

44

2017년 5월 1일부터 12월 31일까지 8개월간의 알파 테스트(한국).

AFEX 시즌 1

45

2018년 1월 1일부터 2019년 12월 31일까지 36개월간의 베타 테스트(한국 외).

AFEX 시즌 2

46

2021년 1월 1일 정식 버전

EV Class

47

EV

일반적인 강의는 강사의 설명과 프리젠테이션으로 진행합니다.

48

전통적 교수법은 강사가 구사하는 언어, 이를테면, 영어나 한국어와 같은 특정 언어의 테두리에 갖히게 됩니다. 따라서, 영어로 진행되는 강의를 한국인이, 한국어로 진행되는 강의는 중국인이 이용할 수 없습니다.

49

EV(Explained Visually)는 나레이션없이 시각적으로 교수 내용을 전달하는 강의 기법입니다.

50

EV 강의는 국적과 언어에 무관하게 누구나 학습할 수 있습니다. AFEX는 모든 강의를 EV 방식으로 제작합니다.

EV 예시

51

52

오픈소스

AFEX는 다양한 오픈소스 소프트웨어 위에서 작동합니다.

53

구글의 AI 프레임워크인 TensorFlow를 이용합니다.

TensorFlow

54

AFEX 시즌 1이 종료되는 2017년 말에 AFEX의 주요 코드를 공개합니다. 물론, 모든 소스를 공개할 수는 없습니다.

Git

55

AFEX의 뼈대는 다양한 오픈소스 소프트웨어의 구조물입니다. 그 중 일부는 다음과 같습니다. 특히, 구글의 각종 소프트웨어는 AFEX의 유전적 부모입니다.

56

57

AFEX의 살은 지식셀(K-Cell)입니다. 이 셀들은 다양한 교육기관들이 공개한 무료 강좌를 토대로 제작하였으며, 특히, MIT 오픈 코스웨어(OCW - OpenCourseWare)를 활용하였습니다.

58

담당자

장 인

tensor.city@gmail.com

59

AFEX 프로젝트는 MIT MediaLab의 OLPC 오픈소스 프로젝트에 참여한 프로그래머들에 의해 2012년부터 진행되었으며, Linkr Inc.가 후원합니다.


1					Starts on 1st May, 2017		Days until Open		#NUM!
2	AFEX Community		nurigo				온라인 강의실
3
4	AFEX는 AI 시스템으로, 종래의 사람 전문가가 수행하던 고차원의 지식 노동을 대신 수행합니다.
5	아래는 종래의 학교 시스템과 비교하여 AFEX의 구체적인 기능 각각을 설명하며, 제목을 클릭하면 해당 페이지로 이동합니다.
6	비교			요약				개발 모듈 및 진행 현황
7	기존 학교 체제	AFEX		요약				개발 모듈 및 진행 현황
8	공교육 + 사교육	AI 교육 시스템		AFEX는 사람과 시스템이 함께 학습하는 AI 시스템이며, 두살부터 여든을 포괄하는 다양한 교육 서비스를 제공합니다.
9	교육부, 교육청, 학교 및 학원	AI 시스템		학교, 학원, EBS 및 사이버 대학 등 기존 교육 인프라와는 현저히 다른 제 3의 교육 인프라입니다.
10	사람	AFEX의 두뇌, 몸 및 세포		사람과 마찬가지로 AFEX도 살아 움직이는 생명체이며, 신체 각부가 고유의 역할을 수행합니다.
11	책	컨텐츠 풀		AFEX는 크게 시스템과 컨텐츠 풀(Contents Pool)로 구성됩니다. 시스템은 이전에 없던 기술이며, 컨텐츠는 기존의 것을 특수하게 가공한 것입니다.
12	흑판 강의	절대적이고 상대적인 지식셀(K-Cell)의 주소		3분 길이의 시각적 설명(Explained Visually) 영상 수십 만개가 모여 전체 커리큘럼을 구성합니다. 각각의 영상이 지식셀입니다.
13	개인 교습	학습자의 질문과 답변		AFEX의 AI 시스템이 학습자의 질문에 답하는 메커니즘은 명쾌하고 간략합니다.
14	복수의 학교, 교사, 및 강사	지식과 셀 간의 1:1 매칭		AFEX의 컨텐츠 풀(Contents Pool)에는 하나의 지식에 대응하는 오직 하나의 지식셀만 있습니다.
15	교과서	과목과 지식셀의 순서 조정		AFEX는 150여 과목으로 구성되며, 각 과목은 수십에서 수천의 지식셀로 구성됩니다. AFEX는 이들 간의 순서를 스스로 조정합니다.
16	교수/교사의 지도 플랜	지식셀의 교체 과정		몸에서 낡은 세포가 새로운 세포로 교체되듯, 지식셀 역시 끊임없이 새로운 셀로 교체됩니다.
17	교육부 교과위원회	AFEX의 성장		사람이 자라나듯, AFEX는 스스로 성장합니다. 과목을 늘리거나 줄이고, 지식셀을 늘리거나 줄입니다.
18	시험과 선발	경쟁아닌 경쟁		모든 국민이 AI 전문가가 될 필요도 없거니와, 될 수도 없습니다. 매년 일정 비율의 학습자들이 AI 과정에서 탈락합니다.
19	학급과 교실	스터디 그룹의 자동 구성		모든 AI 전문가의 전공 분야가 같을 수도, 같아서도 안됩니다. 50,000명의 AI 전문가가 100여 전문 영역 그룹으로 분화합니다.
20	구인과 구직	최적 고용		50,000명의 AI 전문가로 구성된 100여 전문 영역 간의 바람직한 인구 구성 비율을 산출하고, 전문가 개개인이 소속될 그룹을 추천합니다.
21	재무/서무 부서	시스템 운영 및 재정		AFEX의 운영 재원이 마련되고 집행되는 과정입니다.
22	국가 교육 의제 수립	교육 의제 수립 모듈		국가 교육 의제가 수립되고 적용되는 과정입니다.
23
24					담당자	장 인	tensor.city@gmail.com


1
2	AFEX Community		과목 명칭을 클릭하면 해당 페이지로 이동합니다.				작업 진행 단계			담당자

3
4		과목코드	K1 ~ K3는 유치원 과정입니다.				지식셀 구성	한국어 강의	EV 강의	담당자
5	K1 K2 K3	EN-A	영어	English for Kids
6		MA-A	산수	Math for kids
7		PH-A	물리	Physics for Kids
8		CH-A	화학	Chemistry for Kids
9		BI-A	생물	Biology for Kids
10		CO-A	컴퓨터	Computer learning for kids
11		PR-A	프로그래밍	Coding and programming app for kids
12		RO-A	로보틱스	Bloks 1
13		과목코드	K4~K8은 초등 과정입니다.				지식셀 구성	한국어 강의	EV 강의	담당자
14	K4	EN-B	영어	English for Primary School
15		MA-B	산수	Arithmetic
16		MA-C	산수	Prealgebra
17		PH-B	물리	Physics Games
18		CH-B	화학	Chemistry Apps
19		BI-B	생물	Biology Apps
20		LI-A	리눅스	Learn Linux
21		PR-A	프로그래밍	Learn Python
22		RO-A	로보틱스	Bloks 4
23	K5	EN-C	영어	English for Primary School
24		MA-D	수학	Algebra Review
25		PH-C	물리	Twelve Topics of IOP
26		CH-C	화학	Learn Chemistry
27		BI-C	생물	Primary (ages 5-11) resources – Key Stages 1 & 2
28		LI-B	리눅스	Linux 1
29		PR-B	프로그래밍	Programming Foundations with Python
30		RO-B	로보틱스	Bloks 5
31	K6	EN-D	영어	English for Primary School
32		MA-E	수학	Visualizing Algebra
33		PH-D	물리	Twelve Topics of IOP
34		CH-D	화학	Learn Chemistry
35		BI-D	생물	Secondary (ages 11-14) resources – Key Stage 3
36		LI-C	리눅스	Linux 2
37		PR-C	Python	Intro to Computer Science
38		WE-A	Web	Intro to HTML and CSS
39		WE-B		JavaScript Basics
40		WE-C		Writing READMEs
41		RO-C	로보틱스	Bloks 6
42	K7	EN-E	영어	English for Primary School
43		MA-F	수학	College Algebra
44		MA-G	수학	Geometry & Trigonometry
45		PH-E	물리	Twelve Topics of IOP
46		CH-E	화학	Learn Chemistry
47		BI-E	생물	Secondary (ages 14-16) resources – Key Stage 4
48		WE-D	Web	HTML5 Canvas
49		WE-E	Web	Make Your Own 2048
50		PR-D	프로그래밍	Programming Languages
51		RO-D	로보틱스	Bloks 7
52	K8	EN-F	영어	English for Primary School
53		MA-H	수학	Linear Algebra Refresher Course
54		ST-A	통계	Intro to Statistics
55		PH-F	물리	Twelve Topics of IOP
56		CH-F	화학	Learn Chemistry
57		BI-F	생물	Post-16 resources – Key Stage 5
58		WE-F	Web	Web Development
59		WE-G		Intro to AJAX
60		WE-H		Intro to jQuery
61		PR-E	프로그래밍	Object-Oriented JavaScript
62		RO-E	로보틱스	Bloks 8
63		과목코드	K9~K12는 중등 과정입니다.				지식셀 구성	한국어 강의	EV 강의	담당자
64	K9	MA-I	수학	Intermediate Algebra
65		MA-J		Differential Equations
66		MA-K		Precalculus
67		ST-B	통계	Descriptive Statistics
68		ST-C	통계	Inferential Statistics
69		PH-G	물리	University Physics
70		CH-G	화학	University Chemistry
71		BI-G	생물	University Biology
72		WE-I	Web	Web Accessibility
73		WE-J		Web Tooling & Automation
74		WE-K		Building High Conversion Web Forms
75		PR-F	Python	Python 3.4 Programming Tutorials
76		RO-F	로보틱스	Bloks 9
77	K10	MA-L	수학	Calculus 1
78		MA-M		Calculus 2
79		MA-N		Calculus 3
80		ST-D	통계	Statistical Learning Theory and Applications
81		PH-H	물리	University Physics
82		CH-H	화학	University Chemistry
83		BI-I	생물	University Biology
84		WE-L	Web	Designing RESTful APIs
85		WE-M		AutoLayout
86		WE-N		JavaScript Testing
87		WE-O		Full Stack Foundations
88		DB-A	Database	Intro to Relational Databases
89		DB-B		Data Wrangling with MongoDB
90		DB-C		Redis
91		DS-A	Data Science	Intro to Data Analysis
92		DS-B	Data Science	Intro to Data Science
93		RO-G	로보틱스	Bloks 10
94	K11	MA-O	수학	Math for Computer Science
95		PH-I	물리	University Physics
96		CH-I	화학	University Chemistry
97		BI-I	생물	University Biology
98		BI-J		Health & Medicine
99		BI-K		Tales from the Genome
100		DS-C	Data Science	Classification Models
101		DS-D		Google Sheets 1
102		DS-E		Google Sheets 2
103		DS-F		Data analysis in Python with pandas
104		DS-G		Time Series Forecasting
105		DS-H		Data Visualization with Tableau
106		LI-C	리눅스	Linux 3
107		WE-P	Web	Responsive Web Design Fundamentals
108		WE-Q	Web	Responsive Images
109		SE-A	Software Engineering	Software Testing
110		SE-B		Software Debugging
111		SE-C		Intro to Theoretical Computer Science
112		SE-D		Software Development Process
113		SE-F		Software Architecture & Design
114		ML-A	Machine Learning	Intro to Artificial Intelligence
115		ML-B		Introduction to Health Informatics
116		ML-C		Intro to Algorithms
117		ML-D		Intro to Machine Learning
118		ML-E		Unsupervised Learning
119		RO-H	로보틱스	Bloks 11
120	K12	BD-A	Big Data	Intro to Hadoop and MapReduce
121		BD-B		Deploying a Hadoop Cluster
122		BD-C		CSE 8803 Special Topics: Big Data
123		PR-G	프로그래밍	Developing Scalable Apps in Python
124		R-A	R	R Programming Software and Statistics
125		R-B		Data Analysis with R
126		R-C		Introduction to Data Science with R
127		R-D		Data Smart
128		R-E		An Introduction to Statistical Learning with Applications in R
129		SE-G	Software Engineering	Design of Computer Programs
130		WE-R	Web	JavaScript Design Patterns
131		WE-S		JavaScript Promises
132		WE-T		Browser Rendering Optimization
133		RO-I	로보틱스	Bloks 12
134		과목코드	K13~K16은 대학 과정입니다.				지식셀 구성	한국어 강의	EV 강의	담당자
135	K13	DS-I	Data Science	Data Visualization and D3.js
136		DS-J		CS109 Data Science
137		DS-K		A/B Testing
138		DS-L		Model Building and Validation
139		DS-M		Real-Time Analytics with Apache Storm
140		DS-N		Problem Solving with Advanced Analytics
141		ML-F	Machine Learning	Dynamic Programming
142		ML-G		Technical Interview
143		ML-H		Machine Learning for Trading
144		ML-I		The Foundation of Machine Learning
145		ML-J		TensorFlow
146		RO-J	로보틱스	Bloks 13
147	K14	JU-A	Julia Language	Julia Programming Tutorial
148		JU-B		The Julia Computer Language
149		JU-C		Julia tutorial at MIT
150		ML-K	Machine Learning	Stanford CS229
151		ML-L		In-depth introduction to ML
152		ML-N		Deep Learning with Python
153		ML-O		Python Machine Learning
154		ML-P		FUNDAMENTALS OF MACHINE LEARNING FOR PREDICTIVE DATA ANALYTICS
155		ML-Q		CMU 15-780
156		ML-S		Deep Learning
157		RO-K	Robotics	AI for Robotics
158	K15	ML-R	Machine Learning	Neural Networks for Machine Learning(Toronto)
159		ML-S		Undergraduate machine learning(UBC)
160		ML-T		CMU 10-601
161		ML-U		Machine Learning Course - CS 156(CalTech)
162		ML-V		MIT Opencourseware
163		ML-W		MIT 6.034 Artificial Intelligence
164		ML-X		Knowledge-Based AI: Cognitive Systems
165		ML-Y		CS 188(Berkeley)
166		ML-Z		cs231n(Stanford)
167		ML-AA		Reinforcement Learning
168		RO-L	Robotics	Evolutionary Robotics Course(UVM)
169	K16	ML-AB	AI	Statistical Learning Theory and Applications(MIT 9.520 )
170		ML-AC		Statistical Machine Learning (10-702/36-702)
171		ML-AD		Deep learning
172		ML-AE		Reinforcement Learning(DeepMind)
173		ML-AF		MIT 6.S094: Deep Learning for Self-Driving Cars
174		ML-AG		Open AI
175		ML-AH		DeepMind
176		RO-N	Robotics	Control of Mobile Robots
177				담당자	장 인	tensor.city@gmail.com


1	학습자는 기존 대학원 교과 과정과 AI 프로젝트를 병행하여 학습해야 합니다.										AI와 사회		페이지를 참고하십시오.
2	대학원 AI 전공 부문
3	교통	의료	금융	사법	입법	행정	교육	산업	로봇	경영	경제	에너지	도시	식품	복지	세무

4
5	전공	학습 프로젝트			내 용									관련 대학원		링크
6	교통 물류	자율주행			다양한 형태와 작동 방식의 자율차량을 설계합니다.									N/A		Site
7	교통 물류	교통물류제어			국가 또는 사회 내의 모든 교통 물류 수요를 제어하는 중앙제어시스템을 설계합니다.									N/A		Site
8	의료	진단과 처방			IBM Watson과 같은 AI 의사를 설계합니다.									의학대학원		Site
9		제약과 유통			약품의 제조와 유통을 제어합니다.									제약대학원
10		의료 서비스			1차, 2차 및 3차 의료 기관의 역할 분담과 업무 흐름을 설계합니다.									보건대학원
11		무상의료 AI 시스템			무상의료 시스템을 설계합니다.									보건대학원
12	금융	화폐			새로운 IP 화폐를 설계합니다.									KAIST 금융공학		Site
13		은행			무인자율 은행을 설계합니다.
14		보험			무인자율 보험을 설계합니다.
15		자본 시장			무인자율 금융 시장을 설계합니다.
16	사법	예방			범죄 예방 시스템을 설계합니다.									치안대학원		Site
17		판결			AI 판사, 검사, 및 변호사를 설계합니다.									법학대학원
18		교도			사회 복귀 메커니즘을 설계합니다.									교도대학원
19	입법	자동 투표			투표하지 않는 투표 시스템을 설계합니다.									N/A		Site
20	입법	정책			정책이 현실에 반영되는 프로세스를 설계합니다.									N/A		Site
21	행정	무인정부			무인행정기관을 설계합니다.									행정대학원		Site
22	행정	대통령 만들기 게임			대학원 과정의 유일한 게임입니다. AI 인격체로 대권후보를 내세워 지지율 1위를 유지할 알고리즘을 작성하는 게임입니다.									정책대학원
23	교육	MOOC			무상교육 Massive Open Online Curriculum을 설계합니다.									교육대학원		Site
24	산업	AI+ERP			1차, 2차 및 3차 산업 각각의 ERP에 AI 기술을 접목합니다.									산업대학원		Site
25	경영	경영자			최고 경영자를 포함하는 경영 인력을 AI로 구현합니다.									경영대학원		Site
26	로봇	소프트봇			소프트웨어 AI 로봇을 설계합니다.									소프트웨어공학		Site
27	로봇	로봇			하드웨어 AI 로봇을 설계합니다.									로봇공학		Site
28	시장	완전 고용			가격 시스템과 완전고용 시스템을 설계합니다.									경제대학원		Site
29	에너지	에너지			에너지의 생산, 분배 및 소비 과정을 설계합니다.									에너지대학원		Site
30	도시	AI 신도시 설계			도로, 주택, 상업, 생산 등 도시의 각 부문에 AI 기술을 적용합니다.									도시설계대학원		Site
31	도시	도시 OS			컴퓨터의 하드웨어 자원을 관리하는 리눅스처럼, 도시를 운영하는 Operating System을 작성합니다.									컴퓨터공학		Site
32	식품	무상급식 AI 시스템			무상급식 시스템을 설계합니다.											Site
33	세무	세무 회계			무인 국세청을 설계합니다.											Site
34


1	Starts on 1st September, 2017					Days until Open		#NUM!
2	AFEX Community			LEV = Lectures Visually Explained					ML 한국어 강좌
3	백 번 듣는 것이 한 번 보는 것만 못합니다. 예를 들면, 수학이 그렇습니다.
4
5	수학에 익숙하지 않은 사람들에게 Eigenvectors와 Eigenvalues를 말로써 설명하기는 쉽지 않지만, 시각적으로 핵심 개념을 전할 수 있습니다. 가령, Setosa 페이지를 방문해 보십시오.								Satosa
6	Conditional probability			는 또 다른 예입니다. 확률과 통계 개념을 얼마나 쉽게 이해할 수 있는 지 경험해 보십시오.
7	이처럼, 복잡한 개념들을 말 한마디 없이 학습자들에게 보다 용이하게 전달할 수 있다면, 그보다 좋은 교수 방법은 없습니다.
8	다양한 민족과 국가들이 하나의 머신러닝 MOOC를 공유할 수 있으려면, 귀가 아니라 눈으로 학습할 방안을 제시해야 합니다.
9	머신러닝 한국어 강의를 LEV(Lectures Visually Explained)로 전환함으로써, 언어와 관습이 서로 다른 세계 각국, 각층, 각 연령의 학습자들이 Automatic City의 머신러닝 강좌를 자막없이 시청하고, 공유할 수 있습니다.
10
11	시각적 설명 또는 눈으로 학습하는 강좌는 크게 두 가지 점에서 유용합니다.
12	첫째	학습자들이 복잡한 개념을 보다 쉽고, 직관적으로 이해할 수 있습니다.
13		둘째	나레이션이 없으므로, 한국에서 제작한 강의를 일본이나 중국 학습자들이 자막없이 볼 수 있습니다.
14			셋째	한 번 제작해서 백 년을 이용할 수 있는데, 할아버지, 아버지, 딸이 같은 강좌로 공부할 수도 있습니다. 물론, 조상들의 학습 성적도 볼 수 있을 지 모릅니다.
15
16	물론 단점도 있습니다.
17	첫째	시각적 강의 제작은 대단히 전문적인 작업이며, 해당 과목의 전문가와 시각적 프리젠테이션 전문가 및 프로그래머를 포함하는 프로페셔널 팀이 필요합니다. 그러한 팀을 찾기는 결코 쉽지 않습니다.
18		둘째	강사의 강의에 비해, 제작 비용이 훨씬 높은데, 그러한 투자를 감행할만한 교육기관을 찾기도 쉽지 않습니다.
19
20	The Setosa project
21	어느 분야에나 선구자는 있기 마련인데, 시각적 교육의 선구자 중 하나는 Setosa 프로젝트입니다.
22	Automatic City는 세토사 프로젝트에 사용된 기법들을 머신러닝 및 관련 기초 과목의 시각적 강의(Visual Explanation) 제작에 적용합니다.
23
24	과목			에피소드 갯수	제작 기간(일)	샘플	비고
25	컴퓨터 과학 1			120	12	샘플				참여
26	컴퓨터 과학 2			350	35	샘플				참여
27	로보틱스 기초			0	0	샘플				참여
28	수학 1			200	20	샘플				참여
29	수학 2			800	80	샘플				참여
30	통계 1			500	50	샘플				참여
31	통계 2			400	40	샘플				참여
32	통계 3			500	50	샘플				참여
33	데이터 과학 1			180	18	샘플				참여
34	데이터 과학 2			160	16	샘플				참여
35	데이터 과학 3			100	10	샘플				참여
36	ML 초급 1			100	10	샘플				참여
37	ML 초급 2			150	15	샘플				참여
38	ML 초급 2			150	0	샘플				참여
39	ML 초급 3			495	49.5	샘플				참여
40	ML 초급 4			180	18	샘플				참여
41	ML 초급 5			900	90	샘플				참여
42	ML 초급 6			0	0	샘플				참여
43	수학 3			900	90	샘플				참여
44	통계 4			500	50	샘플				참여
45	Statisitics with R			300	30	샘플				참여
46	Statisitics with R			300	0	샘플				참여
47	Python 3			200	20	샘플				참여
48	ML(Monk)			300	30	샘플				참여
49	ML(UBC)			300	30	샘플				참여
50	ML(UBC)			300	30	샘플				참여
51	ML(Carnegie Mellon)			300	30	샘플				참여
52	ML(CalTech)			300	30	샘플				참여
53	ML(MIT)			300	30	샘플				참여
54	ML(MIT)			300	30	샘플				참여
55	ML(Toronto)			300	30	샘플				참여
56	Pacman(Berkeley)			300	30	샘플				참여
57	CNN(Stanford)			300	30	샘플				참여
58	ML(CMU)			300	30	샘플				참여
59	Robotics(UVM)			300	30	샘플				참여
60	Photogrammetry			300	30	샘플				참여
61	SLAM			300	30	샘플				참여
62	NLP			300	30	샘플				참여
63	ML 고급 1			450	45	샘플				참여
64	ML 고급 2			450	45	샘플				참여
65	ML 고급 3			250	25	샘플				참여
66	ML 고급 4			120	12	샘플				참여
67	ML 고급 5			300	30	샘플				참여
68	ML 고급 6			300	30	샘플				참여
69	ML 고급 7			200	20	샘플				참여
70	ML 고급 8			200	20	샘플				참여
71	ML 고급 9			200	20	샘플				참여


1	Starts on 25 February, 2018			Days until Open	#NUM!
2	AFEX Community	AI Lab in School				ML 한국어 강좌
3	이 페이지는 lab.automatic.city 사이트를 요약합니다.
4	Automatic City는 학습자 개개인의 학습 진도를 일일 단위로 모니터링하고, 학습 진도를 지능형 원격 교육시스템(AI-ITS)으로 지원합니다. 초중고의 수강료는 무료이며, 학습자는 AI 실습실 비용을 부담합니다.
5	2018년부터 전국의 유치원, 초중고 및 대학에 설치될 인공지능(AI) 실습실의 운영을 위한 교사를 모집합니다.
6	모집 인원	2018년 2월	1,000명	자격	ML Level 3 수료자에 준합니다.
7		2019년 2월	10,000명	급여 수준	연봉 4천에서 7천 사이입니다.
8		2020년 2월	10,000명	자세한 사항은 lab.automatic.city를 참조합시시오.
9
10	각급 학교 AI LAB에 비치될 장비의 구체적 사양은 Google Bloks 사양이 공개될 2017년 말경에 결정됩니다.
11	유치원
12			로봇에 익숙해질 시기이며, 만 2세부터 6세까지 배우며 익힐 수 있는 로보틱스 교재와 시설을 제공하며, 그 운영을 함께 진행합니다.
13
14			유치원 과정의 아동 교육을 전공한 AI 교육자 1명이 상주 또는 정기적으로 방문하여, 어린이들의 학습 과정을 지도하며, 권장 학습 시간은 하루 2시간입니다.
15
16			아동 20명 기준으로 표준적인 시설과 장비 예상은 아래와 같습니다.
17			장비	면적/장비	비용	지도자
18			Lego EV3	30 평방미터	15백만원	1명
19	초등학교
20	인공지능 이전의 일반 로봇의 메커니즘을 학습하는 시기입니다. 프로그래밍 강사 1명과 로보틱스 강사 1명이 상주 또는 정기적 방문으로 학생들의 컴퓨터 과학 학습과 로보틱스 실습을 돕습니다.
21
22
23
24	모든 재학생에게 공통적으로 주 4시간의 실습 시간을 제공하고, 일부 학생을 선발하여, 주 16시간 이상의 실습 시간을 제공하는 것이 바람직합니다.
25
26
27	초등학생 200명 기준으로 표준적인 시설과 장비는 아래와 같습니다.		장비	면적/장비	비용	지도자
28	초등학생 200명 기준으로 표준적인 시설과 장비는 아래와 같습니다.		Lego EV3	50 평방미터	35백만원	2명
29
30
31
32
33
34
35
36
37
38	중학교
39			인공지능과 로봇을 결합할 시기입니다. 자율주행차량을 포함하여, 서버로 제어할 수 있는 각종 장치와 시설을 제작할 수 있도록 지도합니다.
40
41			모든 재학생에게 공통적으로 주 4시간의 실습 시간을 제공하고, 일부 학생을 선발하여, 주 20시간 이상의 실습 시간을 제공하는 것이 바람직합니다.
42
43			중고등학생 200명 기준으로 표준적인 시설과 장비는 아래와 같습니다.
44			장비	면적/장비	비용	강사진
45			Raspberry Pi Sets	100 평방미터	50백만원	4명
46
47
48
49
50
51
52
53
54
55
56
57	고등학교
58
59
60
61
62
63
64
65
66	본격적인 인공지능 로봇을 학습합니다. 2족보행 로봇을 포함하여, AI 기반의 산업용 로봇을 설계할 수 있도록 지도합니다. Reinforcement Learning을 포함하여 다양한 AI 알고리즘을 익힐 수 있도록 지원합니다.
67
68	모든 재학생에게 공통적으로 주 4시간의 실습 시간을 제공하고, 일부 학생을 선발하여, 주 20시간 이상의 실습 시간을 제공하는 것이 바람직합니다.
69
70	중고등학생 200명 기준으로 표준적인 시설과 장비는 아래와 같습니다.
71	장비	면적/장비	비용	강사진
72	Raspberry Pi Sets	150 평방미터	70백만원	4명
73
74
75
76
77
78
79
80
81
82	대학
83	상용으로 이용 가능한 로봇을 설계합니다. 기술 거래, 창업 및 취업을 지원합니다.
84	상용으로 이용 가능한 로봇을 설계합니다. 기술 거래, 창업 및 취업을 지원합니다.
85	대학생 200명 기준으로 표준적인 시설과 장비는 아래와 같습니다.
86	장비	면적/장비	비용	강사진
87	Raspberry Pi Sets	300 평방미터	200백만원	4명
88
89
90
91
92
93
94
95
96
97
98
99
100


1
2	12 Mathematics

3	1201 Algebra
4	1201.01 Algebraic geometry
5	1201.02 Axiomatic set theory
6	1201.03 Category theory
7	1201.04 Differential algebra
8	1201.05 Fields, rings, algebra
9	1201.06 Groups, generalizations
10	1201.07 Homological algebra
11	1201.08 Lattices
12	1201.09 Lie algebra
13	1201.10 Linear algebra
14	1201.11 Matrix theory
15	1201.12 Non-associative algebras
16	1201.13 Polynomials
17	1201.14 Representation theory
18	1201.99 Other (specify)
19	1202 Analysis and functional analysis
20	1202.01 Algebra of operators
21	1202.02 Approximation theory
22	1202.03 Banach spaces and algebras
23	1202.04 Calculus of variations
24	1202.05 Combinatorial analysis
25	1202.06 Convexity, Inequalities
26	1202.07 Difference equations
27	1202.08 Functional equations
28	1202.09 Functions of a complex variable
29	1202.10 Functions of real variables
30	1202.11 Functions of several complex variables
31	1202.12 Global Analysis
32	1202.13 Harmonic analysis
33	1202.14 Hilbert Spaces
34	1202.15 Integral equations
35	1202.16 Integral transforms
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583


1
2	주제	내용	수요 인원

3
4	과목별 컨텐츠 정리	150개 각 과목 별로 컨텐츠를 정리할 전공자	많을수록
5	오프라인 모임 준비	커뮤니티의 각 주제 별 오프라인 미팅 준비	2~3
6	한국어 강의 제작	물리, 화학, 생물 및 컴퓨터 과목의 초등학교 과정 강의 진행 및 녹화	10
7	사이트 디자인	현재 사용 중인 이미지들을 새로운 디자인으로 교체	2~3
8	AI 프로그래밍	TensorFlow	많을수록
9	업무 보조	단순 반복적 작업 지원	1~2
10	edX	edX 관리 경험자	2~3
11	홍보	AFEX를 널리 알려주세요	1~2
12	오픈소스 프로젝트지만, 참여자에게 소정의 보상과 끈끈한 인간 관계가 제공됩니다. tensor.city@gmail.com(별명, 끈끈이)으로 문의주십시오.


1							Starts on 1st May, 2017			Days until Open		#NUM!
2	APEX Community		Basic Science for Machine Learning								ML 한국어 강좌
3	AI 전문가가 되려면 긴 시간 동안 많은 분야의 지식과 경험을 쌓아야 합니다. 각 과목마다 두살부터 여든까지 배워 나갈 지식과 경험의 표준 체계를 구성합니다.
4
5	AFEX가 제공하는 커리큘럼의 목적은 동료들보다 우수한 성적을 쟁취하고, 의사나 변호사처럼 좋은 직업을 갖게하는 것이 아닙니다. 각자가 발휘할 수 있는 최선의 재능을 이끌어 내고, 그 능력과 적성에 맞는 직업을 찾을 수 있게 돕는 것입니다.
6	학습은 edX를 이용한 MOOC(Massive Open Online Curriculum) 방식으로 진행합니다.
7	2살부터 연, 월, 주, 일, 및 시간 단위로 학습해야할 주제와 컨텐츠를 제공합니다.
8	개별 학습자의 진도는 LMS(Learning Management System)로 24시간, 365일 모니터링하고, 분석합니다.
9	학습자의 성취 평가, 진로 추천, 성향 분석 등 학습 과정을 보조하는 시스템 역시 인공지능(AI) 기술을 활용하여 제작되었습니다.
10	모든 과목의 커리큘럼은 만 2세부터 학습을 시작하는 것을 가정하였으나, 대다수의 학습자는 그 보다 나이가 많을 것입니다. 따라서, 만 2세용 컨텐트부터 학습을 시작하여, 신속히 자신의 연령대에 적합한 커리큘럼에 도달해야 합니다.
11
12	과목별 학습 방법 안내
13	영어	산수+수학	통계	물리	화학	생물	컴퓨터 과학	데이터 과학	머신러닝	로보틱스	윤리	미학
14
15	과목 명은 해당 페이지로 연결됩니다.
16	연령별 학습 내용(유치원~대학)
17	영어	산수+수학	통계	물리	화학	생물	컴퓨터 과학	데이터 과학	머신러닝	로보틱스	윤리	미학
18
19	학습 도구
20	주요한 도구는 edX, 태블릿 및 구글 클라우드 플랫폼의 가상머신입니다.
21	모든 수강자에게 하나의 태블릿(또는 패블릿), 하나의 가상머신, 그리고 하나의 edX 계정이 제공되며, 태블릿은 수 년을 주기로 교체되지만, 가상머신과 edX 계정은 학습자가 여든이 될 때까지 유지될 것입니다.
22
23	edX	Harvard와 MIT가 공동 개발하고, Berkeley, Yale등이 기능을 추가한 온라인 러닝 플랫폼입니다.
24
25	Google Cloud Platform
26	Google Cloud Platform과 Google Compute Engine(GCE)은 이를테면, 인공지능 학습자의 책상입니다. 일반적인 학습자들은 책상에서 공부하지만, Automatic City의 학습자는 구글 클라우드 위에서 공부합니다.
27
28
29
30
31
32
33
34
35
36
37
38
39
40


1				Starts on 25 February, 2018	Days until Open		#NUM!
2	mini.automatic.city		Robotics Jeju					ML 한국어 강좌
3	아름다운 제주 - 아시아 13개국 AI 전문가들의 요람
4
5	AI 캠퍼스의 프로토타입인 미니캠퍼스를 표선면에 건립합니다. AI 캠퍼스는 하단을 참고하세요.
6	다양한 AI 기술 분야 중에서 어느 한 분야를 준비하는 학습자들의 거주와 학습 공간입니다. 가령, AI 컨테스트의 다양한 항목 중에서 어느 한 항목일 수 있고, 의료 시스템 또는 사법 시스템과 같이 특정한 주제를 공유하는 학습자 그룹일 수 있습니다.
7	학습은 MOOC로, 실습은 지도자와 더불어 진행합니다.
8	한중일을 포함하는 아시아 13개국 학습자들의 공간이므로, 공용 언어는 영어입니다.
9	학습자들이 미니캠퍼스에 체류하는 기간은 단기(3일 내외)와 중기(2개월 내외)이며, 연중 6개월 전후를 캠퍼스 용도로 사용하고, 그 외 기간은 캡슐호텔로 일반인에게 개방됩니다.
10	학습자뿐 아니라, 학부모 등 동행자를 위한 별도의 시설(2인실)을 포함합니다.
11	주소		표선면 표선리 1048-4
12	건축		지상 5층, 건축면적 56 평방미터
13	개요		세미나실 1, AI 실습실 1, 1인실 10, 2인실 10, 도미토리 베드 20
14	세미나실					AI Lab
15
16
17
18
19
20
21	1인실					2인실
22
23
24
25
26
27
28
29	AI 캠퍼스
30	개요	체력(Muscle)만큼이나 지력(Brain)도 중요합니다. 전국에 산재한 체육관과 경기장의 누적 건축 비용의 1,000분의 1이면, 로보틱스 경기장을 겸한 AI 캠퍼스를 건축할 수 있습니다. 세계적 AI 컨테스트와 AI 학습자들의 학습 공간입니다.
31	장소	2014년 폐교된 탐라대학 부지가 우선 후보지입니다.
32	규모	한중일 등 아시아 13개국의 AI 학습자 5,000명.
33	특징	이론 수업은 종래의 흑판 수업을 MOOC 강의로 대체하고, 학사 행정 역시 edX로 수행하므로, 인건 비용이 비슷한 규모의 기존 대학 대비 1/10 이하이며, 학비 역시 비슷한 국내 대학의 1/3 이하입니다.
34		다국적 학습자들 간의 공용 언어는 영어입니다.
35		교내에 설립될 AI 컨테스트 경기장이 실습실을 겸합니다. 상단 메뉴에서 'AI 컨테스트'를 참조하십시오.