- 인공지능 기본 용어와 인간 지능의 차이
- 역사 및 5대 주요 이정표
- AI 유형(좁은 AI vs 범용 AI) 및 활용 사례
- AI의 사회/경제/환경적 영향 및 윤리 원칙
- AI의 환경 영향 및 지속가능성 전략
윤리적·법적 고려사항
- 인공지능의 윤리적 우려 사항
- 윤리적 AI 개발을 위한 지침 원칙의 중요성
- AI 프로젝트의 윤리적 문제 해결 전략
- 인공지능 규제의 역할
- 인공지능에서의 위험 관리 프로세스
AI 구현 기술
- 인공지능의 일반적인 활용 사례
- 로보틱스에서의 AI 역할
- 머신러닝 일반 개념
- 머신러닝 적용 개념
- 지도학습과 비지도학습
AI를 위한 데이터 발굴 및 활용
- 핵심 데이터 용어
- 데이터 품질의 특성과 AI에서의 중요성
- 인공지능에서 데이터 처리 관련 위험 및 최소화 방법
- 빅데이터의 목적과 활용
- 데이터 시각화 기법 및 도구
- 생성형 인공지능의 핵심 용어
- 생성형 인공지능과 대규모 언어모델(LLM)의 목적 및 활용
- 머신러닝 과정에서의 데이터 활용 방식
조직 내 AI 활용
- 조직 내 인공지능 활용 기회 파악
- 비즈니스 케이스의 구성 요소와 구조
- AI 프로젝트 관련 이해관계자 식별 및 분류
- 프로젝트 관리 방식
- AI 솔루션의 위험, 비용, 이점 식별
- AI 도입 시 필요한 지속적 거버넌스 활동
미래 계획 및 영향 - 인간과 기계의 협업
- AI 관련 역할 및 진로 기회
- 실무에서의 AI 활용
- AI가 사회와 미래에 미치는 영향
- 의식이 윤리적 AI에 미치는 영향