Everyone's AI
Machine learningPlayground

Kimpo City · Yonsei University AI·SW Curriculum Contest

Kimpo "Reading Kimpo with AI" Program

Go to Everyone's AI
Platform promoCourse overview
Course Overview

A 16-session AI·SW course built on Kimpo city data

Core platform

모두의 AI (mdooai.com)

Recommended class size

20~30명 권장 (4~5인 1팀, 4~6팀 구성)

Program size

16차시 (1차시 50분 기준)

Local context

경기도 김포시 공공데이터 및 지역 현안 중심 실습

4 Learning Stages

16-session operation roadmap

1단계

기초 이해 단계

1~4차시

AI 개념, 함수·미분·벡터 등 수학 기초를 지역 사례와 연결합니다.

Output: 개념 설명, 수학-AI 연결 발표, 초기 아이디어 도출

2단계

딥러닝 구조화 단계

5~8차시

선형계층, 활성화 함수, 신경망, 역전파를 시각화와 도식 중심으로 익힙니다.

Output: 신경망 도식, 역전파 흐름 정리, 개념 퀴즈

3단계

머신러닝 적용 단계

9~12차시

회귀·분류·앙상블과 모델 평가를 김포 데이터에 직접 적용합니다.

Output: 모델 실습 코드, 성능 비교표, 공정성 토론 결과

4단계

지역 문제 해결 단계

13~16차시

팀별 지역 현안을 데이터 문제로 정의해 정책 제안형 프로젝트로 완성합니다.

Output: 최종 발표 자료, 정책 제안, 상호 평가 결과

Quick Start

Start learning right away

Start basic mathStart basic deep learningStart basic machine learningIntermediate mathIntermediate deep learningIntermediate machine learningAdvanced mathAdvanced deep learningAdvanced machine learning

학생용 수업 진행 루틴

한 차시(50분) 이렇게 진행해요

도입 10분

전 차시 복습 + 오늘 목표 확인

핵심 질문 1개에 답하고, 오늘 사용할 데이터 사례를 미리 봅니다.

전개 30분

개념 학습 + 플랫폼 실습

모두의AI 챕터 학습과 실습 활동을 통해 개념을 직접 적용합니다.

정리 10분

결과 공유 + 다음 차시 연결

오늘 결과를 짧게 발표하고, 캡처/워크시트 등 과제를 제출합니다.

Learning goals

  • 모두의 AI의 기초 수학·기초 딥러닝·기초 머신러닝 챕터를 통해 AI·SW의 핵심 원리를 이해한다.
  • 김포시의 실제 공공데이터를 활용하여 지역 문제를 데이터 기반으로 정의하고 분석한다.
  • 문제 정의 → 데이터 수집 → 모델 적용 → 결과 해석 → 발표의 AI 문제해결 전 과정을 경험한다.
  • 협력, 발표, 비판적 사고 역량을 바탕으로 AI 시대의 능동적 시민으로 성장한다.

Class setup and tools

Materials

  • 노트북 또는 태블릿 (1인 1기기)
  • 모두의 AI 계정 (사전 가입 권장)
  • Google 계정 (Colab 사용)

Platforms

  • 모두의 AI
  • Google Colab
  • 공공데이터포털
  • TensorFlow Playground

Assessment Design

Assessment plan and method

과정 중심 평가: 오답 자체보다 탐색 과정, 토론 참여, 개선 시도를 중심으로 평가합니다.
설명 가능성 평가: 모델 성능 숫자만이 아니라 선택 근거와 결과 해석을 말로 설명할 수 있는지를 봅니다.
윤리·한계 인식 평가: 편향 데이터, 프라이버시, 적용 한계를 발표에 포함하도록 요구합니다.
협력 역량 평가: 팀 내 역할 분담, 피드백 수용, 발표·질의응답 태도를 함께 반영합니다.

16 Sessions

Session-by-session curriculum

SessionTopicSummaryMaterials & toolsLearning targetKimpo connection
1차시

AI란 무엇인가: 개념과 생활 속 사례

오늘의 한 줄 미션: AI·머신러닝·딥러닝 차이를 내 말로 3문장으로 설명해 보기

딥러닝이란?강화학습 에이전트 놀이터
모두의 AI 기초 딥러닝 Ch.00 학습 / AI의 사회적 영향 토론 / 강의 전체 소개 및 팀 구성모두의 AI 플랫폼, 소개 PPT, 팀 구성 워크시트AI의 정의와 학습 원리를 자신의 언어로 설명할 수 있다.김포시 스마트시티 사례(자율주행 셔틀, AI 교통 분석)로 지역 연계 동기를 만든다.
2차시

AI를 위한 수학 기초: 함수·지수·로그

오늘의 한 줄 미션: 함수·지수·로그 중 1개를 골라 김포 데이터 예시로 설명해 보기

함수지수함수로그함수
모두의 AI 기초수학 Ch.01~03 학습 / 함수·지수·로그의 AI 활용 사례 / 연습 문제 풀이 및 즉시 채점모두의 AI 플랫폼, 계산기, 그래프 시각화 툴(Desmos)함수·지수·로그의 개념을 이해하고 AI 손실 함수와의 연결고리를 설명할 수 있다.김포시 인구 성장 데이터로 지수함수 적용 사례를 실습한다.
3차시

미분과 학습의 방향: 경사 하강법의 수학

오늘의 한 줄 미션: 경사 하강법에서 학습률이 너무 클 때 왜 불안정해지는지 말해 보기

미분연쇄 법칙편미분·그라디언트강화학습 에이전트 놀이터
모두의 AI 기초수학 Ch.06~08 학습 / 미분·편미분·그라디언트 개념 / 경사 하강법 시각화모두의 AI 플랫폼, GeoGebra 시각화, 모눈종이미분의 의미를 이해하고 경사 하강법이 AI 학습에서 어떻게 작동하는지 설명할 수 있다.김포시 교통 혼잡 최소화 문제를 '최솟값 찾기'의 직관으로 연결한다.
4차시

벡터와 내적: 데이터의 유사도 측정

오늘의 한 줄 미션: 두 벡터 내적값을 계산하고 유사도가 높은 이유를 설명해 보기

벡터와 벡터공간내적과 정사영벡터 내적어텐션 놀이터
모두의 AI 중급수학 Ch.01~02 / 기초 딥러닝 Ch.01 학습 / 벡터 내적 연습 / 유사도 계산 실습모두의 AI 플랫폼, 내적 계산 워크시트, Python(Google Colab)벡터 내적을 계산하고 데이터 간 유사도를 수치화할 수 있다.김포시 주요 지점(학교, 병원, 마트) 위치 벡터로 거리 유사도를 계산한다.
5차시

행렬과 선형 계층: 한꺼번에 계산하는 힘

오늘의 한 줄 미션: 행렬 곱셈 결과가 선형 계층 출력과 어떻게 연결되는지 정리해 보기

행렬 곱셈선형 계층행렬과 데이터선형 변환
모두의 AI 기초 딥러닝 Ch.02~03 / 중급수학 Ch.03~04 학습 / 행렬 곱셈 연습 / 선형 계층 개념모두의 AI 플랫폼, 행렬 곱셈 워크시트, Python NumPy 실습행렬 곱셈을 수행하고 신경망 선형 계층의 역할을 설명할 수 있다.김포시 공공 시설 이용률 데이터를 행렬로 표현하는 실습으로 연결한다.
6차시

뉴런과 활성화 함수: AI에 판단력을 더하다

오늘의 한 줄 미션: 활성화 함수 2개를 비교하고 언제 쓰면 좋은지 말해 보기

활성화 함수인공 뉴런신경망 놀이터
모두의 AI 기초 딥러닝 Ch.04~05 학습 / ReLU·시그모이드·소프트맥스 비교 / 인공 뉴런 구조 이해모두의 AI 플랫폼, 활성화 함수 그래프 출력물, TensorFlow Playground주요 활성화 함수의 특성을 이해하고 인공 뉴런의 동작 과정을 설명할 수 있다.김포시 미세먼지 농도 임계값 판단(위험/보통/좋음)을 활성화 함수로 비유 설명한다.
7차시

신경망 구조: 은닉층과 깊이

오늘의 한 줄 미션: 은닉층 깊이·너비가 성능에 미치는 영향을 도식으로 표현해 보기

배치 처리가중치 연결은닉층깊은 신경망너비와 뉴런 수소프트맥스신경망 놀이터합성곱 비전 놀이터
모두의 AI 기초 딥러닝 Ch.06~11 학습 / 배치 처리·은닉층·깊은 신경망·소프트맥스 학습 / 신경망 도식 완성모두의 AI 플랫폼, Teachable Machine신경망의 깊이와 너비가 학습 능력에 미치는 영향을 설명하고 전체 구조를 도식화할 수 있다.김포시 교통 CCTV 이미지 분류 사례를 신경망 구조와 연결한다.
8차시

역전파와 학습: 실수에서 배우는 AI

오늘의 한 줄 미션: 역전파 흐름을 손실 → 기울기 → 업데이트 순서로 설명해 보기

기울기·역전파딥러닝 전체 요약신경망 놀이터강화학습 에이전트 놀이터
모두의 AI 기초 딥러닝 Ch.12~13 학습 / 역전파 개념 및 연쇄 법칙 복습 / 기초 딥러닝 총정리모두의 AI 플랫폼, 역전파 흐름도 출력물, 퀴즈 시트역전파의 원리를 이해하고 경사 하강법과의 관계를 설명할 수 있다.AI가 김포시 데이터를 학습하는 전체 과정을 한 번에 복습한다.
9차시

머신러닝 입문: 데이터와 지도학습

오늘의 한 줄 미션: 결측치 처리 전·후 데이터를 비교하고 변화 이유를 기록해 보기

데이터와 특성결측치 처리학습 유형 구분강화학습 에이전트 놀이터
모두의 AI 기초 머신러닝 Ch.00~02 학습 / 데이터·특성 개념 / 지도·비지도·자기지도학습 구분 / 결측치 처리 실습모두의 AI 플랫폼, 김포시 공공데이터(CSV), Python pandas 실습머신러닝의 종류를 구분하고 실제 데이터의 결측치를 처리하는 방법을 적용할 수 있다.김포시 버스 이용객 수와 인구통계 데이터의 결측치를 직접 다뤄 본다.
10차시

회귀 분석: 데이터의 흐름을 예측하다

오늘의 한 줄 미션: 회귀 예측 결과를 보고 오차가 큰 구간의 원인을 찾아보기

선형 회귀손실 함수(MSE)강화학습 에이전트 놀이터
모두의 AI 기초 머신러닝 Ch.04~05 학습 / 선형 회귀 원리 / 손실 함수(MSE) 개념 / Python 실습모두의 AI 플랫폼, Python scikit-learn, 김포시 인구·부동산 데이터(CSV)선형 회귀 모델을 이해하고 김포시 실제 데이터에 적용하여 예측값을 도출할 수 있다.한강신도시 인구 증가 추이 데이터를 바탕으로 미래 인구를 예측한다.
11차시

분류 모델: 예/아니오를 판단하는 AI

오늘의 한 줄 미션: 분류 결과에서 오분류 사례 1개를 찾아 개선 아이디어 제시하기

로지스틱 회귀의사결정나무신경망 놀이터
모두의 AI 기초 머신러닝 Ch.06~07 학습 / 로지스틱 회귀·의사결정나무 학습 / Python 분류 실습모두의 AI 플랫폼, Python scikit-learn, 김포시 환경 데이터분류 모델의 원리를 이해하고 의사결정나무를 구현하여 결과를 해석할 수 있다.김포시 미세먼지 농도 데이터로 위험 등급 분류 모델을 구축한다.
12차시

앙상블과 모델 평가: 더 똑똑하게, 더 공정하게

오늘의 한 줄 미션: 모델별 성능표를 보고 어떤 모델을 선택할지 근거와 함께 발표하기

앙상블교차 검증평가 지표강화학습 에이전트 놀이터
모두의 AI 기초 머신러닝 Ch.09·11~12 학습 / 랜덤 포레스트·교차 검증·혼동 행렬 / 모델 비교 실습모두의 AI 플랫폼, Python scikit-learn, 평가 지표 비교 워크시트앙상블 모델의 장점을 설명하고 교차 검증·혼동 행렬을 활용해 모델 성능을 평가할 수 있다.김포시 복지 서비스 수요 예측 모델에 교차 검증을 적용하고 공정성 이슈를 토론한다.
13차시

팀 프로젝트 기획: 김포시 문제를 AI로 해결하자

오늘의 한 줄 미션: 우리 팀이 해결할 김포 현안을 데이터 문제로 한 문장으로 정의하기

프로젝트 차시(챕터 연계 없음)
김포시 현안 선정 / 문제 정의 및 가설 수립 / 데이터 수집 계획 / 분석 방법 설계김포시 공공데이터포털, data.go.kr, 프로젝트 기획서 양식지역 현안을 데이터 문제로 변환하고 분석 계획을 수립할 수 있다.GTX-D, 한강신도시 환경, 지역 상권 분석 등 실제 김포 현안을 팀별로 선택한다.
14차시

팀 프로젝트 실습 1: 데이터 수집·전처리·분석

오늘의 한 줄 미션: 수집한 데이터에서 핵심 변수 3개를 정하고 전처리 이유 설명하기

프로젝트 차시(챕터 연계 없음)
공공데이터 수집 및 정제 / EDA / 시각화 / 모델 적용 1단계Python(Colab), pandas, matplotlib, seaborn, 김포시 공공데이터수집한 데이터를 전처리하고 시각화하여 인사이트를 도출할 수 있다.인구, 버스 노선 이용률, 대기질, 상권 매출 등 팀별 실제 김포 데이터를 사용한다.
15차시

팀 프로젝트 실습 2: 모델 완성 및 결과 해석

오늘의 한 줄 미션: 모델 결과를 바탕으로 실행 가능한 정책 제안 1개 만들기

프로젝트 차시(챕터 연계 없음)
머신러닝 모델 최종 적용 / 결과 해석 및 시각화 / 정책 제안 도출 / 발표 자료 제작Python(Colab), Google 슬라이드, 발표 자료 템플릿분석 결과를 근거로 지역 문제에 대한 AI 기반 해결방안을 제시할 수 있다.버스 노선 최적화, 미세먼지 경보 시스템 등 김포에 실제 제안 가능한 정책 아이디어를 만든다.
16차시

최종 발표 및 피드백: AI로 바꾸는 김포

오늘의 한 줄 미션: 최종 발표에서 문제 정의-분석-결론을 3분 안에 명확히 전달하기

프로젝트 차시(챕터 연계 없음)
팀별 10분 발표 / 질의응답 / 상호 평가 / 전체 수업 총정리 및 성장 돌아보기발표용 PC, 빔 프로젝터, 상호 평가지, 수료 증명서(모두의 AI)AI 프로젝트 전 과정을 경험하고 결과를 논리적으로 발표하며 타 팀 발표를 비판적으로 평가할 수 있다.최종 발표 주제를 모두 김포시 실제 현안과 연계하고, 우수 아이디어는 정책 건의 형태로 정리한다.
1차시Basic deep learning

AI란 무엇인가: 개념과 생활 속 사례

오늘의 한 줄 미션: AI·머신러닝·딥러닝 차이를 내 말로 3문장으로 설명해 보기

딥러닝이란?강화학습 에이전트 놀이터
Summary
모두의 AI 기초 딥러닝 Ch.00 학습 / AI의 사회적 영향 토론 / 강의 전체 소개 및 팀 구성
Materials & tools
모두의 AI 플랫폼, 소개 PPT, 팀 구성 워크시트
Learning target
AI의 정의와 학습 원리를 자신의 언어로 설명할 수 있다.
Kimpo connection
김포시 스마트시티 사례(자율주행 셔틀, AI 교통 분석)로 지역 연계 동기를 만든다.
2차시Basic math

AI를 위한 수학 기초: 함수·지수·로그

오늘의 한 줄 미션: 함수·지수·로그 중 1개를 골라 김포 데이터 예시로 설명해 보기

함수지수함수로그함수
Summary
모두의 AI 기초수학 Ch.01~03 학습 / 함수·지수·로그의 AI 활용 사례 / 연습 문제 풀이 및 즉시 채점
Materials & tools
모두의 AI 플랫폼, 계산기, 그래프 시각화 툴(Desmos)
Learning target
함수·지수·로그의 개념을 이해하고 AI 손실 함수와의 연결고리를 설명할 수 있다.
Kimpo connection
김포시 인구 성장 데이터로 지수함수 적용 사례를 실습한다.
3차시Basic math

미분과 학습의 방향: 경사 하강법의 수학

오늘의 한 줄 미션: 경사 하강법에서 학습률이 너무 클 때 왜 불안정해지는지 말해 보기

미분연쇄 법칙편미분·그라디언트강화학습 에이전트 놀이터
Summary
모두의 AI 기초수학 Ch.06~08 학습 / 미분·편미분·그라디언트 개념 / 경사 하강법 시각화
Materials & tools
모두의 AI 플랫폼, GeoGebra 시각화, 모눈종이
Learning target
미분의 의미를 이해하고 경사 하강법이 AI 학습에서 어떻게 작동하는지 설명할 수 있다.
Kimpo connection
김포시 교통 혼잡 최소화 문제를 '최솟값 찾기'의 직관으로 연결한다.
4차시Basic math

벡터와 내적: 데이터의 유사도 측정

오늘의 한 줄 미션: 두 벡터 내적값을 계산하고 유사도가 높은 이유를 설명해 보기

벡터와 벡터공간내적과 정사영벡터 내적어텐션 놀이터
Summary
모두의 AI 중급수학 Ch.01~02 / 기초 딥러닝 Ch.01 학습 / 벡터 내적 연습 / 유사도 계산 실습
Materials & tools
모두의 AI 플랫폼, 내적 계산 워크시트, Python(Google Colab)
Learning target
벡터 내적을 계산하고 데이터 간 유사도를 수치화할 수 있다.
Kimpo connection
김포시 주요 지점(학교, 병원, 마트) 위치 벡터로 거리 유사도를 계산한다.
5차시Basic deep learning

행렬과 선형 계층: 한꺼번에 계산하는 힘

오늘의 한 줄 미션: 행렬 곱셈 결과가 선형 계층 출력과 어떻게 연결되는지 정리해 보기

행렬 곱셈선형 계층행렬과 데이터선형 변환
Summary
모두의 AI 기초 딥러닝 Ch.02~03 / 중급수학 Ch.03~04 학습 / 행렬 곱셈 연습 / 선형 계층 개념
Materials & tools
모두의 AI 플랫폼, 행렬 곱셈 워크시트, Python NumPy 실습
Learning target
행렬 곱셈을 수행하고 신경망 선형 계층의 역할을 설명할 수 있다.
Kimpo connection
김포시 공공 시설 이용률 데이터를 행렬로 표현하는 실습으로 연결한다.
6차시Basic deep learning

뉴런과 활성화 함수: AI에 판단력을 더하다

오늘의 한 줄 미션: 활성화 함수 2개를 비교하고 언제 쓰면 좋은지 말해 보기

활성화 함수인공 뉴런신경망 놀이터
Summary
모두의 AI 기초 딥러닝 Ch.04~05 학습 / ReLU·시그모이드·소프트맥스 비교 / 인공 뉴런 구조 이해
Materials & tools
모두의 AI 플랫폼, 활성화 함수 그래프 출력물, TensorFlow Playground
Learning target
주요 활성화 함수의 특성을 이해하고 인공 뉴런의 동작 과정을 설명할 수 있다.
Kimpo connection
김포시 미세먼지 농도 임계값 판단(위험/보통/좋음)을 활성화 함수로 비유 설명한다.
7차시Basic deep learning

신경망 구조: 은닉층과 깊이

오늘의 한 줄 미션: 은닉층 깊이·너비가 성능에 미치는 영향을 도식으로 표현해 보기

배치 처리가중치 연결은닉층깊은 신경망너비와 뉴런 수소프트맥스신경망 놀이터합성곱 비전 놀이터
Summary
모두의 AI 기초 딥러닝 Ch.06~11 학습 / 배치 처리·은닉층·깊은 신경망·소프트맥스 학습 / 신경망 도식 완성
Materials & tools
모두의 AI 플랫폼, Teachable Machine
Learning target
신경망의 깊이와 너비가 학습 능력에 미치는 영향을 설명하고 전체 구조를 도식화할 수 있다.
Kimpo connection
김포시 교통 CCTV 이미지 분류 사례를 신경망 구조와 연결한다.
8차시Basic deep learning

역전파와 학습: 실수에서 배우는 AI

오늘의 한 줄 미션: 역전파 흐름을 손실 → 기울기 → 업데이트 순서로 설명해 보기

기울기·역전파딥러닝 전체 요약신경망 놀이터강화학습 에이전트 놀이터
Summary
모두의 AI 기초 딥러닝 Ch.12~13 학습 / 역전파 개념 및 연쇄 법칙 복습 / 기초 딥러닝 총정리
Materials & tools
모두의 AI 플랫폼, 역전파 흐름도 출력물, 퀴즈 시트
Learning target
역전파의 원리를 이해하고 경사 하강법과의 관계를 설명할 수 있다.
Kimpo connection
AI가 김포시 데이터를 학습하는 전체 과정을 한 번에 복습한다.
9차시Basic machine learning

머신러닝 입문: 데이터와 지도학습

오늘의 한 줄 미션: 결측치 처리 전·후 데이터를 비교하고 변화 이유를 기록해 보기

데이터와 특성결측치 처리학습 유형 구분강화학습 에이전트 놀이터
Summary
모두의 AI 기초 머신러닝 Ch.00~02 학습 / 데이터·특성 개념 / 지도·비지도·자기지도학습 구분 / 결측치 처리 실습
Materials & tools
모두의 AI 플랫폼, 김포시 공공데이터(CSV), Python pandas 실습
Learning target
머신러닝의 종류를 구분하고 실제 데이터의 결측치를 처리하는 방법을 적용할 수 있다.
Kimpo connection
김포시 버스 이용객 수와 인구통계 데이터의 결측치를 직접 다뤄 본다.
10차시Basic machine learning

회귀 분석: 데이터의 흐름을 예측하다

오늘의 한 줄 미션: 회귀 예측 결과를 보고 오차가 큰 구간의 원인을 찾아보기

선형 회귀손실 함수(MSE)강화학습 에이전트 놀이터
Summary
모두의 AI 기초 머신러닝 Ch.04~05 학습 / 선형 회귀 원리 / 손실 함수(MSE) 개념 / Python 실습
Materials & tools
모두의 AI 플랫폼, Python scikit-learn, 김포시 인구·부동산 데이터(CSV)
Learning target
선형 회귀 모델을 이해하고 김포시 실제 데이터에 적용하여 예측값을 도출할 수 있다.
Kimpo connection
한강신도시 인구 증가 추이 데이터를 바탕으로 미래 인구를 예측한다.
11차시Basic machine learning

분류 모델: 예/아니오를 판단하는 AI

오늘의 한 줄 미션: 분류 결과에서 오분류 사례 1개를 찾아 개선 아이디어 제시하기

로지스틱 회귀의사결정나무신경망 놀이터
Summary
모두의 AI 기초 머신러닝 Ch.06~07 학습 / 로지스틱 회귀·의사결정나무 학습 / Python 분류 실습
Materials & tools
모두의 AI 플랫폼, Python scikit-learn, 김포시 환경 데이터
Learning target
분류 모델의 원리를 이해하고 의사결정나무를 구현하여 결과를 해석할 수 있다.
Kimpo connection
김포시 미세먼지 농도 데이터로 위험 등급 분류 모델을 구축한다.
12차시Basic machine learning

앙상블과 모델 평가: 더 똑똑하게, 더 공정하게

오늘의 한 줄 미션: 모델별 성능표를 보고 어떤 모델을 선택할지 근거와 함께 발표하기

앙상블교차 검증평가 지표강화학습 에이전트 놀이터
Summary
모두의 AI 기초 머신러닝 Ch.09·11~12 학습 / 랜덤 포레스트·교차 검증·혼동 행렬 / 모델 비교 실습
Materials & tools
모두의 AI 플랫폼, Python scikit-learn, 평가 지표 비교 워크시트
Learning target
앙상블 모델의 장점을 설명하고 교차 검증·혼동 행렬을 활용해 모델 성능을 평가할 수 있다.
Kimpo connection
김포시 복지 서비스 수요 예측 모델에 교차 검증을 적용하고 공정성 이슈를 토론한다.
13차시Project

팀 프로젝트 기획: 김포시 문제를 AI로 해결하자

오늘의 한 줄 미션: 우리 팀이 해결할 김포 현안을 데이터 문제로 한 문장으로 정의하기

프로젝트 차시(챕터 연계 없음)
Summary
김포시 현안 선정 / 문제 정의 및 가설 수립 / 데이터 수집 계획 / 분석 방법 설계
Materials & tools
김포시 공공데이터포털, data.go.kr, 프로젝트 기획서 양식
Learning target
지역 현안을 데이터 문제로 변환하고 분석 계획을 수립할 수 있다.
Kimpo connection
GTX-D, 한강신도시 환경, 지역 상권 분석 등 실제 김포 현안을 팀별로 선택한다.
14차시Project

팀 프로젝트 실습 1: 데이터 수집·전처리·분석

오늘의 한 줄 미션: 수집한 데이터에서 핵심 변수 3개를 정하고 전처리 이유 설명하기

프로젝트 차시(챕터 연계 없음)
Summary
공공데이터 수집 및 정제 / EDA / 시각화 / 모델 적용 1단계
Materials & tools
Python(Colab), pandas, matplotlib, seaborn, 김포시 공공데이터
Learning target
수집한 데이터를 전처리하고 시각화하여 인사이트를 도출할 수 있다.
Kimpo connection
인구, 버스 노선 이용률, 대기질, 상권 매출 등 팀별 실제 김포 데이터를 사용한다.
15차시Project

팀 프로젝트 실습 2: 모델 완성 및 결과 해석

오늘의 한 줄 미션: 모델 결과를 바탕으로 실행 가능한 정책 제안 1개 만들기

프로젝트 차시(챕터 연계 없음)
Summary
머신러닝 모델 최종 적용 / 결과 해석 및 시각화 / 정책 제안 도출 / 발표 자료 제작
Materials & tools
Python(Colab), Google 슬라이드, 발표 자료 템플릿
Learning target
분석 결과를 근거로 지역 문제에 대한 AI 기반 해결방안을 제시할 수 있다.
Kimpo connection
버스 노선 최적화, 미세먼지 경보 시스템 등 김포에 실제 제안 가능한 정책 아이디어를 만든다.
16차시Project

최종 발표 및 피드백: AI로 바꾸는 김포

오늘의 한 줄 미션: 최종 발표에서 문제 정의-분석-결론을 3분 안에 명확히 전달하기

프로젝트 차시(챕터 연계 없음)
Summary
팀별 10분 발표 / 질의응답 / 상호 평가 / 전체 수업 총정리 및 성장 돌아보기
Materials & tools
발표용 PC, 빔 프로젝터, 상호 평가지, 수료 증명서(모두의 AI)
Learning target
AI 프로젝트 전 과정을 경험하고 결과를 논리적으로 발표하며 타 팀 발표를 비판적으로 평가할 수 있다.
Kimpo connection
최종 발표 주제를 모두 김포시 실제 현안과 연계하고, 우수 아이디어는 정책 건의 형태로 정리한다.

Kimpo Issues

How the course connects to local Kimpo issues

AreaDetailDataset sourceLinked sessions
인구·도시성장한강신도시 개발 이후 급격한 인구 유입으로 2024년 기준 약 50만 명 도시로 성장김포시 통계연보, 행정안전부 주민등록 인구통계2, 10, 13, 14차시
교통GTX-D 노선 수요 분석, 버스 이용 혼잡도, 김포골드라인 혼잡 문제국토교통부 대중교통 현황, 김포시 교통 DB, 카드 데이터(공공데이터포털)3, 7, 13~16차시
환경·대기질인천·서울 인접 지역 특성상 미세먼지에 취약하고, 신도시 개발에 따른 환경 변화가 진행 중환경부 대기환경 정보6, 11, 13~16차시
상권·경제신도시 상권 성장과 구도심 상권 쇠퇴가 공존하여 지역 소상공인 지원이 필요한 상황소상공인진흥공단 상권정보, 공공데이터포털 카드 매출 데이터13~16차시
청소년·교육청소년 방과후 활동 공간 부족과 AI·SW 교육 인프라 확충 필요성김포시 청소년 통계, 교육부 학교 현황 데이터1, 13, 16차시

인구·도시성장

한강신도시 개발 이후 급격한 인구 유입으로 2024년 기준 약 50만 명 도시로 성장

Dataset source

김포시 통계연보, 행정안전부 주민등록 인구통계

Linked sessions

2, 10, 13, 14차시

교통

GTX-D 노선 수요 분석, 버스 이용 혼잡도, 김포골드라인 혼잡 문제

Dataset source

국토교통부 대중교통 현황, 김포시 교통 DB, 카드 데이터(공공데이터포털)

Linked sessions

3, 7, 13~16차시

환경·대기질

인천·서울 인접 지역 특성상 미세먼지에 취약하고, 신도시 개발에 따른 환경 변화가 진행 중

Dataset source

환경부 대기환경 정보

Linked sessions

6, 11, 13~16차시

상권·경제

신도시 상권 성장과 구도심 상권 쇠퇴가 공존하여 지역 소상공인 지원이 필요한 상황

Dataset source

소상공인진흥공단 상권정보, 공공데이터포털 카드 매출 데이터

Linked sessions

13~16차시

청소년·교육

청소년 방과후 활동 공간 부족과 AI·SW 교육 인프라 확충 필요성

Dataset source

김포시 청소년 통계, 교육부 학교 현황 데이터

Linked sessions

1, 13, 16차시

Expected outputs and outcomes

학생이 AI·머신러닝·딥러닝의 관계를 설명하고 기본 수학 개념을 실제 문제와 연결할 수 있습니다.
김포시 데이터로 회귀·분류·앙상블 모델을 적용하고 결과를 해석하는 경험을 얻게 됩니다.
팀 프로젝트를 통해 지역 문제를 데이터 문제로 바꾸는 사고력과 협업 역량을 기르게 됩니다.
최종 발표에서 정책 제안, 한계 분석, AI 윤리 고려까지 포함한 완성형 결과물을 만들 수 있습니다.
Back to platform promoOpen Everyone's AI