171 AI_자격증_기초반
AI 자격증 기초반은 비전공자가 AICE·생성형AI·데이터 기초 자격 과정에 진입하기 전, AI 개념·도구·기초 실습·시험형 사고를 체계화하는 입문 과정이다.
0. 교육을 하는 이유와 궁극적인 목표
AI 자격증 기초반의 궁극적 목표는 단순 용어 암기가 아니라 AI 자격시험에서 반복적으로 요구되는 데이터, 모델, 생성형 AI, 윤리, 도구 활용의 기본 구조를 이해하고 이후 AICE·ADsP·AI 활용능력 평가 과정으로 진입할 수 있는 학습 기반을 만드는 것이다.
참고한 유료형 교육 흐름
- The Knowledge Academy·DataCamp형 AI Fundamentals 과정처럼 AI 개념, 머신러닝, 생성형 AI, 실제 적용 사례를 입문자 눈높이에서 단계화하는 흐름
- Databricks Generative AI Fundamentals형 기업 교육처럼 LLM 개념, 조직 적용, 위험 요소, 도입 체크리스트를 함께 다루는 흐름
- 국내 AICE Basic 대비 민간 교재·강좌처럼 AIDU 실습, 분류·회귀 기초, 모의문항 풀이를 시험형으로 연결하는 흐름
- 민간 온라인 자격증 대비반처럼 짧은 이론 학습 후 퀴즈, 실습, 오답노트, 개인 학습 로드맵을 산출하는 흐름
입문 · 1일
AI 자격시험 공통 개념 정리 과정
AI·데이터·모델·생성형 AI의 시험 공통 개념을 정리한다.



| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | AI 핵심 용어를 구분한다 | 인공지능, 머신러닝, 딥러닝, 생성형 AI, LLM, 프롬프트, 데이터셋, 학습·추론의 차이를 사례별로 정리한다. 용어카드를 만들어 같은 단어를 시험형 정의, 실무 예시, 오답 유도 표현으로 나누어 비교한다. |
| 목표 2 | 데이터 흐름을 이해한다 | 수집, 정제, 라벨링, 분할, 학습, 평가, 배포의 순서를 도식화한다. CSV 샘플을 열어 행, 열, 결측치, 이상치, 타깃값, 특성값을 직접 표시한다. |
| 목표 3 | 기초 문항을 풀이한다 | AI 개념형 객관식, 사례 판단형, 도구 사용형 문항을 유형별로 풀어본다. 오답을 개념 부족, 용어 혼동, 문제 해석 오류, 계산 실수로 분류해 개인 보완표를 만든다. |
| 사용 플랫폼 | ChatGPT, Claude, Google Sheets, Kaggle Learn, DataCamp 개념자료, AIDU 기초 화면 |
|---|---|
| 강사 스펙 | AI 리터러시, 데이터 기초, 자격시험 문제풀이 지도 경험 3년 이상 |
| 수업대상 | 비전공자, 고등학생, 대학생, 신입사원, 직무전환 희망자 |
| 소요시간 | 6-8시간 |
| 준비물 | 노트북, 구글 계정, 기초 용어집, 샘플 CSV, 필기용 오답노트 |
| 산출물 | AI 자격 기초 용어맵, 데이터 흐름도, 1차 오답노트 |
| 평가방법 | 개념정확도 35%, 데이터이해 25%, 문제풀이 25%, 참여 15% |
초급 · 3일
AI 도구 활용·기초 실습 과정
시험에 필요한 AI 도구와 데이터 실습 환경을 익힌다.



| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 생성형 AI 활용 기준을 익힌다 | 프롬프트 작성, 결과 검토, 환각 확인, 개인정보 제외, 출처 확인의 기본 원칙을 실습한다. 같은 질문을 ChatGPT와 Claude에 입력하고 답변 품질, 근거, 누락 항목을 비교표로 정리한다. |
| 목표 2 | 데이터 분석 기초를 수행한다 | 스프레드시트에서 정렬, 필터, 피벗, 기본 통계, 시각화 차트를 만든다. 시험형 데이터셋으로 평균, 중앙값, 빈도, 결측치 개수를 구하고 해석 문장을 작성한다. |
| 목표 3 | 기초 모델 개념을 실습한다 | 분류와 회귀의 차이를 예측 문제로 구분하고 입력값과 결과값을 연결한다. Teachable Machine 또는 Orange로 간단한 분류 모델을 만들고 정확도 의미를 설명한다. |
| 사용 플랫폼 | ChatGPT, Claude, Google Sheets, Excel, Teachable Machine, Orange, AIDU 기초 실습환경 |
|---|---|
| 강사 스펙 | 생성형 AI 활용, 스프레드시트 데이터 분석, 기초 ML 실습 지도 가능자 |
| 수업대상 | AI 자격증 입문 학습자, 비전공 직장인, 중고등 심화반 |
| 소요시간 | 18-24시간 |
| 준비물 | 노트북, 구글/마이크로소프트 계정, 샘플 데이터셋, 브라우저, 이어폰 |
| 산출물 | AI 도구 활용 체크리스트, 데이터 분석 실습파일, 기초 모델 실습결과 |
| 평가방법 | 도구활용 30%, 데이터실습 30%, 모델이해 25%, 실습태도 15% |
중급 · 4주
AI 자격증 기초 모의평가 과정
자격시험 전 단계의 통합 모의평가를 수행한다.


| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 시험 범위별 약점을 진단한다 | AI 개념, 데이터 이해, 모델 이해, 생성형 AI 활용, 윤리 문항을 영역별로 풀어 점수를 분석한다. 개인별 약점 영역을 색상으로 표시하고 2주 보완 학습계획을 만든다. |
| 목표 2 | 사례형 문제를 해석한다 | 기업 업무, 교육, 마케팅, 고객상담, 제조 데이터 사례에서 적절한 AI 적용 방식을 고른다. 잘못된 AI 적용 사례를 제시하고 왜 부적절한지 비용, 데이터, 윤리 관점으로 토론한다. |
| 목표 3 | 개인 학습 포트폴리오를 만든다 | 학습한 개념, 실습 스크린샷, 오답노트, 개선계획을 하나의 문서로 정리한다. Notion 또는 Google Docs에 시험 준비 로그를 만들고 강사 피드백을 반영해 수정한다. |
| 사용 플랫폼 | Notion, Google Docs, Google Forms, Quizizz, ChatGPT, Excel, AIDU Basic 자료 |
|---|---|
| 강사 스펙 | 자격시험 코칭, 평가문항 설계, AI 윤리·데이터 기초 지도 경험 4년 이상 |
| 수업대상 | AICE Basic 전 단계 학습자, AI 입문 인증 준비생, 학교 방과후 심화반 |
| 소요시간 | 40-50시간 |
| 준비물 | 영역별 모의문항, 개인 노트북, 실습 캡처 자료, Notion 계정 |
| 산출물 | 영역별 진단표, 보완계획, AI 자격 기초 포트폴리오 |
| 평가방법 | 모의평가 35%, 사례해석 25%, 포트폴리오 25%, 피드백반영 15% |
심화 · 6주
AI 자격증 진입 브릿지 과정
AICE·ADsP·AI 활용능력 평가로 넘어가는 개인별 진입 경로를 완성한다.

| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 자격증별 진입 전략을 세운다 | AICE, ADsP, AI 활용능력 평가, 생성형 AI 민간인증의 요구 역량과 준비기간을 비교한다. 본인의 직무, 수학 수준, 코딩 경험, 취업 목표에 맞는 1순위 시험을 선택한다. |
| 목표 2 | 학습 루틴을 설계한다 | 이론, 실습, 문항풀이, 오답정리, 모의고사, 최종점검의 주간 루틴을 만든다. 캘린더에 매주 학습량을 배치하고 실제 학습 후 완료율과 약점 변화를 기록한다. |
| 목표 3 | 최종 브릿지 발표를 수행한다 | 선택 자격증, 준비 이유, 현재 수준, 학습 계획, 실습 결과를 5분 발표로 제시한다. 동료와 강사가 예상 리스크를 질문하고 응시 전 보완 과제를 확정한다. |
| 사용 플랫폼 | Notion Calendar, Google Calendar, ChatGPT, Perplexity, Excel, PowerPoint, Canva |
|---|---|
| 강사 스펙 | AI 자격 로드맵 상담, 학습코칭, 시험대비반 운영 경험 4년 이상 |
| 수업대상 | 자격 취득 목표가 있으나 시험 선택이 필요한 학습자 |
| 소요시간 | 60-72시간 |
| 준비물 | 자격증 안내자료, 개인 이력, 학습 가능 시간표, 발표 템플릿 |
| 산출물 | 개인 자격증 진입 로드맵, 학습 캘린더, 브릿지 발표자료 |
| 평가방법 | 로드맵현실성 30%, 학습계획 25%, 발표 25%, 자기진단 20% |