01

사전 진단과 목표 확인

AI 개념 이해, 데이터·도구 경험, 업무 역할, 목표 결과를 확인해 과정과 난이도를 정합니다.
Gate output학습자 프로필 · 권장 과정
02

핵심 개념과 기준 학습

과정별 필수 이론을 사례와 함께 익히고 정확성, 보안, 윤리와 평가 기준을 먼저 공유합니다.
Gate output개념 점검 · 학습 기준표
03

단계별 실습과 피드백

작은 과제를 반복 수행하며 결과, 근거, 오류를 기록하고 루브릭에 따라 개선 피드백을 받습니다.
Gate output모듈 과제 · 피드백 기록
04

프로젝트 또는 모의평가

기초는 업무 미니 프로젝트, 전문가는 캡스톤, 자격증 과정은 시간 제한 모의평가로 역량을 확인합니다.
Gate output프로젝트 · 모의평가 결과
05

수료 평가와 다음 경로

출석, 과제, 평가 결과를 종합하고 보완할 역량과 다음 과정 또는 현업 적용 계획을 정리합니다.
Gate output수료 결과표 · 후속 학습안

Detailed curriculum

세 과정의 교과목과 평가 기준을 확인하세요.

각 과정은 목표 역량에서 출발해 모듈, 실습, 평가, 수료 결과가 연결되도록 설계합니다. 아래 시간과 비중은 표준 운영안이며 모집 대상과 방식에 따라 조정될 수 있습니다.

Foundation course

AI 기초과정

AI를 처음 접하는 학습자가 핵심 개념과 한계를 이해하고, 자신의 업무에서 안전하게 사용할 수 있는 작은 적용안을 완성하는 입문 과정입니다.

추천 대상: 비전공자, 기업 재직자, 공공·기관 실무자
난이도: 입문 · Level 1
권장 시간: 16시간 · 6개 모듈
운영 방식: 이론 35% · 실습 50% · 평가 15%

Entry guide

참여 전 확인

선수지식은 필요하지 않습니다. 개인 노트북과 웹 브라우저 사용이 가능하면 참여할 수 있습니다.

Learning outcomes

과정 수료 후 할 수 있는 일

AI, 머신러닝, 생성형 AI의 관계와 잘하는 일·어려운 일을 설명할 수 있습니다.
출처 확인, 개인정보 보호, 보안과 저작권 기준을 적용해 AI 결과를 검토할 수 있습니다.
자신의 업무 한 가지를 선택해 프롬프트, 검증 절차, 사용 기준이 포함된 미니 프로젝트를 완성합니다.

Course modules

6개 학습 모듈

01 2시간

AI와 업무 변화 이해

AI·머신러닝·생성형 AI의 관계, 주요 활용 유형, 자동화와 보조의 차이

Hands-on 내 업무를 AI가 잘하는 일과 사람의 판단이 필요한 일로 구분
02 2시간

데이터와 모델의 기본

학습 데이터, 입력과 출력, 정확도, 편향, 일반화와 한계

Hands-on 데이터 품질에 따라 결과가 달라지는 사례 비교
03 3시간

생성형 AI 요청 설계

목적·맥락·제약·출력 형식·예시를 활용한 요청 구조

Hands-on 동일 업무를 세 번 개선하며 요청과 결과의 변화 기록
04 3시간

검증·보안·윤리 기준

환각과 근거 확인, 개인정보·영업비밀, 저작권, 편향, 책임 범위

Hands-on 업무용 AI 결과 검토 체크리스트 작성
05 4시간

직무별 활용 실습

문서 요약, 조사, 기획, 데이터 해석, 고객 응대 등 직무별 시나리오

Hands-on 개인 현업 과제의 기존 흐름과 AI 보조 흐름 설계
06 2시간

미니 프로젝트와 피드백

결과물 정리, 검증 근거, 사용 원칙, 개선 과제

Hands-on 5분 시연과 동료 피드백으로 최종안 보완

Assessment

평가 구성

개념 확인 30%

핵심 용어, 활용 범위, 검증·보안 원칙을 확인합니다.

단계 실습 40%

모듈별 과제의 목적 적합성, 기록, 개선 과정을 평가합니다.

미니 프로젝트 30%

업무 적합성, 결과 검증, 재사용 가능성을 종합합니다.

Completion & evidence

수료 기준과 결과물

출석 80% 이상, 총점 70점 이상, 미니 프로젝트 제출을 모두 충족하면 과정 수료로 인정합니다.

개인 AI 활용·검증 원칙
직무별 프롬프트 템플릿
업무 미니 프로젝트 결과물

Next pathway

전문가 과정, 직무별 심화 워크숍, 기업 맞춤 교육으로 확장할 수 있습니다.

Professional course

AI 전문가 과정

현업 문제를 AI 과제로 정의하고 데이터, 모델 또는 생성형 AI 애플리케이션, 운영 조건을 연결해 검증 가능한 캡스톤을 완성하는 실무 심화 과정입니다.

추천 대상: 기획자, 개발자, 분석가, AI 프로젝트 리더
난이도: 중급·심화 · Level 2
권장 시간: 48시간 · 6개 모듈
운영 방식: 이론 25% · 실습 45% · 프로젝트 30%

Entry guide

참여 전 확인

AI 기초과정 이수 또는 동등한 이해가 필요합니다. 데이터 표를 다룰 수 있어야 하며, 개발 트랙은 Python 기초 사용 경험을 권장합니다.

Learning outcomes

과정 수료 후 할 수 있는 일

현업 문제를 사용자, 기준선, KPI, 데이터, 위험 요건이 포함된 AI 과제로 정의할 수 있습니다.
모델링 또는 생성형 AI 애플리케이션을 구현하고 비교 기준에 따라 성능과 한계를 평가할 수 있습니다.
배포, 모니터링, 보안, 비용, 책임자를 포함한 도입·운영 계획을 제안할 수 있습니다.

Course modules

6개 학습 모듈

01 4시간

문제 정의와 성공 기준

사용자·업무 흐름, 현재 기준선, AI 적합성, KPI와 중단 조건

Hands-on 현업 사례를 문제정의서와 평가 질문으로 전환
02 8시간

데이터 설계와 거버넌스

수집·정제·라벨링, 품질 점검, 접근 권한, 개인정보와 데이터 계보

Hands-on 데이터 명세서와 품질·권한 체크리스트 작성
03 10시간

모델링과 성능 평가

학습·검증 분리, 기준 모델, 주요 평가 지표, 오류 분석과 실험 관리

Hands-on 기준 모델과 개선 모델을 비교하고 실험 기록 작성
04 10시간

생성형 AI·RAG·에이전트 응용

검색 증강, 도구 호출, 평가 데이터셋, 가드레일과 사람의 승인 지점

Hands-on 근거를 제시하는 업무형 AI 애플리케이션 프로토타입 구현
05 6시간

운영·보안·비용 설계

배포 구조, 모니터링, 변경 관리, 보안 검토, 사용량과 비용 통제

Hands-on 운영 지표와 장애·오류 대응 시나리오 설계
06 10시간

캡스톤 구현과 발표

통합 구현, 사용자 검토, 성과·한계 정리, 도입 로드맵

Hands-on 데모, 기술 보고서, 의사결정 자료 발표와 전문가 피드백

Assessment

평가 구성

설계 리뷰 20%

문제, KPI, 데이터, 위험 요건의 일관성을 평가합니다.

구현 체크포인트 40%

실험·구현 기록, 평가 근거, 오류 개선 과정을 확인합니다.

캡스톤 40%

기능, 성능, 운영 가능성, 발표와 문서의 완성도를 종합합니다.

Completion & evidence

수료 기준과 결과물

출석 80% 이상, 총점 70점 이상, 캡스톤 결과물 제출과 발표를 모두 충족하면 과정 수료로 인정합니다.

AI 문제정의서와 KPI
기술 설계·실험 기록
캡스톤 데모·보고서·운영안

Next pathway

현장 PoC, 기술사업화 프로그램, 자격 평가 대비 또는 분야별 고급 프로젝트로 연결할 수 있습니다.

Certification preparation

AI 자격증 과정

모집 공고에 명시된 목표 자격과 등급의 최신 출제 범위·실기 환경을 기준으로 이론, 시간 제한 실습, 모의평가, 오답 개선을 반복하는 자격 평가 대비 과정입니다.

추천 대상: AI 자격 평가 응시 예정자와 역량 검증 희망자
난이도: 목표 자격·등급별 분반
권장 시간: 24시간 · 6개 모듈
운영 방식: 이론 25% · 실습 35% · 모의평가 40%

Entry guide

참여 전 확인

모집 공고에서 대비 자격명, 등급, 응시 권장 역량을 확인합니다. 등록·공인 여부, 응시료, 시험 일정과 환경은 발급기관의 최신 안내를 따릅니다.

Learning outcomes

과정 수료 후 할 수 있는 일

목표 자격의 평가 영역, 문항 유형, 시간 배분과 합격 기준을 자신의 학습 계획으로 전환할 수 있습니다.
데이터 해석, 전처리, 모델링 또는 생성형 AI 활용 문제를 제한 시간 안에 수행할 수 있습니다.
모의평가 결과를 영역별로 분석해 오답 원인과 시험 전 보완 순서를 정할 수 있습니다.

Course modules

6개 학습 모듈

01 2시간

자격·등급과 응시 기준 확인

자격명, 발급기관, 등록·공인 구분, 등급, 출제 범위, 시험 환경

Hands-on 공식 안내와 민간자격정보를 대조한 개인 응시 체크리스트 작성
02 4시간

핵심 이론 정리

AI 기본 원리, 데이터, 모델 학습과 평가, 윤리·보안 등 공통 평가 영역

Hands-on 영역별 개념 진단과 취약 주제 우선순위 설정
03 4시간

데이터 해석과 전처리

데이터 유형, 결측·이상값, 시각화, 특성 이해와 전처리 판단

Hands-on 시간 제한 데이터 진단·전처리 문제 풀이
04 6시간

모델링·생성형 AI 실기

등급별 모델 선택·평가 또는 생성형 AI 요청·검증 실습

Hands-on 공식 출제 범위에 맞춘 실기형 세트 반복 수행
05 4시간

1차 모의평가와 오답 분석

실전 시간 배분, 영역별 점수, 실수 유형과 미완료 원인 분석

Hands-on 모의평가 후 오답 노트와 보완 실습 계획 작성
06 4시간

최종 모의평가와 응시 점검

최종 모의평가, 환경 점검, 시험 당일 절차, 남은 취약영역 보완

Hands-on 개인 준비도 보고서와 시험 전 체크리스트 확정

Assessment

평가 구성

영역별 확인 20%

핵심 이론과 등급별 평가 영역의 이해도를 확인합니다.

시간 제한 실습 30%

정확도, 절차, 시간 배분과 결과 검토 능력을 평가합니다.

모의평가 2회 50%

영역별 점수, 완성도, 오답 개선 정도를 종합합니다.

Completion & evidence

수료 기준과 결과물

출석 80% 이상, 과정 평가 70점 이상, 모의평가 2회 응시와 오답 노트 제출을 충족하면 교육과정 수료로 인정합니다.

목표 자격·등급 출제범위 맵
모의평가 2회 결과표
개인 오답 노트와 최종 학습안

Next pathway

발급기관의 공식 접수 절차에 따라 시험에 응시하거나, 취약영역 보완반과 전문가 과정으로 이어갈 수 있습니다.

본 과정의 수료증은 KAIIA 교육과정 이수 사실을 확인하는 문서입니다. 외부 자격증의 발급, 국가공인 여부 또는 합격을 대신하지 않습니다.

Learning evidence

진단·실습·평가를 한 흐름으로 관리합니다.

학습 전 기준과 수료 후 결과를 비교할 수 있도록 모든 과정에서 같은 네 가지 운영 원칙을 적용합니다.

입과 진단

배경지식, 도구 경험, 업무 목표를 확인해 권장 과정과 보완 학습을 안내합니다.

형성 피드백

모듈 실습마다 기준표로 결과와 근거, 오류, 개선 과정을 확인합니다.

수행 증거

미니 프로젝트, 캡스톤, 모의평가처럼 다시 검토할 수 있는 결과를 남깁니다.

수료·자격 구분

교육과정 수료 결과와 외부 자격시험의 합격·발급 결과를 명확히 분리합니다.

과정별 수료 기준은 교육 이수 기준입니다. 외부 자격의 응시 자격, 합격 기준, 자격 유효기간과 발급은 해당 자격관리기관의 최신 규정을 따릅니다.

Delivery options

조직과 학습자에 맞춘 세 가지 운영 방식.

공개 과정, 기업·기관 맞춤 과정, 교육기관·강사 공동 과정으로 운영 범위와 실습 과제를 조정합니다.

공개 과정·코호트

개인 학습자가 정해진 일정에 함께 참여하고 동료 실습과 피드백으로 학습 진도를 유지합니다.

과정별 공개 모집과 사전 진단
출석·과제·평가와 수료 관리

기업·기관 맞춤 과정

조직의 AI 활용 수준, 보안 기준, 직무 과제와 목표 결과를 반영해 시간과 실습 사례를 재구성합니다.

조직 수요·수준 진단
현업 데이터·과제 기반 맞춤 실습

교육기관·강사 공동 운영

분야별 강사와 교육기관의 전문성을 연결해 교안, 실습 환경, 평가 루브릭과 운영 역할을 함께 설계합니다.

강사·멘토·교육기관 협력
교안·실습·평가 기준 공동 검토

Learners & evidence

누가 배우고 어떤 역량을 남기는가.

수강 전 수준과 목표를 확인하고, 수료 후에는 점수만이 아니라 다시 활용할 수 있는 실습 결과와 다음 학습 계획을 남깁니다.

Who participates

함께하는 대상

AI 입문자·비전공 실무자
AI의 원리와 한계를 이해하고 자신의 업무에서 안전한 활용 기준을 만들려는 학습자
개발자·분석가·프로젝트 리더
현업 문제를 데이터와 AI 시스템으로 구현하고 검증 가능한 프로젝트를 완성하려는 실무자
자격 응시자·기업·교육 파트너
역량 검증을 준비하거나 조직 맞춤 교육과 공동 운영을 추진하려는 개인과 기관

What remains

함께 만드는 결과

역량·평가 기록
사전 진단, 모듈 과제, 평가 결과와 보완이 필요한 역량을 과정별 기준에 따라 정리합니다.
재사용 가능한 결과물
프롬프트 템플릿, 프로젝트 문서, 캡스톤, 오답 노트처럼 다음 업무와 학습에 활용할 자료를 남깁니다.
다음 학습·적용 경로
심화 과정, 현장 PoC, 자격 응시, 기업 맞춤 교육 중 다음 단계와 준비 항목을 안내합니다.

Education sources

교육·직무·자격 공식 확인 채널.

자료 확인일 2026.08.22

교육 과정과 자격 정보는 운영기관별 기준이 다릅니다. 공개강좌, 직무능력, 전문인력 훈련, 자격 등급과 상태는 아래 공식 채널의 최신 원문을 확인해야 합니다.

국가평생교육진흥원 K-MOOC

대학·기관이 제공하는 공개강좌에서 인공지능 기초와 심화 주제, 강좌 구성과 학습 자료를 탐색할 수 있습니다.

공식 채널 보기 한국산업인력공단 국가직무능력표준 NCS

직무별 능력단위, 수행준거, 지식·기술·태도와 평가지침을 확인해 교육 목표와 수행 평가를 설계합니다.

공식 채널 보기 고용노동부 K-디지털 트레이닝 AI 캠퍼스

AI 직군별 전문인력 양성 방향과 현업 문제 기반 프로젝트 학습, 직무역량·프로젝트 결과 기록 기준을 확인합니다.

공식 채널 보기 AICE AI 자격시험 안내

등급별 대상, 출제 범위, 평가 방식과 자격의 공인·등록 구분을 확인하고 최신 시험 안내를 검토합니다.

공식 채널 보기

Explore agendas

다른 혁신 의제 보기

전체 의제

Join the AI learning pathway

현재 수준에 맞는 과정부터 차근차근 시작하세요.

협회 회원으로 등록하시면 AI 기초·전문가·자격증 과정의 모집 일정과 참여 안내를 받을 수 있습니다.

AI 교육 참여 등록

AI 역량을 단계별로 완성하는 교육

세 과정 중, 어디서 시작할까요?

AI 기초과정

AI 전문가 과정

AI 자격증 과정

이해·실습·평가를 연결하는 설계.

수준별 시작점

수행 증거 중심

책임 있는 활용

진단에서 결과물까지 다섯 단계.

사전 진단과 목표 확인

핵심 개념과 기준 학습

단계별 실습과 피드백

프로젝트 또는 모의평가

수료 평가와 다음 경로

세 과정의 교과목과 평가 기준을 확인하세요.

참여 전 확인

과정 수료 후 할 수 있는 일

6개 학습 모듈

AI와 업무 변화 이해

데이터와 모델의 기본

생성형 AI 요청 설계

검증·보안·윤리 기준

직무별 활용 실습

미니 프로젝트와 피드백

평가 구성

수료 기준과 결과물

참여 전 확인

과정 수료 후 할 수 있는 일

6개 학습 모듈

문제 정의와 성공 기준

데이터 설계와 거버넌스

모델링과 성능 평가

생성형 AI·RAG·에이전트 응용

운영·보안·비용 설계

캡스톤 구현과 발표

평가 구성

수료 기준과 결과물

참여 전 확인

과정 수료 후 할 수 있는 일

6개 학습 모듈

자격·등급과 응시 기준 확인

핵심 이론 정리

데이터 해석과 전처리

모델링·생성형 AI 실기

1차 모의평가와 오답 분석

최종 모의평가와 응시 점검

평가 구성

수료 기준과 결과물

진단·실습·평가를 한 흐름으로 관리합니다.

입과 진단

형성 피드백

수행 증거

수료·자격 구분

조직과 학습자에 맞춘 세 가지 운영 방식.

공개 과정·코호트

기업·기관 맞춤 과정

교육기관·강사 공동 운영

누가 배우고 어떤 역량을 남기는가.

함께하는 대상

함께 만드는 결과

교육·직무·자격 공식 확인 채널.

다른 혁신 의제 보기

현재 수준에 맞는 과정부터 차근차근 시작하세요.