Recommandation
Recommandation
Biographie de l'auteur
préface
Lignes directrices pour l'éducation à l'IA


Partie 1 : La société de l'intelligence artificielle
1.
L'ère de l'intelligence artificielle
2.
L'intelligence artificielle dans la vie quotidienne
2.1 L'intelligence artificielle qui défie les humains
2.2 Juges d'intelligence artificielle
2.3 Intelligence artificielle faisant preuve de créativité
3.
L'intelligence artificielle qui change le monde
3.1 Une approche statistique de la société transformée par l'intelligence artificielle
3.2 Intelligence artificielle et emplois
4.
L'impact de l'intelligence artificielle
4.1 L'humanité se prépare à l'ère de l'IA
4.2 L'avenir de l'intelligence artificielle
4.3 Emplois et remplacement d'emplois par l'IA


Partie 2 : Éducation et intelligence artificielle
1.
Compétitivité nationale, intelligence artificielle
2.
Cultiver les talents en IA au péril de sa vie
3.
Études de cas à l'étranger en matière d'éducation à l'IA
4.
politique nationale d'éducation en intelligence artificielle
5.
La nécessité d'une éducation en intelligence artificielle
6.
Fondements de l'introduction de l'éducation à l'intelligence artificielle
7.
Approches de l'éducation à l'IA
8.
Diverses perspectives sur l'éducation à l'IA
9.
Types de formation en IA
10.
Modèle d'éducation intégrant l'IA
11.
Les compétences de réflexion visées par l'éducation à l'intelligence artificielle
12.
La nécessité d'une pensée en intelligence artificielle
13.
Pensée computationnelle et pensée en intelligence artificielle
14.
Définir la pensée IA
15.
Développer la puissance de réflexion de l'IA
16.
L'éducation à l'ère de l'intelligence artificielle
17.
L'éducation à l'IA pour tous


Partie 3 : Le système de connaissances de l'intelligence artificielle
1.
Les bases de l'intelligence artificielle
1.1 Histoire de l'intelligence artificielle
1.2 Intelligence artificielle et intelligence humaine
1.3 Modèle d'agent
1.4 Intelligence artificielle et logiciels
1.5 Connaissances de base en intelligence artificielle
1.6 Algorithmes et applications de l'intelligence artificielle
1.7 Le domaine de l'intelligence artificielle
1.7.1 Fonction intrinsèque
1.7.2 Fonctions externes
1.7.3 Interactions
1.8 Schéma de l'intelligence artificielle et des systèmes académiques
2.
Navigation dans les machines : problèmes et navigation
2.1 Problèmes, réponses et état d'avancement
2.2 Méthode de recherche aléatoire
2.2.1 Recherche en largeur
2.2.2 Recherche en profondeur
2.2.3 Recherche à profondeur limitée
2.2.4 Navigation bidirectionnelle
2.3 Stratégies d'exploration utilisant l'information
2.3.1 Algorithme glouton
2.3.2 Algorithme A*
2.4 Stratégie de recherche d'optimisation
2.4.1 Navigation en montée
2.4.2 Algorithme génétique
2.5 Exploration du jeu
2.5.1 Algorithme Min-Max
2.5.2 Algorithme de Monte Carlo
2.6 Problème de satisfaction de contraintes (Recherche avec retour arrière)
2.7 Autres activités d'exploration et questions liées à l'exploration
3.
Raisonnement machine : Connaissance et raisonnement
3.1 Composantes de l'intelligence artificielle basée sur la connaissance
3,2 images
3.3 Logique
3.3.1 Logique propositionnelle
3.4 Réseau sémantique
3.5 Planification
3.5.1 Algorithme de planification
3.5.2 Types de problèmes de planification
3.5.3 Graphique de planification
3.5.4 Autres langues
3.6 Incertitude
3.6.1 Probabilité de base d'incertitude
3.6.2 Théorème de Bayes
3.7 Inférence probabiliste
3.8 Prise de décision
4.
Apprentissage automatique : données et apprentissage
4.1 Aperçu de l'apprentissage automatique
4.2 Apprentissage supervisé
4.2.1 Régression
4.2.2 Régression linéaire
4.2.3 Régression logistique
4.2.4 Arbre de décision
4.2.5 SVM
4.2.6 Forêt aléatoire
4.2.7 Naïf Bayes
4.3 Apprentissage non supervisé
4.3.1 K-moyennes
4.3.2 Modèle de mélange gaussien
4.3.3 Analyse en composantes principales
4.3.4 Réseaux de neurones artificiels
4.3.5 Apprentissage profond
4.3.6 Réseaux neuronaux convolutifs
4.4 Apprentissage par renforcement
4.4.1 MDP et MRP
4.4.2 A3C
4.5 Le Big Data
5.
Science des données : données et science
5.1 Domaines d'études en science des données
5.2 Processus de science des données
5.3 Types de professionnels de la science des données
5.4 Outils de science des données
5.5 Différences entre la science des données et l'intelligence d'affaires (BI)
5.5.1 Applications de la science des données
5.6 Principales différences entre la science des données et l'apprentissage automatique
6.
Perception machine : sensation et cognition
6.1 Reconnaissance de formes
6.2 Formation d'images
6.2.1 Détection d'images de base
6.3 Traitement d'images
6.3.1 Détection des coins
6.3.2 Textures
6.3.3 Flux optique
6.3.4 Segmentation d'images
6.4 Reconnaissance d'objets
6.4.1 HOG
6.4.2 R-CNN
6.4.3 YOLO et SSD
6.5 Monde 3D
6.6 Reconnaissance vocale
7.
Traitement automatique du langage naturel : langage et communication
7.1 Approches probabilistes de l'analyse du langage
7.2 Concepts clés du TALN - Classification de textes
7.3 Caractéristiques du langage naturel et des composants de traitement du langage naturel
7.3.1 Analyse morphologique et lexicale
7.3.2 Analyse syntaxique
7.3.3 Analyse sémantique
7.3.4 Intégration du discours et analyse pragmatique
7.4 Traitement du langage naturel basé sur l'apprentissage profond
7.5 Reconnaissance vocale
8.
Robotique : Comportement et action
8.1 Matériel robotique
8.1.1 Capteurs du robot
8.1.2 Actionneurs de robot
8.2 Perception du robot
8.2.1 Positionnement
8.2.2 Création de cartes
8.3 Planification des robots
8.4 Logiciel robotique
9.
Enjeux de l'intelligence artificielle : intelligence artificielle, humains et social
influence
9.1 IA faible et IA forte
9.2 Conscience et qualia
9.3 Enjeux éthiques de l'intelligence artificielle
9.3.1 Responsabilité : Qui est responsable du contrôle ?
9.3.2 Transparence : L’IA explicable et son utilisation
Transparence
9.3.3 Équité : Biais des données, utilisation équitable
9.3.4 Autres questions éthiques


Partie 4 : L'éducation pour comprendre l'intelligence artificielle
1. Aperçu de l'IA dans la compréhension de l'éducation
2.
La relation entre l'enseignement du logiciel et l'apprentissage de l'IA
2.1 Le type de talent et les compétences des apprenants requis pour l'enseignement de la compréhension de l'IA
2.2 Compétences visées dans le cadre de l'éducation à la compréhension de l'IA
2.3 Objectifs de l'IA pour la compréhension de l'éducation
3. Types d'IA : Comprendre la conception des programmes d'études
4. Structure du contenu de l'enseignement de la compréhension de l'IA
4.1 Trois grands domaines de l'IA pour comprendre l'éducation
4.1.1 Zone « Expression du renseignement »
4.1.2 Zone « Interaction »
4.1.3 Domaine « Influence sociale »
4.2 Sept grands thèmes d'apprentissage dans les trois domaines
4.3 Un cadre standard pour l'IA dans la compréhension de l'éducation
5. Conception d'un programme d'enseignement sur la compréhension de l'IA
6. Méthodes de compréhension de l'éducation par l'IA
6.1 Modèles d'enseignement et d'apprentissage pour l'expansion des connaissances
6.2 Modèle d'enseignement et d'apprentissage pour le développement fonctionnel
6.3 Modèle d'enseignement et d'apprentissage de l'attitude
7. L'IA au service de l'éducation : stratégies d'enseignement et d'apprentissage pour chaque niveau
8. Évaluation de l'éducation à la compréhension de l'IA


Partie 5 : L'éducation au service de l'intelligence artificielle
1. Aperçu de l'éducation basée sur l'IA
2. Renforcement des capacités par la formation basée sur l'IA
3.
Matières pédagogiques et éducation utilisant l'IA
4. Outils pour l'éducation basée sur l'IA
5. Types d'éducation basée sur l'IA
5.1 Éducation basée sur l'IA
5.2 Éducation à la convergence de l'IA (Éducation STEAM)
5.3 Éducation basée sur l'IA
5.4 Utilisation de l'IA dans l'élaboration des politiques éducatives
6. L'éducation basée sur l'IA
6.1 Exemples d'enseignement musical assisté par l'IA
6.1.1 Nature du programme de musique
6.1.2 Objectifs de l'éducation musicale
6.2 Cas d'utilisation pédagogique de l'IA pour chaque matière
6.2.1 L'éducation morale (éthique) basée sur l'IA
6.2.2 L'enseignement du coréen basé sur l'IA
6.2.3 L'enseignement des mathématiques basé sur l'IA
6.2.4 Éducation à l'IA en sciences sociales
6.2.5 L'enseignement des sciences basé sur l'IA
6.2.6 L'éducation physique basée sur l'IA
6.2.7 L'enseignement basé sur l'IA dans les cours d'art
6.2.8 Enseignement des arts pratiques (technologie et économie domestique) basé sur l'IA
6.2.9 L'apprentissage de l'anglais grâce à l'IA
7. Éducation à la convergence de l'IA
7.1 Procédures pour les projets de convergence industrielle utilisant des services d'IA
7.2 Cas pratique de résolution de problèmes de convergence industrielle : Aide à la conduite automobile
8. Éducation basée sur l'IA (système d'éducation en ligne, edtech)
8.1 Rencontre entre l'IA et les technologies éducatives
8.2 Domaines d'application de l'IA dans l'éducation
8.2.1 Cas d'utilisation universitaires
9.
L'utilisation de l'IA dans les politiques éducatives
9.1 Diverses variables et facteurs influençant l'utilisation de l'IA dans les politiques éducatives
9.2 Études de cas sur l'IA dans les politiques éducatives
10. Plateforme intégrée pour l'éducation basée sur l'IA


Partie 6 : L'éducation face à l'intelligence artificielle
1. Aperçu de l'éducation aux valeurs de l'IA
2. Premières recherches sur l'éthique de l'IA
3.
Problèmes d'éthique liés à l'IA par secteur d'activité
3.1 Secteur manufacturier : Véhicules autonomes
3.2 Secteur financier : Conseillers financiers automatisés
3.3 Domaine médical : Soins de santé
3.4 Militaire : Systèmes d'armes autonomes
4. Cas nationaux et internationaux d'éthique de l'IA
5. Approche de l'éducation aux valeurs de l'IA
5.1 État actuel de l'enseignement de l'éthique de l'IA au niveau national et international
6. Composition thématique de l'éducation aux valeurs de l'IA
6.1 Divers sujets liés à l'éducation aux valeurs en IA
7. Modèle d'éducation aux valeurs en IA
8.
Une IA de qualité centrée sur l'humain
8.1 Projet d'IA pour la santé
8.2 Projet d'IA pour l'environnement terrestre
8.3 Projets d'IA pour les personnes handicapées
8.4 Projet d'IA pour le patrimoine culturel
8.5 L'IA au service de l'humanité
9.
Responsabilisation, IA responsable
10.
Transparence et IA explicable
10.1 Quatre modes de techniques de description
10.2 Comment développer des modes d'IA explicables
11.
Confidentialité vs.
Données 3 Lois
11.1 Modification de la Loi sur les réseaux d'information et de communication
11.2 Modification de la Loi sur l'information de crédit
12.
Équité et non-discrimination
12.1 Moralité algorithmique
13.
Stabilité et fiabilité


Partie 7 : La réalité des cours d'intelligence artificielle
◈ Types et approches des cours d'IA
1. Classes axées sur les connaissances en IA
1.1 Leçon 1 axée sur les connaissances : Modélisation cognitive de l’IA
1.1.1 Stratégie d'enseignement de la modélisation cognitive de l'IA - Stratégie connectée
1.1.2 Étapes du cours de modélisation cognitive en IA
1.2 Leçon 2 axée sur les connaissances : Formation des concepts d’IA
1.3 Leçon 3 axée sur les connaissances : Leçon d’exploration et de découverte de l’IA
1.4 Classe axée sur les connaissances 4 : Classe basée sur la pensée AIT (Classe liée SW·AI)
2. Cours axés sur l'IA
2.1 Cours 1 axé sur les fonctions de l'IA : Plateforme d'éducation à l'IA
Classes de programmation utilisant
2.2 Cours 2 axé sur les fonctions de l'IA : Programmation et analyse de données
2.3 Leçon 3 centrée sur les fonctions de l'IA : Leçon de programmation utilisant des frameworks d'IA
2.4 Calcul tensorisable en IA Leçon 1 : Informatique de périphérie en IA
2.5 Informatique Tensile IA Leçon 2 : Activités de création d’IA
2.6 Calcul tensoriel en IA - Leçon 3 : Utilisation des robots IA
3. Cours axés sur l'attitude en IA
3.1 Classe 1 centrée sur l'attitude face à l'IA ; Classe centrée sur la technologie
3.2 Classe 2 centrée sur l'attitude en IA ; Classe centrée sur la société
3.3 Cours d'IA axé sur les attitudes 3 : Cours axé sur l'éthique


Soutien à la pratique pédagogique en IA (Partie 8)
1. Types de ressources pratiques pour l'enseignement de l'IA
2.
Plateforme commerciale d'IA à usage général
2.1 Google AutoML
2.2 Superannotation
2.3 Apple CreateML
2.4 Fritz IA
2.5 RunwayML
2.6 Intelligence artificielle évidente
2.7 MakeML
2.8 Facebook
2,9 Amazon
2.10 Microsoft
2.11 IBM
2.12 Naver
3. Plateforme de chatbot IA
3.1 Types de plateformes de chatbots IA
3.1.1 Flux de dialogue
3.1.2 ManyChat
3.1.3 Chatbot.com
3.1.4 Chatfuel
3.1.5 Mobile Monkey
3.1.6 Chat frais
4. Plateforme spécialisée pour l'enseignement de l'IA
4.1 Types de plateformes
4.1.1 ML4Kids
4.1.2 Machine à enseigner
4.1.3 Cognitif
4.2 Expérience IA
4.2.1 Terrain de jeu TensorFlow
4.2.2 Avec Google AI Labs
4.2.3 Dessin automatique
4.2.4 Dégainage rapide
4.2.5 Magenta
4.2.6 Vision par ordinateur
4.2.7 Édition d'images automatique
4.2.8 Jeu de reconnaissance de mots
4.3 Outils de langage de programmation éducatifs
4.3.1 EPL
4.3.2 Scratch
4.3.3 Entrée
4.3.4 Bloc M
4.3.5 IA profonde
5. Langages de programmation pour le développement de l'IA
5.1 Types de langages de programmation
5.1.1 Python
5.1.2 R
5.1.3 LISP
5.1.4 Prologue
5.1.5 C/C++
5.1.6 Java
5.1.7 JavaScript
5.1.8 Julia
5.1.9 Autres langages de programmation
5.2 Bibliothèques de cadres d'IA représentatifs
5.2.1 Théano
5.2.2 TensorFlow
5.2.3 Keras
5.2.4 Lasagne
5.2.5 Café
5.2.6 Apprentissage profond 4j
5.2.7 MxNet
5.2.8 Lampe torche
5.2.9 CNTK
5.3 Bibliothèques et outils principaux de Python
5.3.1 Numpy
5.3.2 Scipy
5.3.3 matapololib
5.3.4 pandas
5.3.5 Jupyter Notebook
5.4 Apprentissage du développement de la programmation en IA
5.4.1 Code.org
5.4.2 Codage de la vie
5.4.3 Formation Prologue
5.5 Type d'apprentissage de l'IA
5.5.1 Al4School
5.5.2 Al4TEACHER
5.5.3 Technovation
5.5.4 Éléments de l'IA
5.5.5 edX
5.5.6 Portail éducatif SW-AI
5.5.7 Informatique créative
5.5.8 IA de Google AZ
5.5.9 Cours accéléré d'IA
5.5.10 Site d'apprentissage de l'IA de Microsoft
5.5.11 IA ouverte

Références

Recommandation
À l'heure où l'intelligence artificielle est au cœur des politiques éducatives et où l'introduction d'éléments de contenu liés à l'IA dans les programmes scolaires est en discussion, l'accès à « Artificial Intelligence Education for AI Thinking » est une véritable aubaine pour les responsables de l'éducation à l'IA.
J’espère que les lecteurs de ce livre — chercheurs, enseignants et décideurs politiques engagés dans l’enseignement de l’IA — acquerront de nouvelles connaissances sur le contenu de l’enseignement de l’IA, les objectifs comportementaux, les modèles d’enseignement et d’apprentissage et l’évaluation, et qu’ils appliqueront ces connaissances à leur propre pratique.
Jang Si-jun (Directeur de la Division des politiques d'éducation numérique, Service coréen d'information sur l'éducation et la recherche)

Le ministère de l'Éducation promeut des politiques éducatives visant à développer les talents créatifs sur le plan émotionnel, un environnement d'apprentissage hyper-personnalisé et une intelligence humaine afin d'inaugurer une ère d'intelligence artificielle pour tous, et s'efforce d'introduire l'enseignement de l'intelligence artificielle dans les écoles.
Je suis convaincu que ce livre servira de boussole et guidera l'enseignement de l'IA dans la bonne direction.
Je le recommande à de nombreuses personnes qui préparent leur avenir et aux enseignants.
Kang Seong-hun (Chercheur, Ministère de l'Éducation)

Le Bureau métropolitain de l'éducation d'Incheon souligne la nécessité d'une éducation à l'IA pour façonner l'avenir et travaille avec la Société coréenne pour l'éducation à l'intelligence artificielle, à laquelle ont participé les auteurs de ce livre, afin de promouvoir une politique d'éducation à l'IA solide, reflétant les aspirations de l'époque et les demandes des écoles quant aux changements que l'IA apportera à l'éducation.
Je recommande cet ouvrage car il offre un cadre général pour l'enseignement de l'IA et suggère la bonne direction à suivre, non seulement dans les universités mais aussi dans l'enseignement primaire et secondaire.
/ Yeon Su-hyeon (Responsable des bourses d'études, Bureau métropolitain de l'éducation d'Incheon)

L'intelligence artificielle est devenue une matière qu'il faut apprendre tout au long de sa vie et une compétence requise dans tous les départements universitaires.
Pour les étudiants se spécialisant en sciences et en ingénierie, ce livre est recommandé comme cours obligatoire de leur spécialisation, et pour les étudiants se spécialisant dans d'autres domaines, ce livre est recommandé comme cours obligatoire de formation générale.
/ Lee Cheol-hyeon (Professeur, Université nationale d'éducation de Gyeongin)

Pour les étudiants, l'enseignement de l'IA n'est pas une option, c'est une nécessité.
Cet ouvrage témoigne de l'engagement des auteurs à fournir une base solide en matière de formation d'ingénieurs, tout en conservant une approche équilibrée et en favorisant une vision positive de l'enseignement de l'IA.
Je le recommande vivement à tous ceux qui souhaitent se préparer à l'avenir façonné par l'intelligence artificielle et en avoir un aperçu.
Lee Se-hoon (professeur, Collège technique Inha)

Les auteurs, qui ouvrent toujours de nouvelles voies et proposent des orientations spécifiques, se sont une fois de plus lancés dans un nouveau défi.
Les thèmes qui imprègnent ce livre sont le changement, l'avenir, les technologies performantes et l'éducation centrée sur l'humain.
Cet ouvrage, rédigé par des auteurs possédant une vaste expérience dans le domaine de l'éducation, offre un aperçu détaillé et approfondi de l'avenir de l'enseignement de l'IA.
Un ouvrage incontournable pour quiconque s'intéresse à l'avenir de notre système éducatif.
/ Jeon Su-jin (Professeur, Université Hoseo)

Ce livre est une lecture incontournable pour les enseignants, car il couvre une variété de sujets liés à l'éducation à l'IA afin d'aider les élèves, qui façonneront le monde de demain, à comprendre les concepts et principes fondamentaux de l'IA, à développer des méthodes spécifiques pour son utilisation et, de plus, à inculquer une éthique et des valeurs appropriées en matière d'IA.
Fortement recommandé ! / ​​Hong Su-bin (Président de l'Association de recherche des enseignants en informatique, enseignante en école primaire)

L'éducation à l'IA est particulièrement importante pour les élèves du collège, dont les valeurs commencent tout juste à se former.
Ce livre explique des contenus et des méthodes pédagogiques créatifs et variés pour comprendre et pratiquer l'intelligence artificielle, et je pense que chaque enseignant en Corée devrait le lire.
Kim Se-ho (Directeur de l'Association de recherche en éducation à l'informatique physique, professeur de collège)

À compter du second semestre 2021, les cours « Fondements de l'intelligence artificielle » et « Mathématiques de l'intelligence artificielle » seront proposés comme cours optionnels dans les lycées, faisant de l'intelligence artificielle une question cruciale que tous les enseignants et les élèves doivent maîtriser.
Il est riche en théories variées et en exemples pratiques d'enseignement de l'IA, ce qui le rend particulièrement utile pour les enseignants.
Shim Hyeon-bo (Directrice du lycée scientifique et artistique d'Incheon)