홈앤서비스 SK BROADBAND

AI는 이제 일부 전문가만의 기술이 아니다. 생성형 AI가 일상이 되고, 데이터 기반 의사결정이 모든 산업의 기본 역량이 된 시대에 중요한 것은 ‘AI를 얼마나 많이 아는가’가 아니라 ‘AI를 얼마나 활용할 수 있는가’이다. 《AICE 시험 완벽 대비 Basic편》은 이러한 시대 변화에 맞춰 만들어진 실무형 AI 역량 평가로, 비전공자와 입문자도 데이터 분석과 AI 모델링을 경험하며 문제해결 능력을 검증할 수 있도록 설계된 자격시험이다.
AICE Basic편의 가장 큰 특징은 이론 중심이 아닌 실습 중심 평가에 있다. 시험은 100% 실기형으로 운영되며, 데이터 탐색과 분석, 데이터 전처리, 인공지능 모델링, 성능평가까지 AI 문제해결의 전 과정을 직접 수행해야 한다. 단순 암기가 아니라 데이터를 읽고 해석하며 결과를 만들어내는 과정 자체를 평가한다. 특히 노코딩 기반 환경에서 진행되기 때문에 코딩 경험이 없는 학습자도 충분히 도전할 수 있다.
《AICE 시험 완벽 대비 Basic편》은 변화하는 AI 학습 환경과 최신 출제 경향을 반영해, 초보 학습자도 실전 감각을 익힐 수 있도록 구성했다. 첫째, 데이터 분석과 전처리 영역을 단계별 실습 중심으로 설명해 복잡한 개념을 쉽게 이해하도록 했다. 둘째, 시험에서 활용하는 노코딩 AI 실습 도구 환경을 반영해 실제 시험처럼 따라 하며 익힐 수 있다. 셋째, 머신러닝 모델링과 성능평가 영역을 단순 기능 설명이 아닌 ‘왜 이런 선택을 하는가’에 초점을 맞춰 구성해 AI 사고력을 키우도록 했다. 넷째, 출제 포인트와 실전 문제를 연결해 학습→실습→적용→합격으로 이어지는 학습 구조를 만들었다.
이 책의 진짜 장점은 자격증 취득에서 끝나지 않는다는 점이다. 독자는 이 책을 통해 데이터를 바라보는 관점, AI 문제해결 프로세스, 그리고 실제 업무와 학습에 활용할 수 있는 AI 문해력을 함께 얻게 된다. AI 시대의 경쟁력은 더 이상 프로그래밍 능력만으로 결정되지 않는다. 데이터를 이해하고, AI를 활용해 문제를 해결하는 힘. 이 책은 그 첫걸음을 가장 쉽고 체계적으로 안내하는 실전 가이드가 될 것이다.

들어가며

STEP 1 이해하기
01. AI의 이해
1. AI, 만나서 반가워!
1.1 인공지는(AI)이란?
1.2. 기계도 학습한다
1.3 AI가 주목받는 이유

2 AI, 조금 더 알아볼까?
2.1 문제도 주고 답도 주는 지도학습
2.2 문제만 주는 비지도학습
2.3 당근과 채찍, 강화학습
2.4 최고로 핫한, 딥러닝
2.5 AI 핫 키워드

03 AI, 어떻게 구현할까?
3.1 문제 정의
3.2 데이터 수집
3.3 데이터 분석 및 전처리
3.4 AI 모델링
3.5 AI 적용

4 AI, 어디에 쓰일까?
4.1 AI + 물류 : 아마존, 소비자의 수요 예측
4.2 AI + 의료 : 맞춤형 의료 서비스, 닥터앤서 2.0
4.3 AI + X : 우리의 업무를 돕는 AI

02. AI 구현 프로세스
1. 문제 정의
1.1 어떤 문제를 풀 것인가?
1.2 어떻게 풀 것인가?
2 데이터 수집
2.1 무엇을 수집할 것인가?
2.2 어떻게 수집할 것인가?
2.3 어떤 상태의 데이터를 수집해야 하는가?

3 데이터 분석 및 전처리
3.1 데이터 타입(Type) 확인
3.2 기술 통계(Descriptive Statistics) 확인
3.3 데이터 시각화(Visualization)
3.4 결측치(Missing Value) 처리
3.5 이상치 처리
3.6 인코딩(Encoding)
3.7 스케일링(Scaling)

4 AI 모델링
4.1 모델 선택과 학습
4.2 결과 평가
4.3 더 나은 모델 만들기

STEP 2 해보기
03. AIDU로 AI 실습하기(분류)
1. [분류] 호텔 예약 취소 여부 예측
1.1 데이터 가져오기
1.2 탐색적 데이터 분석(EDA)-① 기초 정보 분석
1.3 탐색적 데이터 분석(EDA)-② 시각화 분석
1.4 데이터 전처리와 피처 엔지니어링
1.5 AI 모델 만들기 및 활용하기-① 딥러닝
1.6 AI 모델 만들기 및 활용하기-② 머신러닝

04 AIDU로 AI 실습하기(회귀)
1 [회귀] 지하철 이용객 수 예측
1.1 데이터 가져오기
1.2 탐색적 데이터 분석(EDA)-① 기초 정보 분석
1.3 탐색적 데이터 분석(EDA)-② 시각화 분석
1.4 데이터 전처리와 피처 엔지니어링
1.5 AI 모델 만들기 및 활용하기-① 딥러닝
1.6 AI 모델 만들기 및 활용하기-② 머신러닝

STEP 3 더 깊게 알기
05. 머신러닝
1. 머신러닝 동작 원리
1.1 머신러닝 기본개념
1.2 머신러닝 학습 방법

2 머신러닝 주요 알고리즘
2.1 다중 선형 회귀(Multi Linear Regression)
2.2 로지스틱 회귀(Logistic Regression)
2.3 KNN(K Nearest Neighbor)
2.4 의사결정나무(Decision Tree)
2.5 랜덤 포레스트(Random Forest)
2.6 부스팅(Boosting)

06. 딥러닝
1. 인공신경망처럼 생각하기

2. 딥러닝의 동작 원리
2.1 딥러닝의 기본 개념
2.2 딥러닝의 학습 방법

3 딥러닝 주요 알고리즘
3.1 DNN(심층신경망, Deep Neural Network)
3.2 CNN(합성곱신경망, Convolutional Neural Network)
3.3 RNN(순환신경망, Recurrent Neural Network)

부록
01. 코딩이 필요 없는 AIDU 활용법
1. 환경 구성 및 데이터 가져오기
1.1 환경 구성
1.2 데이터 가져오기

2 데이터 분석
2.1 기초 정보 분석
2.2 시각화 분석
2.3 비지도학습 분석

3 데이터 가공
3.1 데이터 가공 방법
3.2 AIDU에서 데이터 가공하기

4 AI 모델링
4.1 머신러닝
4.2 딥러닝

02. AI 용어 정리