Scrimba Articles
학습 목표별로 비교한 무료 AI 강의 14선
Scrimba가 개발자를 위한 무료 AI 강의 14개를 서로 다른 학습 목표에 맞춰 비교했습니다. 강의 내용만 무료인 경우, 수료증까지 무료인 경우, 청강만 가능한 경우를 구분해 실제 이용 조건을 쉽게 확인할 수 있습니다.
코드프렌즈 피드
코딩·AI·교육 뉴스 피드
코딩, AI, 교육 소식을 짧게 요약하고 다음 학습에 활용할 수 있는 방법을 전합니다.
정렬
금요일
소식 1개
목요일
소식 2개
- Codecademy Blog
디자인을 그만두지 않고 코딩을 배운 디자이너
31세 그래픽 디자이너가 HTML과 CSS를 배우고 WordPress를 직접 수정하기 시작한 과정을 소개합니다. 이후 프런트엔드 과정을 수강하며 개발자로 완전히 전향하기보다 현재 역할에서 할 수 있는 일을 넓혔습니다.
- Real Python
Python의 openpyxl로 Excel 스프레드시트 다루기 가이드
이 글은 Python의 openpyxl을 사용해 Excel 스프레드시트를 읽고, 쓰고, 꾸미는 방법을 다룹니다. 셀 값과 수식은 물론 차트와 이미지까지 함께 다루는 연습 내용이 포함되어 있습니다.
수요일
소식 2개
- Real Python
FastAPI로 Python API 개발 배우기
FastAPI를 기초부터 배우며 Python으로 REST API를 만드는 방법을 다룹니다. 또한 Jinja2 템플릿을 사용해 웹 페이지를 제공하고, URL 단축기 프로젝트를 완성하는 내용이 포함되어 있습니다.
- EdSurge
AI로 학생용 텍스트를 낮추는 관행을 멈춰야 합니다
이 글은 교사가 텍스트를 학생의 수준에 맞게 지나치게 단순화하는 ‘text leveling’이 읽기 경험과 사고 과정을 약화시킬 수 있다고 지적합니다. 필자는 한 AI 도구가 이런 작업을 대신해 주지만, 동시에 학생이 스스로 생각할 기회까지 줄일 수 있다고 말합니다. 또한 일부 주에서는 Science of Reading에 맞춰 이런 프로그램에서 벗어나려는 흐름이 있지만, 다른 edtech 기업들은 최신 AI 모델로 여전히 이 방식을 밀고 있다고 전합니다.
화요일
소식 3개
- Real Python
Python 내장 함수 살펴보기
이 글은 Python의 내장 함수를 소개하며, 수학 계산, 데이터 타입 처리, iterable 다루기, I/O 작업에 각각 어떤 함수를 사용할 수 있는지 설명합니다. 또한 상황에 맞는 함수를 선택해 더 Pythonic한 코드를 작성하는 방법을 다룹니다.
- Real Python
Python 내장 함수 이해 퀴즈
Python의 내장 함수를 수학, 데이터 타입, 반복 가능한 객체, 입출력 기준으로 점검하는 퀴즈입니다. 각 함수는 언제 사용하는지 함께 익히도록 구성되어 있습니다.
- FutureLearn Blog
비즈니스 리더에게 중요한 AI 마인드셋
이 글은 AI가 여러 산업에서 비즈니스 역량이 되었지만, 많은 조직이 시험 단계에서 벗어나지 못한다고 말한다. 성공의 핵심은 기술 자체보다 호기심, 비판적 사고, 전략적 활용, 책임 있는 도입, 변화 관리로 이루어진 AI 마인드셋이라고 설명한다.
월요일
소식 4개
- Real Python
NumPy reshape()로 배열 형태 바꾸기
이 글은 Python의 NumPy reshape()를 사용해 배열의 형태를 바꾸는 방법을 설명합니다. 배열의 차원을 추가하거나 제거하고, 데이터가 재배열되는 방식을 제어하는 방법을 배울 수 있습니다.
- Khan Academy Blog
정답보다 풀이 설명이 중요한 이유
Khan Academy는 정답만으로 학생이 문제를 어떻게 이해했는지 알 수 없다고 설명합니다. 풀이를 설명하고 수정하며 추론하는 과정은 생각을 드러내 더 유용한 피드백과 적절한 개입을 가능하게 합니다. AI는 이 사고 과정을 대신하지 않고 지원해야 합니다.
- Real Python
퀴즈: NumPy reshape()로 배열 형태 바꾸기
이 글은 NumPy의 reshape()를 연습하며 배열의 모양을 바꾸는 방법을 다룹니다. 배열에 차원을 추가하거나 제거하고, 데이터가 재배열되는 방식을 제어하는 내용을 익히게 합니다.
- Coursera Blog
누구나 접근할 수 있도록 만든 무료 AI 윤리 강의
UNESCO와 LG가 Coursera에서 9시간 분량의 무료 중급 AI 윤리 강의를 공개했습니다. 고급 기술 지식 없이도 들을 수 있고 11개 언어를 지원하며, 실습 프로젝트를 통해 개인정보 보호, 투명성, 지속 가능성, 인간의 자율성을 다룹니다.
목요일
소식 2개
- Google Education
워털루 Futures Lab, 고등교육과 AI 교육을 다시 설계하다
Google과 University of Waterloo의 Futures Lab은 학생들이 실제로 사용할 수 있는 AI 도구를 만들도록 돕고 있습니다. 이 프로그램은 학생들이 미래의 일자리에 대비할 수 있도록 준비시키는 데 초점을 맞추고 있습니다.
- EdSurge
AI, ESL 교육에서 교사들의 관심을 끌다
다니엘 고메즈는 AI가 여러 언어와 다양한 주제를 함께 다뤄야 하는 이중언어 학습의 공백을 메울 수 있다고 봅니다. 하버드 연구진도 AI 챗봇이 이중언어 학생 학습과 부모-자녀 대화를 지원하는 방식을 연구하고 있습니다. AI는 학습 자료를 다른 언어로 바꾸거나, 영어 핵심 내용은 유지한 채 모국어로 설명과 힌트를 덧붙이는 데 활용될 수 있습니다. 전문가들은 이런 방식이 제대로 설계될 때 이중언어 교육을 크게 돕는다고 말합니다.
수요일
소식 4개
- Khan Academy Blog
기대에 못 미친 첫 Khanmigo에서 배운 점
Sal Khan은 Khanmigo의 첫 버전이 기대한 만큼 학습 효과를 높이지 못했다고 말합니다. 이후에는 AI를 연습 과정에 통합하고, 학생에게 생각을 설명하도록 요청하며, 정답을 바로 주지 않고, 교사가 더 많은 학생을 지원하도록 돕는 방향으로 개선했습니다.
- Code Institute Blog
고고학에서 애플리케이션 지원 직무로 옮긴 과정
Elizabeth Kennard는 코딩 부트캠프를 마친 뒤 고고학 분야에서 애플리케이션 지원 직무로 이동했습니다. 풀스택 기초, 애자일 협업, 해커톤, 실제 프로젝트를 경험하며 이전 기술 경력 없이도 실무 역량을 쌓았습니다.
- EdSurge
학교가 AI 대응에 공감과 협력으로 나선 이유
인디언 학교의 교육기술 코디네이터는 학교 현장에서 AI 도구가 교사와 관리자를 혼란스럽게 만드는 상황을 직접 보았다고 말합니다. 교사들은 학생 글이 AI로 생성된 사실을 뒤늦게 알고 당황하며, 학생은 겉보기에는 성공했지만 실제로는 거의 배우지 못한 사례가 나타났습니다. 이런 문제는 개별 수업의 어려움이 아니라 학교 전체의 정책 공백을 드러내는 신호로 제시됩니다.
- EdSurge
Microsoft AI in Education Report가 보여주는 도입, 신뢰, 부정행위 논란
Microsoft가 6개국의 학생, 교육자, 리더 3,000명 이상을 대상으로 한 AI in Education Report 3번째 판을 공개했습니다. 이 보고서를 바탕으로 한 대화에서는 학교에서의 일상적 AI 사용이 전체 도입률보다 낮은 이유, 학생 낙관론의 최근 하락, 그리고 교육 리더와 교사·학생이 체감하는 연수 격차가 다뤄졌습니다. 또한 AI를 둘러싼 부정행위 논란은 특정 도구보다 오래된 유혹 문제에 가깝다는 견해가 제시됐습니다.
화요일
소식 2개
- Real Python
Python에서 Mixin 클래스 이해하기
이 글은 재사용 가능한 Python mixin 클래스를 작성하는 방법을 소개합니다. 또한 mixin 클래스와 abstract base class의 차이를 설명하고, 자주 발생하는 실수를 피하는 방법을 다룹니다.
- Raspberry Pi Foundation Blog
의료 사례로 보는 데이터 리터러시와 AI 리터러시
AI와 데이터 과학은 데이터에서 인사이트를 얻는 방식을 바꾸고 있으며, 의료 분야에서는 연구자들이 머신러닝을 적용해 새로운 치료법 개발에 활용하고 있습니다. 다만 데이터나 설계에 있던 편향이 시스템에 반영되면 기존 편향이 강화될 수 있어 위험도 함께 커집니다. 이에 Kathy Jessen Eller는 고등학생이 의료 분야에서 데이터와 AI의 역할을 비판적으로 평가하도록 돕는 DSAIY 프로그램을 소개했습니다. 이 프로그램은 학생이 데이터 수집, 준비, 모델 학습, 테스트, 평가를 직접 수행하도록 구성되어 있습니다.