CIT 코딩 학원의 AI 교육은 AI 도구 사용법이 아닌, AI가 작동하는 원리를 이해하고 직접 설계하는 역량을 키우는 데 집중합니다. 문제 해결의 기초(분해·논리·수학적 사고) → AI 리터러시 → 데이터 분석 → 머신러닝 모델 구현 → AI 프로젝트 설계의 5단계 커리큘럼으로 유아·초등 저학년부터 고등학생까지 수준별 학습이 가능합니다. 생물·인문·예술 등 비(非)CS 전공 희망 학생을 위한 AI + X 융합 트랙도 운영합니다. 압구정역 도보 5분, 싱가포르·홍콩·미국 동부 거주 가정은 1:1 온라인 멘토십으로 합류 가능합니다.
게시일: 2026년 3월 12일 | 최종 수정: 2026년 5월 27일
가능합니다. 미국 대학 입시에서 AI 포트폴리오(비교과 활동 / ECA)가 주목받는 이유는 "코드를 얼마나 잘 짜는가"가 아니라 "어떤 문제를 AI로 풀려 했는가"에 있기 때문입니다. CIT는 이 점에서 출발해 생물·인문·경영·예술 등 코딩을 전공으로 삼지 않는 학생을 위한 AI + X 융합 트랙을 별도로 운영합니다.
AI + X는 학생 자신의 관심 분야(X)와 AI 기술이 교차하는 지점에서 의미 있는 프로젝트를 설계하는 접근법입니다. 아래는 실제 수업에서 다루는 조합 사례입니다.
| 관심 분야 (X) | AI 프로젝트 방향 | 활용 기술 |
|---|---|---|
| 생명과학 / Pre-med | 의료 이미지 분류, 유전체 데이터 패턴 분석 | Python, TensorFlow, 공개 의료 데이터셋 |
| 인문·사회과학 | SNS 감성 분석, 뉴스 편향 탐지, 정책 효과 예측 | NLP, Pandas, scikit-learn |
| 경제·경영 | 주가 패턴 분석, 소비자 행동 예측 모델 | 데이터 분석, 회귀 모델 |
| 예술·음악 | 이미지 생성 모델 파인튜닝, 음악 패턴 분류 | Stable Diffusion, MIDI 데이터 |
| 환경·지구과학 | 위성 이미지로 산림 훼손 감지, 기후 데이터 예측 | CNN, 공개 위성 데이터 |
Python을 전혀 모르는 상태에서 시작해도 괜찮습니다. 처음 4–6주는 데이터 읽기·해석·시각화에 집중하고, 코드는 이미 검증된 라이브러리 수준에서 활용합니다. AI로 '무엇을 물을 것인가'를 설계하는 능력이 코딩 실력보다 먼저 자리 잡혀야 하기 때문입니다. 관련 상세 내용은 AI 포트폴리오 프로그램 페이지에서도 확인할 수 있습니다.
미국 대학 입시에서 AI 포트폴리오(스펙)는 Common App 활동란과 에세이에서 구체적으로 드러나야 합니다. CIT에서 실제로 사용하는 포트폴리오 설계 단계는 다음과 같습니다.
미국 대학 입시에서 AI 활동의 기준점이 되는 프로그램들입니다. Stanford AIMI (AI in Medicine & Imaging) 학년 중 인턴십, Inspirit AI, Veritas AI 등이 고등학생 AI 포트폴리오 빌딩의 대표 외부 프로그램으로 자리 잡혔습니다. Stanford Pre-Collegiate와 Harvard AI Bootcamp는 2026년 여름 코호트를 모집 중입니다. 이들 프로그램이 공통으로 강조하는 원칙은 '스파이크(spike) 모델' — 여러 분야를 얕게 건드리는 것보다 한 분야를 6개월 이상 깊이 파고드는 것이 선택 대학(selective college)에서 훨씬 높은 가중치를 받는다는 점입니다. (출처: Stanford AIMI / Inspirit AI)
깊이(depth)가 넓이(breadth)보다 중요하다는 원칙은 CIT 커리큘럼 전반에 반영됩니다. 한 주제를 여러 학기에 걸쳐 발전시키면서 논문·대회·발표로 이어가는 방식이 단기 프로젝트 여러 개를 모은 것보다 입시에서 훨씬 명확한 스토리를 만들어 줍니다. 고급 트랙에 관심 있다면 에이전틱 엔지니어링 과정도 참고하세요.
CIT의 AI 교육은 유아·초등 1학년부터 시작할 수 있습니다. AI 교육의 출발점은 'AI 도구를 다루는 법'이 아니라 '생각하는 법'이기 때문입니다. 유아·초등 저학년 시기에는 AI를 직접 배우지 않고, 모든 AI 학습의 토대가 되는 문제 해결력을 놀이와 활동으로 단단히 다집니다.
AI를 직접 다루기 전에, 다음 세 가지 사고력을 집중적으로 훈련합니다.
CIT가 생각하는 AI 교육의 본질은 기술 습득이 아니라 '사고의 확장'입니다. 아이는 자신의 생각을 어디까지 넓힐 수 있는지를 경험하고, 그 생각을 AI를 통해 어떻게 현실로 구현하는지를 배웁니다.
문제 해결의 기초가 잡힌 초등 중·고학년부터는 AI 리터러시로, 중학생은 Python 데이터 분석과 기초 머신러닝으로, 고등학생은 본격적인 AI 프로젝트 설계와 대회 준비로 자연스럽게 이어집니다. 학생의 나이와 수준에 맞춰 레벨 테스트를 통해 최적의 출발점을 안내합니다.
CIT의 AI 커리큘럼은 학생의 사고 발달 단계에 맞춘 5단계로 구성됩니다. 문제 해결의 기초에서 출발해 AI 리터러시, 데이터 분석, 머신러닝을 거쳐 AI 프로젝트로 이어집니다.
| 단계 | 추천 대상 | 핵심 학습 |
|---|---|---|
| ① 문제 해결의 기초 | 유아·초등 저학년 | 문제 분해, 논리적·수학적 사고 (코딩·AI 없이) |
| ② AI 리터러시 | 초등 중·고학년 | AI 원리·역사·사례 이해, 비판적 시각 (코딩 없이) |
| ③ 데이터 분석 | 중학생 | Python·Pandas로 데이터 수집·정제·시각화 |
| ④ 머신러닝 | 중·고등학생 | 지도·비지도 학습, scikit-learn 모델 구현·평가 |
| ⑤ AI 프로젝트 | 고등학생 | 주제 선정→설계→발표, 포트폴리오·KSEF 대회 |
유아·초등 저학년부터 시작합니다. AI를 직접 다루기 전에, 큰 문제를 작게 나누는 분해적 사고, 순서와 규칙을 찾는 논리적 사고, 수와 패턴으로 해결하는 수학적 사고를 놀이와 활동으로 다집니다. 모든 AI 학습의 토대가 되는 단계입니다.
AI란 무엇인가, AI의 역사와 원리, 일상 속 AI 사례를 탐구합니다. 코딩 없이도 AI 개념을 이해하고, AI에 대한 비판적 시각을 형성합니다. 문제 해결의 기초를 다진 초등 중·고학년부터 시작합니다.
Python과 Pandas를 활용해 실제 데이터를 수집, 정제, 시각화하는 과정을 학습합니다. 데이터에서 패턴을 발견하고 의미 있는 인사이트를 도출하는 능력을 키웁니다.
지도 학습, 비지도 학습, 분류와 회귀의 개념을 이해하고, scikit-learn을 활용해 실제 머신러닝 모델을 구현합니다. 모델의 정확도를 평가하고 개선하는 과정을 경험합니다.
학생이 관심 있는 주제를 선정하고, 데이터 수집부터 모델 설계, 결과 발표까지 전 과정을 수행합니다. 포트폴리오로 활용 가능하며, KSEF 등 대회 출전과 입시 EC 활동(비교과 활동)으로 연결됩니다. 세부 내용은 포트폴리오 프로그램 페이지를 참고하세요.
AI 교육은 학교 교과와 입시 모두에 직접 연결됩니다. 데이터 분석에서 통계와 수학적 사고를, 모델 설계에서 논리적 추론과 과학적 방법론을 체득하기 때문입니다.
CIT 학생들은 학년별로 다양한 AI 프로젝트를 직접 설계하고 구현합니다. 자신의 관심 분야와 AI가 교차하는 구체적인 질문에서 출발한 프로젝트가 입시에서 가장 설득력 있습니다. 대표 사례는 다음과 같습니다.
프로젝트 경험은 학생의 스펙(포폴)이 되고, 미국 대학 Common App 활동란에 구체적인 내용으로 기재됩니다. 스파이크(spike) 모델에 따라 한 주제를 깊게 파고드는 것이 얕은 프로젝트 여러 개보다 유리합니다.
가능합니다. CIT는 압구정 오프라인 수업과 함께, 싱가포르·홍콩·미국 동부 등 해외 거주 한국 학생을 위해 1:1 온라인 AI 멘토십을 운영합니다. 온라인은 오프라인의 대안이 아니라 확장된 접근 방식입니다. 같은 커리큘럼, 같은 수준의 멘토가 시차에 맞춰 배정됩니다.
싱가포르(SGT UTC+8), 홍콩(HKT UTC+8), 미국 동부(ET UTC-4/5) 시간대에 맞춰 수업 일정 조율이 가능합니다. 수업 방식은 화상(Zoom·Google Meet) 1:1 세션으로 진행되며, 세션 녹화본을 제공해 복습을 지원합니다.
한국에 귀국을 앞두고 있다면 온라인으로 먼저 시작한 뒤 귀국 후 압구정 오프라인 수업으로 자연스럽게 전환할 수 있습니다. 자세한 내용은 온라인 수업 안내 페이지를 참고하거나 카카오톡으로 직접 문의해 주세요.
| 거주 지역 | 권장 수업 시간대 (KST 기준) | 주요 활용 트랙 |
|---|---|---|
| 싱가포르 (SGT) | 저녁 8–10시 KST (현지 저녁 7–9시) | AI+X 포트폴리오, AI 올림피아드 prep |
| 홍콩 (HKT) | 저녁 8–10시 KST (현지 저녁 7–9시) | AI+X 포트폴리오, KSEF 리서치 멘토십 |
| 미국 동부 (ET) | 오전 7–9시 KST (전날 저녁 6–8시 ET) | AI+X 포트폴리오, 귀국 전 선행 준비 |
CIT는 단순한 초기 아이디어를 학생의 관심사와 연결해, '왜 이 문제에 AI를 쓰는지'를 설명할 수 있는 한 주제 깊이의 프로젝트로 발전시킵니다. 결과물 개수보다 설명력과 정합성이 차별성을 만듭니다.
"초기의 단순한 아이디어를 'AI 토론 도구'라는 방향까지 확장해 주신 점이 정말 좋았습니다. 아이가 원래 토론과 사회 이슈에 관심이 많은데, 그 관심사와 프로젝트가 자연스럽게 연결되니 완성도와 차별성이 훨씬 커질 것 같습니다."
개별 학생의 경험이며 동일한 결과를 보장하지 않습니다. · 최종 검토 2026-05
유아·초등 1학년부터 시작할 수 있습니다. 이 시기에는 AI를 직접 다루기보다 문제를 작게 나누는 분해적 사고, 논리적·수학적 문제 해결력 등 AI 학습의 토대를 먼저 다집니다. AI 리터러시 과정은 기초가 잡힌 초등 중·고학년부터 진행합니다.
기초 단계에서는 코딩 없이 AI 개념을 학습합니다. 심화 단계(③ 데이터 분석 이상)에서는 Python을 활용하지만, 코딩 경험이 없는 상태에서 시작해도 수업 안에서 기초부터 배웁니다. 특히 AI+X 트랙은 Python을 전혀 모르는 비CS 학생도 입문 가능하게 설계돼 있습니다.
가능합니다. CIT의 AI+X 트랙은 생물·인문·경영·예술 등 코딩을 전공으로 삼지 않는 학생을 위해 설계됐습니다. Python 코딩보다 '어떤 질문을 AI로 풀 것인가'에 집중하며, 데이터 수집과 분석, 결과 해석, 발표 역량을 함께 키웁니다. 의생명·심리학·사회과학·예술 주제의 AI 프로젝트로 미국 대학 입시 ECA(비교과 활동)를 구성하는 것이 이 트랙의 핵심입니다.
① 관심 분야 + AI 교차점 찾기 → ② 공개 데이터셋 탐색 및 가설 설계 → ③ Python·scikit-learn 또는 no-code AI 툴로 모델 구현 → ④ 결과 분석 및 시각화 → ⑤ GitHub 또는 포트폴리오 사이트에 정리 → ⑥ 대회(KSEF·USAAIO 등) 또는 Common App 활동란 기재 순으로 진행합니다. 스파이크(spike) 모델에 따라 한 주제를 6개월 이상 파고드는 것이 여러 얕은 프로젝트보다 미국 입시에서 훨씬 유리합니다.
자신의 관심 분야와 AI가 교차하는 지점에서 실제 문제를 해결한 프로젝트가 가장 설득력 있습니다. 생명과학에 관심 있다면 의료 이미지 분류, 유전체 데이터 패턴 분석; 인문·사회라면 SNS 감성 분석, 정책 효과 예측; 예술이라면 이미지 생성 모델 파인튜닝이나 음악 패턴 분석이 가능합니다. 중요한 것은 'AI를 왜 이 문제에 적용했는지' 설명할 수 있는 논리입니다.
생성형 AI 도구(ChatGPT, Claude 등)를 활용하되, AI의 원리를 이해하고 비판적으로 평가하는 능력을 키웁니다. "AI가 말하는 것이 왜 옳은가, 왜 틀릴 수 있는가"를 스스로 판단할 수 있는 사고력이 목표입니다.
데이터 분석, 통계, 논리적 사고 훈련이 수학·과학 학습에 긍정적 영향을 줍니다. 특히 통계적 사고와 실험 설계 개념은 IB·AP 과학 내신(IA 등)에 직접 연결됩니다.
KSEF (Korea Science and Engineering Fair), Technovation Girls, CAC, AI 해커톤 등에 참가할 수 있습니다. AI 올림피아드 트랙에 관심 있다면 USAAIO (USA AI Olympiad) 준비도 별도 과정으로 연결됩니다. 대회 일정과 준비 로드맵은 USAAIO 대회 준비 페이지를 참고하세요.
가능합니다. 싱가포르·홍콩·미국 동부 거주 한국 학생을 위해 시차에 맞춘 1:1 온라인 AI 멘토십을 운영합니다. 압구정 오프라인 커리큘럼과 동일한 수준으로 진행되며, 카카오톡 또는 전화로 상담 후 레벨 테스트를 거쳐 시작합니다. 자세한 내용은 온라인 수업 안내 페이지에서 확인하세요.
가능합니다. 단, USAAIO (USA AI Olympiad / 미국 AI 올림피아드)는 미국·캐나다 시민권자 또는 거주자 대상 대회이므로, 한국 거주 학생이라면 IOAI (International Olympiad in Artificial Intelligence / 국제 인공지능 올림피아드) 국가 대표 선발 루트를 목표로 삼게 됩니다. AI 포트폴리오 프로젝트와 올림피아드 수학·ML 이론 준비는 커리큘럼 선에서 병행 설계가 가능합니다. 대회 트랙 상세 내용은 USAAIO 준비 페이지를 참고하세요.
AI 교육, 어디서부터 시작해야 할지 고민이신가요? 레벨 테스트와 무료 상담을 통해 우리 아이에게 맞는 AI 학습 경로를 설계해 드립니다. 해외 거주 가정도 온라인으로 동일하게 상담 가능합니다.