LLM으로 프로덕션 AI 시스템을 구축하세요. OpenAI API, 벡터 데이터베이스, RAG 파이프라인, 함수 호출, MCP, 멀티 에이전트 오케스트레이션을 마스터하세요. 이 트랙은 초급(A1)부터 고급(B2)까지 30개의 점진적 미니 코스로 구성되어 있으며, 짧고 집중된 강의와 빠른 퀴즈로 각 개념을 확실히 습득할 수 있습니다.
기초부터 시작해 중급, 고급 주제로 단계적으로 진행하며, 각 코스는 이전 과정을 바탕으로 합니다. 모든 강의는 실무 중심으로 실제 예제를 통해 배우며, 도움이 필요할 때 AI 튜터를 활용할 수 있습니다.
각 코스는 4개의 집중 강의로 구성됩니다. 하루에 몇 강의씩 완료하면 몇 개월이 아닌 몇 주 안에 전체 트랙을 마스터할 수 있습니다.
AI 기반 도구와 기능으로 학습을 강화하세요
AI Engineering Academy 학습 경로의 모든 코스.
대규모 언어 모델의 아키텍처와 기능을 개념적 수준에서 이해합니다. 트랜스포머, 어텐션 메커니즘, 학습 데이터가 현대 인공지능을 어떻게 형성하는지 학습합니다. LLM이 할 수 있는 일과 할 수 없는 일을 파악하여 처음부터 현실적인 기대치를 세웁니다.
Python 환경을 설정하고 OpenAI에 실제 API를 처음 호출해 보세요. 채팅 완성 엔드포인트를 익히고, 요청과 응답의 구조를 이해하며, 오류를 우아하게 처리하는 방법을 배웁니다. 과정을 마치면 LLM과 대화하는 작동 가능한 스크립트를 완성하게…
원하는 출력을 안정적으로 얻을 수 있는 효과적인 프롬프트 작성의 핵심 원칙을 배웁니다. 제로샷, 퓨샷, 사고 연쇄 기법을 익히고, 구조화된 프롬프트 패턴으로 환각을 줄이며 정확도를 높여 보세요.
LLM이 토큰을 통해 텍스트를 처리하는 방식과 컨텍스트 윈도우가 모델이 한 번에 고려할 수 있는 범위를 어떻게 제한하는지 이해합니다. API 비용이 예상치 못하게 늘어나기 전에 추정하고 제어하는 방법을 배웁니다. 실제 Python 예제로 토큰 수에…
LLM이 애플리케이션에서 안정적으로 파싱할 수 있는 기계 판독용 JSON을 반환하도록 만들어 보세요. OpenAI의 JSON 모드, Pydantic 스키마를 활용한 구조화된 출력, 검증 패턴을 배웁니다. 취약한 문자열 파싱 코드는 그만 작성하고 예측…
텍스트 임베딩이 단어와 문장을 의미를 담은 수치 벡터로 변환하는 방식을 알아봅니다. OpenAI API로 임베딩을 생성하고 유사도 검색, 군집화, 분류에 활용하는 방법을 배웁니다. 임베딩은 모든 RAG 시스템의 기반입니다.
메모리 내 유사도 검색을 넘어, 수백만 개의 벡터를 실제 운영 환경에 적합한 데이터베이스에 저장해 보세요. Pinecone과 pgvector를 설정하고, 문서를 색인하며, 대규모 환경에서 근사 최근접 이웃 질의를 수행하는 방법을 배웁니다. 프로젝트에…
RAG가 필요한 이유와 순수 LLM의 지식 기준 시점 및 환각 문제를 해결하는 방식을 이해합니다. 검색 후 생성이라는 핵심 패턴을 배우고 각 구성 요소가 어떻게 연결되는지 살펴봅니다. 과정을 마치면 RAG 파이프라인을 구축하기 전에 그 모든 구성 요…
Python으로 처음부터 작동하는 처음부터 끝까지의 RAG 시스템을 구축합니다. PDF 문서를 수집하고, 분할하고 임베딩한 뒤, 벡터를 데이터베이스에 저장합니다. 사용자 질의에 관련된 조각을 검색하고 근거가 있는 답변을 생성해 보세요. 과정을 마치면…
RAG 파이프라인이 실제로 제대로 작동하는지 측정하는 방법을 배웁니다. 정밀도와 재현율 같은 검색 지표, 충실도와 관련성 같은 생성 지표를 구현하고, 자동화된 평가 도구를 구축합니다. 더 이상 추측하지 말고 측정해 보세요.
LangChain의 LCEL(LangChain 표현 언어)을 익혀 재사용 가능한 구성 요소로 LLM 파이프라인을 조합합니다. Runnable 인터페이스를 배우고, 순차형 및 분기형 체인을 구축하며, LangChain의 추상화가 복잡한 작업 흐름을 단…
LangChain 애플리케이션에 영구 메모리를 추가해 여러 차례 대화가 이어져도 일관된 흐름을 유지합니다. 다양한 메모리 전략을 배우고, 채팅 기록을 데이터베이스에 저장하며, 컨텍스트 유지와 토큰 비용 사이의 균형을 관리합니다.
다음에 호출할 도구를 추론하고, 작업을 실행하고, 결과를 관찰하며, 작업이 완료될 때까지 반복하는 에이전트를 구축합니다. ReAct(추론 + 행동) 프레임워크를 이해하고 웹 검색, 코드 실행, 데이터베이스 질의가 가능한 에이전트를 구현합니다.
OpenAI의 기본 함수 호출 기능으로 자연어에서 구조화된 데이터를 안정적으로 추출하고 애플리케이션 로직을 실행합니다. 함수 스키마를 정의하고, 병렬 함수 호출을 처리하며, 도구 결과를 대화에 다시 통합하는 방법을 배웁니다.
LLM이 외부 도구, 데이터베이스 및 서비스에 안전하게 연결되도록 하는 개방형 표준인 Model Context Protocol을 학습합니다. Python으로 MCP 서버를 구축하고 리소스와 도구를 외부에 제공한 뒤, 인공지능 어시스턴트를 자체 데이터…
단순한 고정 크기 분할을 넘어 의미적 일관성을 유지하고 검색 정확도를 높이는 정교한 전략을 구현합니다. 부모-자식 분할, 의미 기반 분할을 배우고 PDF, 코드, HTML에 맞는 문서별 전략을 익힙니다.
밀집 벡터 검색과 희소 키워드 검색을 결합해 의미와 정확한 용어 일치를 모두 포착합니다. BM25와 역순위 융합을 배우고 Elasticsearch, pgvector, Pinecone에서 하이브리드 검색을 구현해 검색 성능을 크게 높여 보세요.
교차 인코더 모델로 초기 검색 결과의 순서를 다시 정렬하는 재순위 단계를 추가해 RAG 정확도를 높입니다. 다단계 검색 파이프라인과 컨텍스트 압축을 배우고, 대략적인 검색과 정밀한 재순위 지정을 결합해 높은 정밀도의 결과를 얻습니다.
완전한 응답을 기다리는 대신 API에서 토큰이 스트리밍되는 즉시 표시하는 반응형 인공지능 애플리케이션을 구축합니다. 스트리밍 API, 서버 전송 이벤트, 비동기 Python 패턴과 FastAPI 백엔드에서 스트리밍을 처리하는 방법을 학습합니다.
LLM 파이프라인의 여러 계층에 캐싱을 구현하여 API 비용과 지연 시간을 크게 줄입니다. 인프라 비용을 70% 이상 절감할 수 있는 정확 일치 캐싱, 의미 기반 캐싱, 프롬프트 접두사 캐싱 및 배치 처리 전략을 학습합니다.
단일 에이전트로는 해결할 수 없는 복잡한 작업을 여러 전문 인공지능 에이전트가 협력하여 해결하는 시스템을 설계합니다. 오케스트레이션 패턴, 에이전트 통신 프로토콜, 공유 메모리와 LangGraph를 활용하여 신뢰할 수 있는 다중 에이전트 파이프라인을…
Python 코드를 작성하고 격리된 환경에서 실행하며, 출력을 읽고 오류를 수정한 뒤 작업이 완료될 때까지 반복하는 에이전트를 구축합니다. 안전한 코드 실행과 Docker를 활용한 샌드박싱을 배우고, 데이터 분석 및 자동화 에이전트를 만들어 보세요.
구조화된 추적, 로깅, 모니터링으로 LLM 애플리케이션의 모든 단계를 깊이 있게 파악합니다. LangSmith, Langfuse, OpenTelemetry for LLMs를 배우고 단계별 지연 시간과 토큰 사용량을 추적하며, 문제가 운영 환경에 도달…
LLM 기반 애플리케이션에 영향을 미치는 고유한 보안 위협을 이해하고 방어합니다. 프롬프트 인젝션 공격, 탈옥, 에이전트를 통한 데이터 유출을 배우고, 입력 검증·출력 검사·샌드박싱을 포함한 심층 방어 전략을 구현합니다.
수백 개의 GPU 없이 LoRA(저랭크 적응)를 사용해 사전 학습된 언어 모델을 특정 도메인에 맞게 조정합니다. 미세 조정이 프롬프트 작성보다 효과적인 경우를 배우고, 학습 데이터를 준비하며, Hugging Face PEFT 라이브러리로 LoRA 미…
수천 개의 문서, 이메일, 계약서, 웹 페이지에서 구조화된 정보를 안정적으로 추출하는 운영용 파이프라인을 구축합니다. 스키마 변경, 부분 추출, 대규모 검증을 처리하는 instructor, Outlines, 일괄 추출 패턴을 배웁니다.
실제 프로덕션 부하에서도 빠르고 안정적으로 작동하는 LLM 애플리케이션을 배포합니다. 여러 API 키를 사용한 부하 분산, 대체 제공자, 회로 차단기, 타임아웃 예산을 학습하고, 비결정적 인공지능 서비스를 호출할 때 SLA 요구 사항을 충족하는 전략…
강력한 LLM을 자동 심사자로 활용해 대규모로 다른 LLM 출력의 품질을 평가합니다. LLM 심사 패턴을 배우고, 쌍대 비교 및 점수 기반 평가를 구현하며, 심사 모델을 사람의 평가와 보정하고 확장 가능한 품질 보증 파이프라인을 구축합니다.
스스로 실패를 감지하고 근본 원인을 진단하며 사람의 개입 없이 복구를 시도하는 에이전트를 설계합니다. 오류 분류, 재시도 전략, 자체 수정 프롬프트를 배우고, 장시간 실행되는 작업에서 예상치 못한 상황을 우아하게 처리하는 에이전트를 구축합니다.
이 트랙에서 배운 모든 내용을 적용하여 프로덕션 수준의 인공지능 엔지니어링 프로젝트를 구축하고 출시합니다. RAG, 함수 호출, 스트리밍, 캐싱, 관측 가능성 및 보안을 결합한 시스템을 설계합니다. 실제 백엔드에 배포하고 평가 테스트를 작성하며 설계…
네, AI Engineering Academy 강의를 무료로 시작하고 인터랙티브 레슨을 모두 무료로 완료할 수 있습니다. 선택적 PRO 구독을 통해 고급 AI 도구와 공유 가능한 수료증을 잠금 해제할 수 있습니다.
아니요. 강의는 기초부터 시작하여 점차 더 심화된 주제로 나아가므로 PYTHON 경험이 없어도 시작할 수 있습니다.
직접 해보면서 배웁니다. 짧은 인터랙티브 레슨은 명확한 설명과 실시간으로 실행되는 실습 코딩 연습을 함께 제공하며, 24시간 AI 튜터가 막힐 때마다 맞춤형 도움을 줍니다.
네, PRO 학습자는 시험을 응시하고 AI Engineering Academy 강의의 검증 코드가 포함된 공유 가능한 수료증을 취득할 수 있습니다.
네, CoddyKit은 웹과 iOS, Android 네이티브 앱으로 이용 가능하므로 어느 기기에서나 PYTHON을(를) 배우고 진행 상황이 모든 기기에서 동기화됩니다.
