AI 에이전트 서비스를 처음부터 끝까지 직접 만들 수 있는 개발자를 양성합니다. 파이썬부터 LLM 연동, RAG 구축, 클라우드 배포까지 실무 중심으로 배웁니다.
배운 내용을 실제 서비스로 구현하며, 전 과정이 하나의 흐름으로 연결됩니다.
① 파이썬 데이터분석·인공지능 데이터 전처리 (32H+24H)
- Python 기초 문법 및 FastAPI 개발 환경 구성
- Git·GitHub 버전 관리 및 협업 전략
- CLI·Linux 기본 명령어 / Shell 스크립트
- REST API 설계 및 외부 API 데이터 수집 자동화
- Numpy·Pandas 데이터 탐색·특징 추출 / Matplotlib 시각화
- 결측값·이상치 처리, 정규화·표준화, Feature Engineering
- RAG 기반 문서 정제·Chunking·Embedding·Vector DB 적재
② 인공지능 모델 학습 (24H)
- 머신러닝·딥러닝 알고리즘 (회귀·분류·앙상블 / CNN·RNN·Transformer)
- LLM 구조 이해 및 API 활용 (OpenAI·Gemini·Claude·LLaMA)
- Prompt Engineering (Few-shot·CoT)
- RAG·Fine-tuning 심화
③ 인공지능 서비스 상세설계 (96H)
- AI 서비스 아키텍처 설계 (마이크로서비스 vs 모놀리식)
- LangChain / LangGraph 에이전트 설계 (Tool Agent·ReAct·Multi-Agent)
- 백엔드 서비스 설계 (LLM API 호출, RAG 파이프라인, FastAPI)
- 프론트엔드 서비스 설계 (Chat UI·Dashboard·Streaming UX)
④ AI 플랫폼 지식화 구현 (96H)
- RAG 파이프라인·Vector DB (Chroma·Pinecone·FAISS, Cross Encoder Re-ranking)
- 지식 플랫폼·백엔드·프론트엔드 (LangChain·LangGraph, React·Vue Chat UI)
⑤ AI 플랫폼 인터페이스 구현 (80H)
- 풀스택 AI 서비스 구현 (FastAPI, PostgreSQL·ORM·JWT)
- 프론트엔드·통합 연동 (React, Streaming UI)
- MCP·에이전트 인터페이스 (MCP 이해·활용, AI 에이전트 인터페이스 6종)
⑥ 품질관리 + 서비스 이행 (16H+16H)
- LLM 품질 관리 및 검증 (Hallucination 탐지·대응, RAGAS 품질 평가)
- 테스트 자동화 및 CI/CD (GitHub Actions·Jenkins)
- 컨테이너화 및 클라우드 배포 (Docker, Kubernetes, AWS SageMaker·GCP Vertex AI)
- MLOps 워크플로우 (MLflow·Kubeflow)
⑦ 실무 프로젝트 (168H)
4개 프로젝트 중 진행: GovFit AI(정부지원사업 추천), ClaimZero(물류 클레임 자동 분류), PatentGuard AI(특허 유사도 분석), SalesGPT(B2B 제안서 자동 생성)
- 기획·설계 → 개발 → Docker·Kubernetes 배포 → CI/CD·MLOps 전 과정 수행
- GitHub 포트폴리오 완성, 배포 URL 제출, README 및 발표자료 작성