개강일 지남
랭체인을 활용한 AI 영상객체탐지분석 플랫폼 구축과정
코리아AI아카데미 · 6회차 · 서울 강남구
PythonLLMRAG딥러닝머신러닝K-디지털
프로그램 요약
LangChain과 영상 객체 인식 기술을 융합하여 AI 기반 분석 플랫폼을 구축하는 실무 프로젝트 과정(K-Digital Training, 6회차)
- 수업일정
- 2026.08.11 ~ 2027.03.09약 7개월
- 모집정원
- 35명
- 총 시간
- 1,100시간
- 학습장소
- 서울서울특별시 강남구 테헤란로 146 (역삼동 현익빌딩)오프라인
- 강의장
- 3,4층
- 수강료
- 미공개 상담 시 확인
- 훈련장려금
- 월 최대 80만원
회차 확인 필요 기관 랜딩페이지가 다른 기수 정보일 수 있습니다. 일정·비용은 상담에서 확인하세요.
출처 · 고용24 등록값 · 기관 표기분은 별도 표시
어떤 분이 수강하면 좋을지
- ✓전공·학력 무관 — K-디지털 트레이닝은 제도상 전공을 보지 않습니다
- ✓① 전문대 이상 관련 학과 졸업 및 졸업예정자 중 IT관련 전공자 및 자격증 보유자 우대 ② 1차면접 (지면평가 및 기초지식평가) + 2차면접 (면접평가) 점수 합산 60점 이상 훈련생 ③ 비전공자의 경우 기초프로그래밍 역량 보유자
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
- 1NCS전공교과
파이썬(변수, 조건문, 함수 등) · DBMS(SQL, SELECT, DML, 정규화 등) · 데이터 수집(크롤링, 스크래핑, API 활용) · 데이터 저장(CSV, MongoDB, 전처리) · 데이터 분석(Pandas, NumPy, 시각화) · 머신러닝(지도/비지도학습, 모델평가) · 딥러닝(MLP, CNN, RNN, 전이학습, NLP) · UI 인터페이스(Django, HTML/CSS, REST API) · 파이썬 서버제작(웹서버, WSGI, CI/CD)
- 2비NCS전공교과
컴퓨터비전(필터링, 특징 추출, 객체 검출) · OpenCV(영상 처리 및 객체 추적) · 자연어처리(전처리, 임베딩, RNN, Transformer) · 멀티모달(GAN 생성, LSTM 기반 텍스트 분석) · LLM(프롬프트, 파인튜닝, OpenAI API) · 프롬프트 엔지니어링(Zero-shot, RAG 프롬프트) · 랭체인/LangGraph 기초, RAG(Embedding, Vector DB, QA) · AI Agent(OCR, 캡셔닝, VQA 등 시각정보 처리)
- 3프로젝트
중간 프로젝트: 공공데이터 AI허브를 활용한 시스템 구축 · 최종 프로젝트: 멀티모달 AI Agent를 활용한 AI 서비스 개발
- 4재량교과
선발평가 · 입학식/수료식 · 참여기업 멘토링 · 실무자 특강 · 취업특강
고용24 등록 교과목 26개 보기
- 재량교과_취업특강1. 취업특강1 - 산업동향 소개 2. 취업특강2 - 이력서 초안 가이드 안내 및 작성 - 훈련생별 취업가이드 3. 취업특강3 - 모의면접 진행 - 이력서 배포
- 파이썬Python 소개, colaboratory 변수, 파이썬의 입출력 함수 문자열, 문자열 함수, 리스트, 튜플 조건문, 조건문의 활용 반복문, 반복문의 활용 딕셔너리, 셋, 컬렉션을 이용한 반복문의 활용 사용자 정의 함수, 람다 함수, 콜백 함수, 타입 어노테이션 클래스와 객체, 생성자, 메소드 상속, 오버라이딩, 스폐셜 메소드, 클로저, 데코레이터 모듈, 예외처리, 파일 입출력
- DBMSDBMS, 개발 환경 구축, SELECT문, ORDER BY절, 자료형의 종류와 사용 방법, Alias 사용 방법, 연결연산자, 산술연산자, 관계연산자, SQL연산자, 논리연산자, WHERE절, DML, DDL, 제약 조건의 종류, DELETE문과 TRUNCATE문의 차이 무결성과 모델링(기획), 요구사항 분석, 개념 모델링, 논리 모델링, 물리 모델링, 구현, 정규화, GROUP BY, HAVING 절 SUBQUERY, ROWNUM 형변환 함수, 집합, VIEW, CASE 표현식, WINDOW 함수
- 데이터수집빅데이터 개념 및 중요성, 다양한 데이터 소스와 수집 방법, 파이썬 기초 문법, 데이터 수집에 유용한 라이브러리 소개 (requests, BeautifulSoup), 웹 스크래핑 개념, BeautifulSoup을 이용한 웹 스크래핑 실습, Selenium을 이용한 동적 웹페이지 스크래핑, API 개념 및 활용 방법, 다양한 API를 통한 데이터 수집 실습 (Twitter API, Google Maps API), 파일 저장 (CSV, JSON) 웹 크롤링의 개념 및 원리 (HTML, CSS, HTTP), Python Requests, BeautifulSoup 라이브러리 활용, 웹 페이지 데이터 추출 실습, 동적 웹 페이지 크롤링 (Selenium), 크롤링 API의 개념 및 종류 (REST, GraphQL), Python Requests 라이브러리를 활용한 API 호출 및 JSON 데이터 파싱
- 데이터 저장관계형 데이터베이스와 비관계형 데이터베이스, 데이터 정제 (결측치 처리, 이상치 제거, 중복 제거) , 데이터 변환 (타입 변경, 스케일링, 텍스트 전처리) CSV, Excel 파일로 저장, NoSQL 데이터베이스 심화, NoSQL 종류별 특징 (Key-Value,, Document, Column-Family, Graph), MongoDB 실습 (Document 데이터 모델링
- 데이터 분석파이썬 데이터 분석 개요(Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn), Anaconda 설치 및 환경 설정, Jupyter Notebook 사용법 Pandas Series, DataFrame 이해 및 생성, 데이터 불러오기 (CSV, Excel, SQL database) 및 저장, 데이터 인덱싱, 슬라이싱, 필터링, 데이터 정렬, 그룹화, 피벗, 결측치 처리, 데이터 변환 (apply, map 함수 활용), Pandas 실습 (다양한 데이터셋 활용)NumPy Array 이해 및 생성, Array 연산 (사칙연산, 행렬 연산), NumPy Broadcasting, NumPy 통계 함수 활용, NumPy 난수 생성 Matplotlib 기본 그래프 (line plot, scatter plot, bar plot, histogram, pie chart), Seaborn 고급 그래프 (distribution plot, relational plot, categorical plot), 데이터 시각화 실습,
- 머신러닝머신러닝 개요 및 종류 (지도 학습, 비지도 학습), 지도 학습 (Supervised Learning): 분류 (Classification), Logistic Regression, Support Vector Machine (SVM), Decision Tree, Random Forest, K-Nearest Neighbors (KNN), 회귀 (Regression), Linear Regression Polynomial Regression Decision Tree Regression Random Forest Regression 비지도 학습 (Unsupervised Learning): 군집화 (Clustering): K-Means Hierarchical Clustering DBSCAN 차원 축소 (Dimensionality Reduction): Principal Component Analysis (PCA) 모델 평가 (Accuracy, Precision, Recall, F1-score, ROC curve, Confusion Matrix) Scikit-learn 실습 (모델 구축, 학습, 평가)
- 딥러닝딥러닝 개요 및 인공지능 학습 구조 이해, GPU와 CUDA 기반 딥러닝 연산 구조 이해, Colab GPU 환경 설정 및 활용 방법, 클라우드 GPU 환경 활용, 원격 GPU 서버 접속 및 개발 환경 구성, TensorFlow 및 PyTorch 개발 환경 구축, Tensor와 자동 미분이해, 딥러닝 기본 구조 및 학습 원리, 다층 퍼셉트론(MLP) 및 활성화 함수(ReLU, Sigmoid, Softmax), 손실 함수와 최적화 알고리즘(Adam, SGD), Backpropagation 원리 이해, TensorFlow/Keras 기반 딥러닝 기초 실습, PyTorch 기반 모델 구현 및 학습 실습, 합성곱 신경망(CNN) 구조 및 이미지 분류 실습, 전이학습(Transfer Learning) 및 Pre-trained Model 활용(ResNet, EfficientNet), 데이터 증강(Data Augmentation) 및 이미지 전처리, 시계열 데이터 처리 기초, HuggingFace 기반 딥러닝 모델 활용 기초, 실무형 딥러닝 프로젝트 구현
- UI 인터페이스UI및 UX 개념 이해, UI/UX 디자인 원칙(가시성, 접근성, 일관성, 피드백) 및 사용자 중심 인터페이스 설계, 사용자 흐름(User Flow) 및 정보 구조 설계, Figma를 활용한 와이어프레임 및 프로토타입 제작, HTML5(JSX)·CSS3·JavaScript 기초 문법 및 웹 표준 이해, Flexbox·Grid 기반 반응형 웹 디자인 구현, React 기반 컴포넌트 구조 및 상태 관리(useState, useEffect) 이해, Next.js 개발 환경 구축 및 App Router 기반 프로젝트 구조 설계, Server Component와 Client Component 이해 및 활용, Tailwind CSS를 활용한 UI 스타일링, 이벤트 처리 및 폼 데이터 검증, fetch 및 async/await 기반 비동기 통신, FastAPI 개발 환경 구축 및 RESTful API 설계, Pydantic 기반 데이터 검증 및 요청/응답 처리, SQLAlchemy를 활용한 데이터베이스 연동 및 CRUD API 구현, JWT 기반 로그인 및 인증 처리 기초, 파일 업로드 및 정적 파일 관리, Next.js와 FastAPI 연동을 통한 프론트엔드·백엔드 분리 구조 이해, API 호출 및 데이터 렌더링, 데이터 시각화, WebSocket 기반 실시간 통신 기초, 환경 변수 및 프로젝트 설정 관리, Docker 기반 개발 환경 기초 이해, Vercel·Render·AWS 기반 배포 구조 이해, Next.js + FastAPI 기반 실무형 AI 웹 서비스 프로젝트 구현
- 파이썬 서버제작클라이언트-서버 아키텍처 이해, 웹서버구축(Apache, NginX), 설정파일 수정, Virtual Host 설정, SSL/TLS 설정, 웹 서버 성능 최적화, WSGI 설정, 데이터베이스 서버 설정, 자동 배포 구축(GitHub 사용), GitLab CI/CD 파이프라인 구축, 스크립트 작성
- 컴퓨터비전컴퓨터 비전 개요 및 이미지 형성, 이미지 형성 과정 (빛, 센서, 디지털 이미지), 카메라 모델 (핀홀 카메라 모델, 투영 변환), 렌즈 왜곡 (방사형 왜곡, 접선 왜곡), 색 공간 (RGB, CMYK, HSV, CIE Lab),점 연산 (대비 조절, 밝기 조절, 감마 보정), Python 코드 예제: NumPy를 이용한 밝기 조절, 히스토그램 (히스토그램 평활화, 히스토그램 매칭), 공간 필터링 (선형 필터, 비선형 필터), 주파수 영역 필터링 (푸리에 변환, 주파수 스펙트럼 분석), 모폴로지 연산 (침식, 팽창, 열기, 닫기), Python 코드 예제: NumPy를 이용한 모폴로지 연산 구현, 에지 검출 (Canny, Sobel, Laplacian), 코너 검출 (Harris, Shi-Tomasi), SIFT (Scale-Invariant Feature Transform), SIFT 알고리즘 설명 및 특징 추출 과정 시각화, 객체 검출 기초, 이미지분할 기초
- OpenCVOpenCV 기본 사용법, OpenCV 설치 및 환경 설정, 이미지 입출력, 색 공간 변환 (cv2.cvtColor), 이미지 크기 조절, 이미지 자르기 (NumPy slicing), OpenCV 데이터 타입 (NumPy ndarray), 이미지 처리, 필터링, 에지 검출, 기하학적 변환, 히스토그램, 모폴로지 연산, 이미지 스무딩, 샤프닝, 에지 강조 실습, 코너 검출, Blob 검출 , 특징점 매칭, 파노라마 이미지 생성 실습, 객체 인식 실습, 객체 검출, Haar Cascade Classifier, , HOG (cv2.HOGDescriptor, scikit-learn 활용), 얼굴 검출, 눈 검출 실습, 보행자 검출 실습, 비디오 처리, 비디오 캡쳐 , 프레임 단위 처리, 동영상 녹화 (cv2.VideoWriter), 배경 제거, 객체 추적 실습
- 멀티모달멀티모달 AI 개요 및 최신 AI 트렌드 이해, 텍스트·이미지·음성·영상 데이터 융합 개념 이해, 멀티모달 데이터 전처리 및 데이터셋 구성, 이미지 캡셔닝(Image Captioning) 개념 이해, Vision Transformer(ViT) 및 CLIP 모델 이해, 이미지와 텍스트 임베딩 개념 이해, OCR 기반 문자 인식 기초, 음성 데이터 및 STT(Speech-to-Text) 기초, 이미지·텍스트 기반 질의응답(VQA) 개념 이해, HuggingFace 기반 멀티모달 모델 활용 및 이해, Vision-Language Model(VLM) 구조 이해, 이미지 기반 질의응답 및 멀티모달 추론 실습, 이미지 생성 및 생성형 AI 기초, OpenCV와 멀티모달 모델 연계 처리, 영상·이미지 기반 AI 분석 실습, 멀티모달 데이터 검색 및 유사도 분석 기초, GPU 기반 멀티모달 모델 추론 및 활용, 실무형 멀티모달 AI 실습
- 자연어처리NLP 개요 및 텍스트 전처리 개요, 텍스트 데이터 수집 및 정제, 텍스트 전처리:Tokenization (토큰화): 단어, 형태소 분리, Stopwords removal (불용어 제거), Stemming (어간 추출), Lemmatization (표제어 추출), 정규 표현식 (Regular Expression) 활용, 텍스트 표현 (Text Representation), Bag-of-Words (BoW), TF-IDF (Term Frequency-Inverse Document Frequency), Word Embedding:Word2Vec (CBOW, Skip-gram), GloVe (Global Vectors for Word Representation), FastText, Pre-trained Word Embedding 활용, 순환 신경망 (RNN)을 이용한 NLP, Text Generation (텍스트 생성),Transformer 모델(Self-Attention Mechanism, Multi-Head Attention, Encoder-Decoder, BERT, GPT
- 공공데이터 AI허브를 활용한 시스템 구축 중간프로젝트[프로젝트 기획] *프로젝트 기획 및 주제선정 1. 프로젝트 목표 및 범위 정의 - 목표설정: 프롬프트 UI 구현과 기능에 대한 주요 목적과 기대결과를 명확히 정의 - 범위설정: 프로젝트 결과범위를 구체화하여 관리가능한 수준으로 제한 - 프로젝트 목표 설정 및 성공 기준 정의 - 이해관계자 분석: 프로젝트에 영향을 미치거나 영향을 받는 이해관계자 파악 2. 프로젝트 주제 선정 (본인의 관심 분야 또는 사회 문제 해결) 및 아이디어 구체화 - 팀 구성 및 역할 할당 - 역할 및 책임 할당: 각 팀원의 역할과 책임을 명확히 정의하고 할당 - 커뮤니케이션 계획 수립: 효율적인 팀 커뮤니케이션 및 협업을 위한 계획 수립 - 타겟 사용자 정의 및 사용자 요구사항 분석 3. 개발 환경 및 도구 설정 - 기술 스택 결정: 프로젝트에 적합한 프로그래밍 언어, 프레임워크, 라이브러리 결정 - 개발 도구 설정: 소스 코드 관리(Git 등), 협업 도구(Slack, Jira 등) 설정 4. API 설계 및 명세서 작성 - RESTful API 엔드포인트 정의 - HTTP Methods (GET, POST, PUT, DELETE, PATCH) 정의 - Request/Response 데이터 포맷 정의 (JSON Schema) - API 인증 및 권한 부여 방식 정의 [DB 설계 및 구축] *데이터 준비 모델 개발 1. 데이터베이스 모델링 및 ERD 설계 2. 데이터베이스 테이블 설계 및 정규화 3. 테이블 간 관계 설정 (ERD 작성) 및 관계형 데이터베이스 모델링 4. 데이터 타입 및 제약 조건 정의 5. ORM 구축, 모델 정의, 관리자 페이지 설계 6. 폼 유효성 검사 (클라이언트 측 및 서버 측) 7. 템플릿 엔진 사용법 구상 8. 웹프레임워크 URL 설정 및 View 함수 설계 9. UI/UX 디자인(와이러 프레임, 목업 제작) 10. 정적파일 설정, 웹프레임워크 개발 서버 사용법 구상 - 웹 애플리케이션 UI 레이아웃 디자인 - 주요 페이지 UI 디자인 (메인 페이지, 목록 페이지, 상세 페이지, 폼 페이지) - 와이어프레임 및 목업 제작 (Balsamiq Mockups, Figma, Adobe XD) [개발 구축 4개 주제 중, 택1] *구축 및 개발 1. 의료공공데이터 활용 서비스 제작 2. 산재 데이터 분석 및 추천 정보제공 플랫폼제작 3. 교통&물류 데이터 서비스 제작 4. 공모전 대비반 주제 선정 (정부, 기업, 대학 등 공모전 주제에 맞는 프로젝트 기획) [프로젝트 테스트 배포 발표 피드백] *프로젝트 테스트 1. 통합 테스트 케이스 작성 2. 통합 테스트를 통해 작성된 FBS와 WBS의 기능 구축 결과 확인 *산출물 정리 및 배포 1. 산출물 정리 및 배포 파일 작성 *프로젝트 보고서 작성 및 발표 1. 프로젝트 발표 및 포트폴리오 작성
- 멀티모달 AI Agent를 활용한 AI 서비스 개발 최종 프로젝트[프로젝트 기획] *프로젝트 기획 및 주제선정 1. 프로젝트 목표 및 범위 정의 - 목표설정: 이미지, 영상 자료에서 정보를 추출하고, 사용자의 질문에 답변하며, 문서 내용을 요약하는 지능형 시스템 구축 - 범위설정: 프로젝트 결과범위를 구체화하여 관리가능한 수준으로 제한 - 프로젝트 목표 설정 및 성공 기준 정의 하기 2. 프로젝트 주제 선정 (본인의 관심 분야 또는 사회 문제 해결) 및 아이디어 구체화 - 팀 구성 및 역할 할당 - 역할 및 책임 할당: 각 팀원의 역할과 책임을 명확히 정의하고 할당 - 커뮤니케이션 계획 수립: 효율적인 팀 커뮤니케이션 및 협업을 위한 계획 수립 - 타겟 사용자 정의 및 사용자 요구사항 분석 3. 팀빌딩 [프로젝트 구축 준비] *데이터 분석기반 이미지 모델링 환경 설정 1. 데이터 분석기반 이미지 모델링 환경 설정 2. 파이썬 기반 빅데이터 처리 및 이미지 데이터 수집 및 전처리 구축 3. 프로젝트 주제와 부합한 컴퓨터 비전 및 자연어 처리 모델 사전 조사 4. 웹 인터페이스 화면 설계 [개발 구축 4개 주제 중, 택1] *구축 및 개발 1. 멀티모달 기반 음성 이미지 영상 AI서비스 개발 2. 컴투루 aiSee FACE 활용 영상인식 플랫폼 제작 3. 랭체인 랭그래프 에이전트를 활용한 서비스 개발 4. 공모전 대비반 주제 선정 (정부, 기업, 대학 등 공모전 주제에 맞는 프로젝트 기획) [프로젝트 테스트 배포 발표 피드백] *프로젝트 테스트 1. 통합 테스트 케이스 작성 2. 통합 테스트를 통해 작성된 FBS와 WBS의 기능 구축 결과 확인 *산출물 정리 및 배포 1. 산출물 정리 및 배포 파일 작성 *프로젝트 테스트 1. 통합 테스트 케이스 작성 2. 통합 테스트를 통해 작성된 FBS와 WBS의 기능 구축 결과 확인 *프로젝트 보고서 작성 및 발표 1. 프로젝트 발표 및 포트폴리오 작성
- 입학식/수료식1. 입학식 - OT - 과정소개 - 법정의무교육 - 사전평가 2. 수료식 - 수료식 - 우수훈련생 포상 - 기타 시상 - 단체사진 촬영
- 선발평가1. 기업참여 선발평가 2. 기초테스트 진행 및 인성면접
- 재량교과_참여기업_공공데이터 AI허브를 활용한 시스템 구축 중간프로젝트- 기획안 검토 - 멘토링 - 발표 피드백
- 재량교과_실무자특강- 참여기업 실무자 특강
- 재량교과_참여기업_멀티모달 AI Agent를 활용한 AI 서비스 개발 최종 프로젝트- 기획안 검토 - 중간 멘토링 - 피드백 - 발표회 참석
- LLMLLM 개요 및 Fine-tuning, Fine-tuning 개요, Few-shot Learning, Zero-shot Learning, Prompt Engineering: 프롬프트 작성 전략, Hugging Face Hub 활용, LLM 활용 및 응용, 텍스트 생성, 다양한 스타일의 텍스트 생성 코드 생성 (Code Generation), 텍스트 요약 (Text Summarization), 대화형 AI (Conversational AI), OpenAI API 활용, GPT-3, ChatGPT API 사용, API Key 발급 및 사용 방법, LLM 심화, LLM 구조 (Transformer 기반) 심층 분석, Attention Mechanism 심화 학습, Scaling Laws: 모델 크기, 데이터 크기, 학습 시간의 관계, 최신 LLM 모델 소개 (GPT-4, PaLM, LLaMA 등)
- 프롬프트 엔지니어링프롬프트 엔지니어링 개요, LLM 작동 방식 & 프롬프트 구성 요소 분석, 효과적인 프롬프트 디자인 원칙 습득 Zero-shot, Few-shot, Chain-of-Thought, Role Playing 실습, 다양한 LLM API (OpenAI, Hugging Face) 활용 Prompt Iteration, Decomposition, Constrained Generation 실습, 마케팅 카피, 코드 생성, 데이터 분석 등 응용 분야별 디자인, RAG 시스템에 적합한 프롬프트 디자인: 텍스트 검색 결과와 LLM의 조합을 고려한 프롬프트 설계 학습
- 랭체인/LangGraph 기초, RAGLangChain 및 LangGraph 개요와 최신 Agent 기반 AI 시스템 이해, 생성형 AI와 RAG 구조 이해, LLM의 한계와 해결 전략, LangChain 개발 환경 구축 및 OpenAI API 연동, LangChain 핵심 모듈 이해, 다양한 데이터 로더 활용 Unstructured 기반 문서 로드 및 데이터 전처리, Text Splitter 기반 문서 청킹 전략, Embedding 모델 이해, Vector Database 개념 및 활용, Vector Search·BM25·Hybrid Search 이해, Retriever 구조 및 검색 최적화, Reranker 기반 검색 성능 향상, 검색 성능 평가, RetrievalQA 및 ConversationalRetrievalChain 구현, Memory 기반 대화 시스템 구축, 문서 기반 질의응답(QA) 시스템 구현, Streaming 응답 처리 및 비동기 처리, LangSmith 기반 체인 추적 및 디버깅, LangGraph 기반 StateGraph 및 상태 흐름 설계, Node·Edge·Conditional Edge 기반 Workflow 구현, Multi-Agent 구조 및 Supervisor 패턴 구현, Tool Calling 및 Function Calling 연동, 외부 API 및 데이터베이스 연동, Self-RAG 및 Reflection 기반 Agent 구조 이해, Human-in-the-Loop(HITL) 개념 이해, 실무형 RAG 챗봇 및 문서 분석 AI 프로젝트 구현
- AI AgentAI Agent 및 Agentic Workflow 개요, LangGraph 기반 상태 기반 AI 시스템 설계, StateGraph·Node·Edge·Conditional Routing 구조 이해, Multi-Agent 및 Supervisor Agent 구조 구현, Reflection 및 Planning 기반 Agent Workflow 이해, ReAct 패턴 및 Tool Calling 기반 추론 구조 구현, MCP 개념 및 최신 AI Tool Ecosystem 이해, MCP Client·Server 구조 이해 및 FastMCP 기반 MCP 서버 구축, 외부 Tool 연동, OpenAI Function Calling 및 Structured Output 활용, Pydantic 기반 구조화 출력 및 데이터 검증, Long-term/Short-term Memory 관리 및 Context Engineering, 문서 분석 Agent·데이터 분석 Agent·검색 Agent 구현, OCR·OpenCV·멀티모달 모델과 Agent 연동, 웹 검색 및 실시간 데이터 수집 Agent 구현, 코드 실행 및 Python Tool 연동, Streaming 응답 및 실시간 Agent 처리 구조 이해, 비동기 처리 및 병렬 Agent 처리 기초, AI Agent 보안 및 권한 관리 기초, LangSmith 기반 Agent 모니터링 및 평가, Prompt Routing 및 Dynamic Workflow 구성, AutoGen·CrewAI·OpenAI Agent SDK 등 최신 Agent Framework 이해, MCP 기반 멀티툴 AI 시스템 구현, 실무형 AI Agent 플랫폼 및 멀티모달 Agent 프로젝트 구현
- 총 훈련시간1108 시간
출처 · 기관 랜딩페이지 · 접힘은 고용24 등록 교과목
지원 혜택
금전 지원
- ·훈련장려금 월 최대 800,000원
취업 연계
- ·실무 기반 프로젝트로 포트폴리오 완성 지원
- ·참여기업 멘토링
- ·취업특강
- ·IT전문 협약기업 100여 곳 연계(공통 안내)
그 외
- ·최대 100% 국비지원
- ·실무자 특강
출처 · 기관 랜딩페이지 · 훈련장려금은 제도
지원 절차
선발 전형이 있습니다 서류·면접 등 전형을 거쳐야 합니다. 신청한다고 모두 수강할 수 있는 것은 아닙니다.
- 1선발평가
출처 · 기관 랜딩페이지 · 기관마다 다릅니다
자주 묻는 질문
비전공자도 지원할 수 있나요?
K-디지털 트레이닝은 제도상 전공·학력을 보지 않습니다. 다만 기관이 밝힌 훈련 대상이 있어 위 「어떤 분이 수강하면 좋을지」를 함께 확인하세요.
내일배움카드가 꼭 있어야 하나요?
지원 시점에 없어도 됩니다. 상담 단계에서 발급을 진행합니다. 다만 수강신청은 카드가 있어야 마칠 수 있습니다.
선발 절차가 있나요?
있습니다. 위 「지원 절차」의 서류·면접 전형을 확인하세요.
훈련장려금을 받을 수 있나요?
출석률 조건을 채우면 월 최대 80만원까지 받을 수 있습니다. 지급 조건은 기관·제도 기준을 따릅니다.
예전에 국비 교육을 들었는데 또 되나요?
중복수강 제한이 있을 수 있습니다. 최근 수료 이력이 있으면 상담 단계에서 먼저 확인해야 합니다.
출처 · 제도 요건 · 과정 데이터로 답이 채워지는 질문만
기관 랜딩페이지 https://koreaitacademy.com/2025/ncs/schedule_view.asp?seq=93
고용24 2026-08-14 기준 · 매일 갱신
