개강일 지남
AI 애플리케이션 개발자 진입을 위한 생성형 AI 작동 원리·구조 이해 기초
주식회사 하이테커 · 14회차 · 서울 성동구
LLMRAGK-디지털기초
프로그램 요약
- 수업일정
- 2026.08.03 ~ 2026.09.01약 1개월
- 모집정원
- 50명
- 총 시간
- 미표기
- 학습장소
- 서울서울특별시 성동구 상원12길 30온라인
- 강의장
- 1111호 (성수동1가, 동진아이티타워)
- 수강료
- 미공개 상담 시 확인
출처 · 고용24 등록값 · 기관 표기분은 별도 표시
어떤 분이 수강하면 좋을지
- ✓전공·학력 무관 — K-디지털 기초역량은 제도상 전공을 보지 않습니다
- ✓수학·통계·AI 개념 이해가 부족하지만, 생성형 AI를 “원리부터” 알고 싶은 직장인·대학생
- ✓기획·데이터·개발 협업 등에서 기술적 이해(임베딩·벡터·레이어·Loss 등)가 필요한 실무자
- ✓향후 데이터/AI 관련 직무 전환을 준비하며 기초 수학·기술 요소를 정리하고 싶은 학습자
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
고용24 등록 교과목 22개 보기
- 교과목단원명
- AI 애플리케이션 관점에서 보는 신경망과 레이어 구조1. AI 입력과 출력 2. AI 구조와 레이어의 핵심 역할 3. 레이어 내부의 작동원리 4. 실습 - 레이어 구조 시각화
- AI는 텍스트를 어떻게 숫자로 바꿀까? ― 토큰과 임베딩 첫걸음1. 텍스트를 숫자로 바꾸는 이유 2. 임베딩의 역할 3. 유사도를 계산하는 수학적 원리 및 유사도 검색 이해 4. 실습 - 유사도 계산 결과 + 검색 리포트
- 패턴을 본다는 것: 확률과 특징 추출의 직관1. 확률 기반 패턴 인식의 원리 2. 데이터 형태에 따른 패턴의 차이 3. AI가 특징을 추출하는 과정 4. 실습 - 이미지 패턴 시각화 보고서
- 확률 기반 출력 해석: Softmax·엔트로피·크로스엔트로피1. 확률로 변환하는 Softmax의 역할 2.엔트로피: 불확실성을 측정하는 통계적 개념 3.크로스엔트로피: 정답과의 불확실성 거리 계산 4. 실습 - 분류 예제 실습 결과물
- AI는 어떻게 학습하는가: Loss와 AI의 학습 목표 이해1.오답 수정으로서의 학습 2.손실 함수의 역할 3.반복 학습과 오차의 감소 4.실습 - Loss 감소 그래프 및 오답 분석
- 모델 성능을 판단하는 기준: Loss와 Overfitting1.Epoch에 따른 Loss의 변화 2.과소적합(Underfitting) & 과적합(Overfitting) 3. 과적합을 방지하는 방법 4. 실습 - Loss 곡선 시각화 리포트
- 최적화의 기본 구조: Gradient Descent 이해1. Loss와 기울기의 관계 2.경사하강법과 학습률의 관계 3.실습 - 학습률 변화 실험 결과
- 모델이 스스로 수정하는 방식: Backpropagation1.순전파와 역전파 2.연쇄 법칙을 통한 기울기 계산 3.실습 - 단층 신경망 역전파 실험 결과 보고서
- Optimizer 선택 전략: SGD와 Adam 비교1.기본 경사하강법의 한계 2.모멘텀 기반 Optimizer 3.실습 - Optimizer 비교 결과
- Transformer 구조 이해: Attention의 역할1. 자연어 모델의 발전 과정 2. Transformer 이해하기: Attention의 의미와 목적 3. 다양한 Attention 기법 4. Encoder vs Decoder
- Context Window와 Chunking: 문맥 처리 구조1. Context Window 2.입력 길이와 성능 3. Chunking의 필요성 4. Chunking 방식 이해 5.긴 문서 처리 실습
- 임베딩 모델 vs 생성 모델: 역할과 차이1. 검색과 생성 2. 임베딩 모델과 생성 모델 3. 임베딩 기반 검색 4. 생성 모델 비교
- 검색과 생성을 연결하는 구조: RAG 이해1. RAG 구조 다이어그램 2. 임베팅 DB 구축 3. Q&A 파이프라인 실습 4. 검색 정확도 및 응답 품질 비교
- 프롬프트와 확률 1: 프롬프트는 확률 분포를 어떻게 형성할까?1. LLM의 텍스트 생성원리 2. 프롬프트 엔지니어링
- 프롬프트와 확률 2: 질문을 바꾸면 분포가 어떻게 달라질까?1. 프롬프트 성능 실험 설계 실습 2. 실험 결과 분석 및 개선 실습
- 어떤 모델을 쓸까? — 대형 vs 경량 LLM 선택 기준1. 대형 LLM과 경량 LLM 이란? 2. LLM 선택 기준 3. 모델 선택 가이드라인 작성
- AI 애플리케이션 구조 이해 - API 기반 모델 연동1. 서버와 AI 모델의 대화 - API 통신 원리 2. 사용자 입력의 매핑 - API 파라미터 구성 3. 결과 가공 및 검증을 통한 AI 응답의 서비스화 4. API 연동형 서비스 로직 도식화 5. 실습 - Gemini API 호출
- AI 애플리케이션 데이터 파이프라인 설계(DB-AI 연동)1. 데이터베이스와 SQL의 역할 이해 2. 기초 SQL 쿼리를 활용한 데이터 조회 실습 3. DB 데이터의 AI 모델 결합 원리 4. 동적 프롬프트 구성 - DB 조회 결과의 자동 주입 5. AI 서비스 아키텍처 분석
- 생성형 AI 윤리·보안 기초 — 안전하게 쓰기 위한 체크포인트1. 생성형 AI의 윤리·보안 이슈 파악 2. AI활용 가이드라인 검토 3. 윤리·보안 체크리스트 작성
- [종합 프로젝트] 사내 데이터 분석 어시스턴트 - DB-AI 연동 파이프라인 구축 및 종합 분석 리포트 작성1. 문제 상황 정의 및 데이터 분석 실습 2. 파이프라인 구축 실습 3. 실험 결과 분석 및 한계 정리 4. 프로젝트 보고서 작성
- 총 훈련시간31 시간
출처 · 고용24
지원 혜택
기관이 공개한 혜택 정보가 없습니다. 상담에서 확인하세요.
출처 · 기관 랜딩페이지 · 훈련장려금은 제도
지원 절차
기관이 공개한 절차 정보가 없습니다. 지원하면 상담에서 안내받습니다.
출처 · 기관 랜딩페이지 · 기관마다 다릅니다
자주 묻는 질문
비전공자도 지원할 수 있나요?
K-디지털 기초역량은 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?
기관이 공개한 절차에서 별도 시험·전형은 확인되지 않았습니다. 상담 후 수강신청으로 이어집니다.
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 랜딩페이지가 확인되지 않았습니다. 아래 정보는 고용24 등록값입니다.
고용24 2026-08-14 기준 · 매일 갱신
