개강일 지남
AI 리터러시에서 웹앱까지 : 당신의 커리어를 바꾸는 AI 기초 체력
주식회사구름 · 12회차 · 경기 성남시
JavaReact클라우드LLMRAGK-디지털기초
프로그램 요약
- 수업일정
- 2026.08.07 ~ 2026.10.12약 2개월
- 모집정원
- 40명
- 총 시간
- 미표기
- 학습장소
- 경기경기도 성남시 분당구 판교로 242 (삼평동)온라인
- 강의장
- PDC A동 902호
- 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
- ✓본 과정은 초급(입문) 수준으로, 비전공자/AI 입문자가 AI 학습·실습의 기초역량을 단계적으로 확보하는 것을 목표로 함. [학습 목표] AI 활용 윤리·보안·저작권·데이터 보호 원칙을 이해하고, 업무/학습에서 안전하게 적용할 수 있도록 함. AI 기초 수리(AI Math) 핵심 개념(확률·오차·벡터/행렬·최적화·과적합)을 직관적으로 이해하여 결과 해석 역량을 갖추도록 함. AI 도구·워크플로를 활용해 문제 정의→분석→결과 정리(산출물 제출)까지 수행 가능한 수준의 실습 역량을 확보하도록 함. [필수 사항] PC 기본 사용 가능자: 파일/폴더 관리, 브라우저 사용, 프로그램 설치/실행이 가능해야 함. 온라인 학습/협업 가능자: 강의 시청, 과제 제출, 구글 드라이브/노션 등 기본 사용이 가능해야 함. 기초 수리 이해: 평균·비율·백분율 수준의 기본 개념 이해(고급 수학 증명/계산 능력은 불필요). 실습·과제 수행 의지: 차시별 실습 및 결과물 정리·제출이 가능한 자. 프로그래밍/데이터 경험은 필수 아님(변수·조건문 등 입문 용어 경험, 엑셀/시트 활용 경험이 있으면 학습 효율 향상). [유의 사항] 개인정보·기밀정보 입력 금지 등 보안·윤리 준수가 가능하며, 개인 PC/노트북으로 실습 참여가 가능한 자.
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
고용24 등록 교과목 82개 보기
- 교과목단원명
- 1.2 AI 보안 사고와 데이터 보호 실패 사례 분석AI 기업 보안 사고 유형, 데이터 유출 구조, 프롬프트·로그 위험
- 1.3 생성형 AI와 저작권: 안전한 활용의 기준선생성형 AI 저작권 논쟁 구조, 학습 데이터와 결과물 이슈
- 1.4 신뢰할 수 있는 AI를 위한 윤리 가이드라인국제 AI 윤리 가이드라인 개요, UNESCO·OECD·EU 기준 흐름
- 1.5 AI 오용을 막는 개인·조직 실천 가이드개인 사용 수칙, 조직 차원의 보호체계, AI 오용 사례 점검, 체크리스트
- 1.1 AI 윤리·보안·저작권 문제의 중요성생성형 AI 확산 배경, AI 윤리 문제의 본질, 인간 중심 AI 개념
- 1.1 AI가 수학을 활용하는 방식규칙 기반과 데이터 기반 판단 비교, AI가 확률로 추측하는 이유
- 1.2 데이터는 어떻게 숫자가 되는가텍스트·이미지 데이터의 숫자화 개념, 숫자 표현의 중요성
- 1.3 평균과 분산 – AI가 ‘보통’을 이해하는 방법평균의 한계, 분산과 표준편차의 직관적 의미
- 1.1 AI 산업전환(AX)의 개념과 2026년 전망AX 정의, DX와의 차이, 2026 산업 구조 변화
- 1.2 2025~2026 글로벌 AX 트렌드 핵심 분석에이전틱 AI, SLM 확산, 합성데이터, 멀티모달 AI
- 1.3 기업의 AI 도입 Life-cycle: PoC→Pilot→Scaling도입 단계별 리스크 및 성공 요인
- 1.4 최신 AI 인프라: GPU·LLM·멀티클라우드·Agentic 스택온디바이스·엣지·LLM 인프라 전망
- 1.5 산업전환의 경제학: ROI·TCO·생산성 프레임워크의사결정자의 관점에서 보는 AI ROI
- 2.1 금융·리테일 AX 혁신초개인화·리스크 자동화 사례 분석
- 2.2 제조·에너지·물류: 피지컬 AI와 스마트팩토리로보틱스·예지정비·디지털트윈
- 2.3 공공·교육·헬스케어: 책임성과 신뢰 중심Responsible AI·AI Act 기반 공공 혁신
- 2.4 콘텐츠·미디어·디자인: 멀티모달 혁신Sora Turbo·AudioGen·이미지·영상 자동 제작
- 2.5 산업별 AX 성공 공식 2026데이터 전략·조직문화·AI Literacy
- 3.1 조직문화와 리더십 전환Anysphere·Anthropic형 조직문화 분석
- 3.6 멀티 LLM 연계 시스템 구현 및 결론RPA·LLM·GenAI 융합형 자동화 트렌드 및 로드맵
- 3.2 AX 실행 로드맵 설계전략 → 실행 → 확산 프레임워크
- 3.3 AI 거버넌스 전략정책·윤리·보안·프라이버시·합성데이터
- 3.4 인재·조직 역량 강화직무 기반 AI 역량 모델링
- 3.5 AX 포트폴리오 관리프로젝트 우선순위·투자 전략
- 4.1 LLM 기반 의사결정 자동화예측·분석·추천 중심 의사결정
- 4.2 RAG 기반 조직 문서 자동화Retrieval·Chunking·Embedding
- 4.3 기업용 에이전트 구축MCP·Agent Builder 기반 자동화 에이전트
- 4.4 산업별 AX 시나리오 미니 프로젝트제조·공공·교육·콘텐츠 중 선택
- 4.5 종합 정리 및 발표AI Transformation 최종 전략맵 완성
- 1.1 AI와 함께하는 새로운 코딩 방식, ‘바이브코딩(VibeCoding)’의 탄생바이브코딩 철학, 실습 흐름, 첫 페이지 제작
- 1.2 GPT와 Claude로 기획하는 나만의 첫 웹앱 아이디어GPT·Claude 프롬프트로 앱 기획서 작성
- 1.3 Cursor로 코딩 시작하기: 설치, 계정 연결, 기본 설정계정 연결, 프로젝트 생성, 코드 실행 실습
- 1.4 HTML·CSS·JavaScript로 웹의 뼈대 이해하기HTML/CSS/JS 기본 요소와 상호작용 구조
- 1.5 GitHub와 연동해 협업·버전관리 환경 구축하기리포지토리 생성, 커밋·푸시·협업 실습
- 2.1 MyToDo App 기획: GPT와 함께 기능 목록 설계하기요구사항 분석, 기능 목록 및 구조 설계
- 2.2 Cursor에서 MyToDo App UI 빌드: HTML·CSS로 기본 화면 만들기HTML·CSS로 앱 기본 레이아웃 구현
- 2.3 JavaScript로 To-Do 입력, 삭제, 완료 기능 구현하기이벤트 처리, 리스트 추가·삭제·완료 구현
- 2.4 GPT를 활용한 디버깅과 기능 개선 — “자동 저장”과 “필터링”자동저장, 필터링 기능 추가 디버깅 실습
- 2.5 GitHub Pages로 나의 첫 웹앱 배포하기GitHub Pages로 MyToDo App 배포
- 3.1 Node·React·Vite 이해하기 — 현대 웹앱 기술스택의 기본Node·React·Vite 작동 원리 및 실습
- 3.2 GPT API와 Open API 연결 실습: 프롬프트에서 코드까지API 키 설정, 호출, 응답 처리 실습
- 3.3 MyDataInsight App 기획: CSV 데이터로 인사이트 추출 설계CSV 구조 이해, 분석 목표·UI 설계
- 3.4 MyDataInsight App 빌드: React + GPT API 연동데이터 분석 및 결과 요약 구현
- 3.5 MyDataInsight App 디버깅 및 시각화 기능 추가하기Chart.js·D3.js로 그래프 표시 추가
- 3.6 Vercel로 서버리스 환경에 MyDataInsight App 배포하기Vercel 연동 및 자동 배포 실습
- 4.1 MyTechResearch App 기획: GPT API로 기술 R&D 리서치 자동화GPT API로 연구 키워드·흐름 설계
- 4.2 MyTechResearch App 빌드: 검색 → 요약 → 인사이트 생성검색·요약·결과 생성 코드 작성
- 4.3 MyTechResearch App 디버깅 및 결과 리포트 자동화PDF·Markdown 리포트 생성 기능 추가
- 4.4 Vercel 배포 및 세 프로젝트 통합 포트폴리오 완성세 앱 통합 및 포트폴리오 발표 준비
- 1.4 확률이란 무엇인가 – AI 관점에서확률의 의미, AI가 확률을 사용하는 이유
- 1.5 AI 예측 결과와 신뢰도예측값과 확률의 차이, 신뢰도의 의미와 한계
- 1.6 오차(Error)는 왜 생기는가실제값과 예측값 차이, 오차의 역할과 의미
- 1.7 손실 함수 – AI의 자체 평가법손실 함수의 직관, 손실이 줄어든다는 의미
- 1.8 벡터란 무엇인가 – AI의 기본 언어벡터 개념, 데이터 특징의 숫자 묶음 표현
- 1.9 거리와 유사도 – AI가 ‘비슷함’을 판단하는 기준거리 개념, 벡터 간 차이와 유사성 해석
- 1.10 행렬 – AI가 데이터를 한 번에 처리하는 방법행렬 개념, 여러 벡터를 동시에 다루는 이유
- 1.11 가중치(Weight)의 의미가중치의 역할, 중요도와 편향의 관계
- 1.12 입력이 바뀌면 출력은 어떻게 변할까입력 변화에 따른 출력 민감도 이해
- 1.13 경사하강법 – AI는 어떻게 정답에 가까워질까점진적 개선, 방향과 속도의 개념
- 1.14 과적합과 일반화학습 데이터 과몰입 문제, 일반화 개념
- 1.15 AI 수리 개념으로 모델 결과 읽기예측·확률·오차·가중치를 활용한 결과 해석
- 1.1 생성형 AI와 AI 어시스턴트의 개념LLM, 에이전트, 오케스트레이션 개념과 주요 도구 구조(GPT, Claude, Gemini 등)
- 1.2 프롬프트 엔지니어링 기초Zero-shot, Chain-of-thought, Role Prompt, System Prompt 실습
- 1.3 생산성 도구로서 ChatGPT업무 보고서, 이메일, 회의록 자동 생성 및 포맷팅
- 1.4 Claude와 Gemini의 차이 이해Claude(문맥·분석형), Gemini(검색·멀티모달형) 비교 실습
- 1.5 NotebookLM & Perplexity 실무 활용데이터/리포트 요약, 문헌조사, 인사이트 도출 실습
- 1.6 GPTs를 이용한 정보정리·요약 및 추론·예측사용자 맞춤형 GPTs를 구성하는 방법 실습
- 2.1 LangChain 구조 이해하기Chain, Agent, Tool, Memory, Retriever 개념 및 예제
- 2.2 LangGraph로 워크플로 자동화노드 기반 AI 워크플로 빌드 실습
- 2.3 API 연동을 통한 자동화 확장Google Drive, Notion, Gmail API 연동을 통한 문서 자동화
- 2.4 데이터 분석 자동화CSV 입력 → 분석 → 시각화 보고서 생성 파이프라인
- 2.5 리서치 자동화 프로젝트주제별 PDF 입력 → 핵심 요약 → 인사이트 보고서 생성
- 2.6 마케팅 자동화 프로젝트SNS 콘텐츠 생성, 시장분석, 고객 페르소나 도출 자동화
- 2.7 사내 보고 자동화 프로젝트이메일·회의록·업무일지 자동 요약 및 공유 시스템
- 2.8 개인 비서형 어시스턴트 만들기캘린더, 이메일, 슬랙 연동 개인 AI 비서 구축
- 3.1 산업별 AI 자동화 사례 분석제조·교육·공공·콘텐츠 산업의 AI 어시스턴트 사례
- 3.2 글로벌 AI 기업의 조직내 AI 도입전략AI 윤리, 보안, 데이터 프라이버시, 워크플로 승인체계
- 3.3 글로벌 기업의 GPTs 활용사례 분석문서 검색·요약형 사내 GPT 구축 및 분석 고도화
- 3.4 BYOK 기반 에이전트 시스템내부 문서 + LLM 연결 BYOK 시스템 구축 개요
- 3.5 멀티 LLM 연계 시스템 기획팀별 워크플로 설계, 시연 및 피드백
- 총 훈련시간134 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
