[솔트룩스]LLM·멀티 에이전트 기반 고급 ML Engineer 부트캠프
한국표준협회 · 1회차 · 서울 강남구
프로그램 요약
LLM으로 도메인에 맞는 AI 모델을 만드는 개발자가 된다 - ML/DL 모델링부터 LLM 파인튜닝, 멀티 에이전트 설계, AWS 클라우드 배포까지 직접 구현하는 도메인 특화 고급 ML Engineer 양성
- 수업일정
- 2026.08.10 ~ 2027.02.03약 6개월
- 모집정원
- 30명
- 총 시간
- 960시간
- 학습장소
- 서울서울특별시 강남구 테헤란로69길 5 (삼성동)오프라인
- 강의장
- DT센터
- 수강료
- 0원 전액 국비지원
- 훈련장려금
- 월 최대 40만원
출처 · 고용24 등록값 · 기관 표기분은 별도 표시
어떤 분이 수강하면 좋을지
- ✓전공·학력 무관 — K-디지털 트레이닝은 제도상 전공을 보지 않습니다
- ✓Python 기반 데이터 처리 및 머신러닝 기초 이해를 보유하고, AI·ML 직무로의 취업 또는 전환을 희망하는 학습자
출처 · 기관 랜딩페이지 · 제도 요건
커리큘럼
- 1STEP1 데이터 분석 기반(Python·SQL·Pandas·EDA)
Python 심화·데이터 구조 · FastAPI·비동기 서버 기초 · SQL·NoSQL 데이터 저장 구조 · Pandas·탐색적 데이터 분석(EDA) · 데이터 전처리·품질 개선 · 데이터 분석 프로젝트
- 2STEP2 ML/DL 모델링
머신러닝 학습 방식·Task 이해 · 모델 일반화·성능 개선(Bias-Variance) · 딥러닝 기초·퍼셉트론 · CNN, RNN/LSTM, Transformer 등 대표 딥러닝 구조 · 모델 평가·결과 해석 · 추천·예측 모델링 및 하이브리드 검색 시스템
- 3STEP3 LLM 서비스(프롬프트·RAG·파인튜닝)
NLP·텍스트 표현 이해 · LLM 구조·딥러닝 모델 비교 · 전이학습·파인튜닝 · RAG·Agent 구조 · LangChain·LangGraph 멀티 에이전트 · 사내 문서 기반 AI 비서 챗봇
- 4STEP4 클라우드 배포(AWS·Docker·FastAPI·모니터링)
AWS 기반 AI 서비스 배포 · Docker 서버 패키징 · CPU/GPU 리소스·추론 성능 · FastAPI 추론 API 배포 · 클라우드 로그·장애 대응 · 사내 지식베이스 기반 AI 시스템 배포
- 5FINAL 최종 프로젝트 - 기업 문서·업무 지식 기반 AI Assistant 서비스
LLM·RAG·Multi-Agent 결합 지능형 AI Assistant 서비스 설계·구현
고용24 등록 교과목 11개 보기
- 고급 Python 및 AI 엔지니어링· Python 개발 환경 구축 및 가상환경(venv) 설정 · 객체(Object), 데이터 구조(List, Dict, Tuple 등) 이해 및 서버 개발 관점의 활용 · 모듈과 패키지 구조의 이해를 통한 AI 추론 서버 로직 구조화 방법 · HTTP 기반 요청·응답 구조 이해 및 JSON 데이터 처리 · 동기(Sync) / 비동기(Async) 처리 개념 및 서버 성능 차이 이해 · Multiprocessing을 활용한 CPU 기반 병렬 처리 구조 실습 · Asyncio 기반 비동기 처리 흐름 이해 및 I/O 작업 효율화 전략 실습 · FastAPI 비동기 엔드포인트 설계 및 async/await 적용 실습
- 정형/비정형 데이터 심화 분석· 정형 데이터와 비정형 데이터의 차이 및 활용 사례 이해 · RDBMS 기본 구조 및 테이블·컬럼 설계 개념 이해 · 집계·조건·윈도우 함수 기반 데이터 분석 심화 SQL 문법 · Document 기반 NoSQL 데이터 구조 이해와 로그,텍스트,메타데이터 등의 비정형 데이터 저장 및 조회 방식 · Pandas 기반 데이터 로딩 및 기초 통계 분석과 탐색적 데이터 분석(EDA) · 대규모 텍스트 데이터셋 필터링 및 전처리 파이프라인 구현 · 중복 데이터, 결측 데이터, 이상치 등 데이터 품질 이슈 분석 · 시각화를 활용한 데이터 패턴 및 문제점 리포트 작성 · 데이터 분석 및 모델링 단계에서 고려해야 할 데이터 정제 전략 도출
- 고급 데이터 분석 및 품질 개선 전략 프로젝트[주제 A] 고객 문의·이슈 데이터 품질 개선 프로젝트 [주제 B] 지역·시설 데이터 품질 개선 및 분석 프로젝트 · FastAPI 서버와 Open API를 활용한 대규모 데이터 수집 및 구조 분석 · EDA 및 시각화를 통한 데이터 분포·패턴 분석 · 중복, 결측, 이상 텍스트 등 데이터 품질 이슈 식별 · 정형·비정형 데이터 정제 및 품질 개선 전략서 작성 · 품질 개선 전·후 데이터 특성 및 분석 결과 시각화 · 정형 데이터의 통계적 특성을 분석하여 품질 저해 요인 진단 · 멀티미디어 데이터 싱크(Sync) 처리 및 데이터 클랜징 · 멀티모달 데이터 정제 및 데이터 품질 분석 보고서 산출
- 머신러닝 핵심 이론 및 모델링· 지도/비지도 학습의 수학적·통계적 기반 이해 및 예측·분류·군집 문제에 따른 모델링 접근 방식 분석 · 데이터 분포, Feature 차원, 샘플 수에 따른 모델 선택 이론과 Bias–Variance Trade-off 관점의 모델 적합성 판단 · Feature 스케일, 상관관계, 노이즈가 머신러닝 모델 성능 및 일반화에 미치는 영향 분석 · 학습·검증·테스트 분리 전략과 교차 검증 이론을 통한 과적합/과소적합 진단 및 성능 지표 해석 원리 · 동일 데이터셋에 대한 다중 머신러닝 모델 적용 및 성능 비교를 통한 모델 선택 근거 도출 실습 · Feature 구성 변화에 따른 모델 성능 변화 분석 및 Feature 중요도 해석 실습 · 문제 유형에 적합한 성능 지표 선정 및 모델 평가 결과 해석을 통한 검증 전략 정리 실습
- 딥러닝 모델 설계와 추론 구조의 이해· 퍼셉트론 기반 신경망의 구조와 활성화 함수(ReLU, Sigmoid 등)의 역할 이해를 통한 딥러닝 학습 메커니즘 분석 · 순전파(Forward Propagation)와 역전파(Backpropagation) 과정의 동작 원리 및 손실 함수 기반 학습 흐름 이해 · CNN, RNN/LSTM, Transformer 등 대표적인 딥러닝 모델 구조의 설계 목적과 데이터 유형별 적용 특성 비교 · 과적합 방지를 위한 정규화 기법, 옵티마이저 선택, 학습률 조정 등 딥러닝 모델 학습 및 검증 전략 이해 · CNN 기반 이미지 데이터 분류 모델 구현을 통한 특징 추출 및 추론 흐름 실습 · RNN/LSTM 기반 시계열 또는 텍스트 데이터 학습을 통한 순차 데이터 처리 구조 이해 실습 · 동일 데이터셋에 대한 모델 구조 변경 및 하이퍼파라미터 조정을 통한 성능 변화 분석 실습
- Semantic Search 기반 검색 및 추천 시스템 설계 프로젝트[주제 A] 문서·콘텐츠 기반 Semantic Search 품질 개선 프로젝트 · 대용량 문서/콘텐츠 데이터셋 분석 및 검색 문제 정의 · 문서 임베딩 생성 및 벡터 검색 기반 Semantic Search 구현 · 키워드 검색과 벡터 검색을 결합한 하이브리드 검색 구조 설계 · Re-ranking 모델 적용을 통한 검색 결과 재정렬 및 품질 개선 · 검색 정확도 지표(Precision, Recall, NDCG 등) 기반 성능 평가 · 검색 개선 전·후 결과 비교 및 개선 효과 분석 [주제 B] 사용자 행동 데이터 기반 검색·추천 정확도 개선 프로젝트 · 사용자·아이템·행동 로그 데이터 구조 분석 및 문제 정의 · 아이템 임베딩 및 사용자 질의 임베딩 기반 검색·추천 구조 설계 · 키워드 기반 필터링과 벡터 검색을 결합한 하이브리드 추천 로직 구현 · Re-ranking 모델 적용을 통한 추천 결과 정렬 및 품질 개선 · 추천 성능 지표(Precision@K, Recall@K, NDCG 등) 기반 평가 · 추천 정확도 개선 전·후 결과 비교 및 분석 정리
- LLM 파인튜닝 및 Multi Agent 설계· 자연어 처리(NLP)의 기본 개념과 텍스트 임베딩·벡터화 과정을 통한 의미 기반 텍스트 표현 원리 이해 · 기계번역 및 자연어 딥러닝 모델 사례 분석을 통한 LLM의 구조적 특성과 기존 딥러닝 모델과의 차이점 이해 · LoRA·QLoRA 및 양자화(Quantization) 기법을 활용한 LLM 파인튜닝 및 경량화 최적화 원리 분석 · LangChain 프레임워크 기반 프롬프트, 체인, 리트리버, 메모리 등 LLM 구성 요소의 구조적 역할 이해 ·RAG 구조 이해 및 외부 지식 결합 방식에 따른 응답 품질 변화 분석 · Multi-step Reasoning 구조 이해를 통한 LLM 추론 흐름 제어 및 응답 안정성 확보 원리 분석 · 온톨로지 기반 지식 구조 설계를 통한 도메인 지식 체계화 및 LLM 활용 전략 이해 · 역할 기반 에이전트(Planner, Retriever, Reasoner 등) 설계를 통한 멀티 에이전트 아키텍처 구조 이해 · 도메인 특화 데이터셋을 활용한 LLM 파인튜닝 또는 경량화 모델 구성 실습 · LangChain 기반 단일 LLM 체인 구성 및 RAG 적용을 통한 응답 품질 개선 실습 · 역할 분리 기반 Multi Agent 구조 설계 및 에이전트 간 메시지 흐름을 포함한 워크플로우 구성 실습
- Cloud 환경의 모델·서비스 배포· AWS Web Service 기반 머신러닝·LLM 서비스 배포 전체 흐름 이해 및 로컬 환경과 Cloud 환경의 실행 구조 차이 분석 · 컨테이너(Docker) 기반 모델·Agent 서버 패키징 원리와 실행 환경 분리의 필요성 이해 · EC2, ECS 등 AWS 컴퓨팅 서비스의 특성 비교 및 ML 서비스 관점의 선택 기준 이해 · CPU/GPU 리소스 특성과 모델 추론 성능의 관계 분석을 통한 실행 환경 구성 원리 이해 · Docker 기반 머신러닝 또는 LLM Agent 서버 패키징 및 컨테이너 실행 실습 · FastAPI 기반 모델·Agent 추론 API 서버를 AWS 환경에서 배포 및 실행하는 실습 · Cloud 환경에서의 로그 확인, 오류 원인 분석 및 장애 상황 대응 실습
- [실전] 지능형 ML 서비스 구현 프로젝트[주제 A] 기업 문서·업무 지식 기반 지능형 AI Assistant 서비스 · 도메인 분석을 통한 온톨로지 기반 지식 구조 설계 · 문서 임베딩 및 벡터 저장소 구축을 통한 RAG 기반 질의응답 구조 구현 · LangChain 기반 Retriever / Reasoner / Evaluator 역할 분리 에이전트 설계 · LLM 파인튜닝 또는 LoRA·QLoRA 기반 경량화 적용 · Multi Agent 워크플로우를 통한 복합 질의 처리 구조 구현 · FastAPI 기반 Agent 서비스 구성 및 Cloud 환경 배포 [주제 B] 데이터 기반 의사결정 지원 지능형 ML 서비스 · 데이터 구조 분석 및 문제 정의를 통한 서비스 요구사항 도출 · 분석 결과 및 설명 데이터를 온톨로지 구조로 설계 · LLM 기반 분석 결과 요약·해석 Agent 구성 · RAG 구조를 활용한 데이터 설명·근거 제공 기능 구현 · 역할 기반 Multi Agent 구조를 통한 분석 → 해석 → 보고 흐름 설계 · ML·LLM 서비스 API 구성 및 Cloud 환경 배포
- 커리어 코칭· 취업 컨설팅 특강 · 커리어 멘토링 특강 · 자소서 특강 · 포트폴리오 특강 · 실무 면접 특강
- 총 훈련시간960 시간
출처 · 기관 랜딩페이지 · 접힘은 고용24 등록 교과목
지원 혜택
금전 지원
- ·훈련비 전액 국비지원(내일배움카드 발급자)
- ·출석률에 따른 매월 훈련수당+장려금(월 40만원)
- ·솔트룩스 자체 AI 플랫폼 루시아(LUXIA) 무료 제공
취업 연계
- ·성적 우수자 인턴십 기회 제공
- ·솔트룩스·파트너사 인턴십 및 채용연계 기회
- ·포트폴리오 코칭 및 면접 준비 지원
학습 지원
- ·현업 전문가 강사진(솔트룩스 현직 AI 연구원·엔지니어)
- ·GPU 실습 환경 무상 제공
그 외
- ·성적 우수자 솔트룩스 서류전형 면제
- ·성적 우수자 솔트룩스 입사 지원 시 서류전형 면제
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 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.
실제로 얼마를 내나요?
내일배움카드 소지자는 0원입니다. LP는 '교육비 0원(전액 국비지원)', '훈련수당+장려금 매월 40만원 지원'으로 표기. 대조 회차 수강료(17,424,000원)는 훈련비 총액(정부지원분 포함)으로 추정되며 자부담금과는 다른 개념.
선발 절차가 있나요?
기관이 공개한 절차에서 별도 시험·전형은 확인되지 않았습니다. 상담 후 수강신청으로 이어집니다.
훈련장려금을 받을 수 있나요?
출석률 조건을 채우면 월 최대 40만원까지 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://aicampus.saltlux.com/pages/ai-agent-engineer.html
고용24 2026-08-14 기준 · 매일 갱신
