# Artificial intelligence - 인공지능 엔지니어

## 🤝 우리랑 어떻게 같이 놀까요?

AI 엔지니어로 참여하면, 인공지능을 서비스에 녹여내는 핵심 멤버가 될 거예요.

API 호출만 하는 수준을 넘어, 로컬 모델 배포부터 자체 모델 설계까지 3단계로 성장하는 여정을 경험해요.

### ✅ 역할 및 책임

1. 외부 AI API 활용

    1. LLM API 연동 (OpenAI, Anthropic, Google 등)

    2. 프롬프트 엔지니어링 (Few-shot, Chain-of-Thought, ReAct)

    3. RAG 구축 (벡터 DB, 청크 전략, 리랭킹으로 AI에게 맥락 제공)

2. 로컬 오픈소스 모델 전환

    1. 오픈소스 모델 선정 및 셀프 호스팅 (Llama, Mistral 등)

    2. 모델 경량화 (양자화, LoRA/QLoRA로 적은 자원으로 고성능 달성)

    3. 외부 API 대비 성능·비용 비교 분석

3. 자체 모델 설계·학습·배포

    1. 데이터 엔지니어링 (수집 자동화, 라벨링, 합성 데이터)

    2. Task-Specific 모델 학습 (Fine-tuning, PEFT)

    3. ONNX/TensorRT 변환으로 추론 속도 최적화

4. AI 보안

    1. OWASP Top 10 for LLM 기반 AI 고유 취약점 점검 (프롬프트 인젝션, 데이터 유출 등)

    2. 모델 입출력 필터링 및 가드레일 설계

    3. 학습 데이터 보안 (민감 정보 제거, 데이터 접근 권한 관리)

5. 서빙 및 운영

    1. BentoML 등으로 모델 서빙

    2. 컨테이너화, CI/CD (코드·데이터 변경 시 자동 재학습/배포)

    3. Data Drift 감지, 성능 모니터링, A/B 테스트

---

## 🛠️ 어떤 능력이 필요할까요?

### [필수]

- Python 기초 또는 프로그래밍 언어 하나 이상의 기초

- 자기 주도적으로 학습하고 일정을 관리할 수 있는 능력

### [성장]

- 머신러닝/딥러닝의 기본 개념에 대한 관심 또는 학습 의지

- AI API를 활용해 무언가를 만들어보고 싶은 열정

- 데이터를 다루고 분석하는 것에 관심이 있는 분
- 

---

## 🔧 이런 분이면 좋아요 (우대 사항)

- LLM API(OpenAI, Anthropic 등)를 사용해본 경험이 있는 분

- 머신러닝 모델을 학습시켜본 경험이 있는 분

- RAG, 프롬프트 엔지니어링 등 LLM 활용 경험이 있는 분

- 모델 배포(FastAPI, Docker 등) 경험이 있는 분

- "이 모델을 더 작고 빠르게 만들 수 있을까?"를 끊임없이 고민하는 분

- 다른 직군과 원활하게 소통할 수 있는 커뮤니케이션 능력

---

## 💪 이런 것들을 얻어갈 수 있어요

- 외부 API → 로컬 모델 → 자체 모델, 3단계 성장 로드맵 전체를 경험

- RAG, 프롬프트 엔지니어링부터 모델 경량화, 셀프 호스팅까지 실무 경험

- 자신만의 AI 팀을 구축하고 활용하는 경험 (AI가 만든 결과물을 분석·검증·재지시)

- 실제 서비스에 AI를 통합하고 운영하는 MLOps 경험

- 다른 직군(기획, 개발, 인프라 등)과 협업하는 실무 경험

For the site tree, see the [root Markdown](https://slashpage.com/catalyst-collective-gather.md).