엔지니어 - AI
상태
모집중
모든 트랙은 동일한 커리큘럼을 수행합니다.
기획, 사업 모델, 투자, 법률, 디자인, 개발, 테스트, 보안, 마케팅, 수익화, 매각까지 — 서비스의 전체 과정을 경험합니다.
나의 전문 분야는 직접 수행하고, 나머지는 AI 팀이 수행한 결과물을 분석하고 검증합니다.
생성형 AI로 가치를 증명하고, 경량화된 전용 AI로 비즈니스를 현실화한다.
이 트랙에서 직접 수행하는 영역
AI 엔지니어는 다음 단계를 직접 수행합니다.
나머지 단계는 AI 팀이 수행하고, 당신이 결과물을 분석하고 검증합니다.
나머지 단계는 AI 팀이 수행하고, 당신이 결과물을 분석하고 검증합니다.
•
인프라 구축 — 서버, 네트워크, 배포 환경 구축, AI 서빙 환경
•
개발 (AI 기능) — AI/ML 기능 개발, LLM 연동, 모델 학습/배포
기획, 사업 전략, 디자인, 웹/모바일/데스크톱/백엔드 개발, QA 테스트, 보안, 마케팅은 AI 팀이 수행합니다.
당신은 AI가 만든 결과물을 분석하고, 문제점을 찾아내고, 다시 작업을 지시합니다.
이 과정에서 다른 직군의 업무와 개념을 자연스럽게 배웁니다.
심화 학습 내용
인공지능 관련 서비스를 주제로 개발하며, 다음 3단계로 점진 전환합니다.
•
1단계 — 외부 AI API 활용: LLM API 연동, 프롬프트 엔지니어링(Few-shot, Chain-of-Thought, ReAct), RAG(벡터 DB, 청크 전략, 리랭킹)
•
2단계 — 로컬 모델 전환: 오픈소스 모델 선정/배포, 경량화(양자화 INT8/FP16, LoRA/QLoRA), 셀프 호스팅 환경 구축
•
3단계 — 자체 모델: 데이터 엔지니어링(수집 자동화, 라벨링/정제, 합성 데이터), Task-Specific 모델 설계/학습, Pruning, Knowledge Distillation
•
서빙 — FastAPI, BentoML, NVIDIA Triton, 지연시간(Latency) 최적화
•
MLOps — 컨테이너화, CI/CD(코드/데이터 변경 시 자동 재학습/배포), 모델 버저닝
•
보안 — 프롬프트 인젝션 방어, 모델 입출력 필터링, API 키/토큰 관리, OWASP Top 10 for LLM
•
모니터링 — Data Drift 감지, 성능 피드백 루프, 모델 평가지표(Accuracy, F1, BLEU 등)
•
평가 — 각 단계별 A/B 테스트 (외부 API vs 로컬 모델 vs 자체 모델), 비용 대비 효과 분석
지원 자격
•
AI/ML에 관심이 있거나 경험이 있는 분
•
Python 기초가 있거나 배울 의지가 있는 분
•
생성형 AI를 활용한 서비스를 직접 만들고 싶은 분
•
6개월 이상 꾸준히 참여할 수 있는 분
•
월 1회 오프라인 모임(수도권, 토요일)에 참여 가능한 분
기간: 6 / 12 / 18 / 24개월 중 자신의 상황에 맞게 선택