(기획자를 위한) LLM 애플리케이션 사용자 요구 사항 수집과 분석 방법의 이해

프롬프트 엔지니어링과 컨텍스트 엔지니어링을 지나 이제는 하네스 엔지니어링으로. 프롬프트와 RAG로 달성하기 어려운 LLM 기반 과제를 하네스로 풀 수 있습니다.

수식 한 개, 코드 한 줄 없이 인공지능 개발과 활용에 필요한 기초 통계의 본질을 꿰뚫습니다.

주니어 개발자가 인공지능을 개발 도구로 삼아 기획부터 코드 작성과 배포 및 검증에 이르는 전체 개발 과정을 이해할 수 있게 합니다.

프롬프트 엔지니어링 이론부터 실전 기법, 그리고 최신 응용 사례와 보안·윤리 문제까지 폭넓게 다루어, LLM 기반 서비스 개발자·데이터 사이언티스트·AI 기획자 모두에게 실질적인 도움을 제공합니다.

문제를 ‘구성하는 사고’를 훈련하도록 돕습니다.

인지 부하(Cognitive Load) 이론을 기반으로 RAG 성능을 개선하는 방안을 제시합니다. 기존 RAG 성능 향상 기법의 한계를 뛰어 넘기 위해 인지 부하라는 사고 틀을 적용해 다양한 기법을 종합합니다.

생성형 인공지능(생성형 AI)의 일종인 LLM을 기반으로 삼아 만드는 애플리케이션이나 웹 서비스를 기획할 때 필요한 '서비스 디자인' 개념과 방법을 익힐 수 있습니다.

"이름 하나 바꿨을 뿐인데, 코드가 달라졌습니다." 가독성 좋은 코드의 핵심, '읽히는 이름 짓기'를 원리부터 사례까지 정리했습니다. 읽기 쉬운 이름이 협업의 시작입니다.

시큐어 코딩(Secure Coding: 보안 코딩)이 무엇인지 전혀 몰라도 이해할 수 있게 한 강의입니다. 기본 보안 코딩 개념을 섭렵한 다음에 웹 서비스 보안을 중심으로 설명합니다. OO 대학교 주관 특강으로 진행했던 강의였습니다. 160개가 넘는 소스 코드를 풍부한 주석과 함께 제시해 실무에서 당장 쓸 수 있는 핵심 주제와 기법을 콕콕 찍어 알 수 있게 합니다.

C 언어의 기본 개념과 기본 문법을 빠르게 이해할 수 있습니다.

다양한 클린 코딩 기법을 제시합니다.

코딩을 위한 기본 프롬프트 패턴과 인공지능을 활용하기 위한 고급 API 프롬프트 패턴을 소개합니다.

자연어 처리 기술의 출발부터 시작해서 최신 LLM 모형에 이르기까지의 과정에서 개발된 다양한 언어 모형들을 상세히 설명합니다.

LLM 기반 다중 에이전트 기술을 구현할 수 있게 하는 CrewAI, LangChain, AutoGen 등의 여러 에이전트 프레임워크, 지식 그래프, 추론 시스템을 결합해 인공지능 판사를 만드는 방법을 탐구합니다.

LLM의 한계와 한계 극복을 위한 최신 기술과 전망되는 미래 기술을 탐구합니다.

LLM을 사용해 구축할 수 있는 애플리케이션이나 웹 서비스들로는 어떤 것들이 있는지 살펴봅니다.

LLM 기획, LLM 응용 기획 담당자를 위해 LLM이 필요한 이유와 기술적 배경 및 기본 개념을 설명합니다.

챗지피티(ChatGPT)나 클로드 같은 대규모 언어 모형의 기초 원리를 깊이 있게 탐구하면서 개발 역량을 키울 수 있습니다. 흔히 접하기 어려운 다양한 정보와 개발 기법을 배울 수 있습니다.

LLM 기획, LLM 응용 기획 담당자를 위해 LLM이 필요한 이유와 기술적 배경 및 기본 개념을 설명합니다.

생성형 인공지능(생성형 AI)의 일종인 LLM을 기반으로 삼아 만드는 애플리케이션이나 웹 서비스를 기획할 때 필요한 '서비스 디자인' 개념과 방법을 익힐 수 있습니다.

LLM의 한계와 한계 극복을 위한 최신 기술과 전망되는 미래 기술을 탐구합니다.

Jeff Patton의 "User Story Mapping" 책을 기반으로 한 실무 중심의 유저 스토리 작성 과정입니다. 좋은 유저 스토리의 특징을 이해하고, 효과적인 작성 방법을 학습하며, 다양한 실제 사례와 예시를 통해 실무에 바로 적용할 수 있는 스킬을 개발합니다. 제품 개발 과정에서 사용자 중심의 스토리를 작성하고 관리하는 전문 역량을 기를 수 있습니다.

본 강의에서는 9가지 노트를 활용하여 업무 효율성과 전략적 기획 능력을 향상시키는 방법을 다룹니다.

RAG(Retrieval-Augmented Generation)의 이론부터 최신 멀티모달, 에이전트 기반 RAG까지! 비전공자도 이해할 수 있도록 구성된 실습 중심 강의입니다. 논문 리뷰부터 실전 코드 구현까지, RAG를 처음 접하는 사람도 쉽게 따라올 수 있도록 설계했습니다.

비전공자의 눈높이에서 32가지 데이터 시각화 기법을 아주 빠르고 쉽게 설명해드립니다!

최신 Transformer 기반 PixArt와 경량 적응화 SANA를 이론부터 코드까지 단계별로 구현합니다. I·II편에서 다룬 DDPM·DDIM·LDM·DiT를 바탕으로, 텍스트 인코더 연결, 샘플러(DDIM/ODE), v-예측/CFG 튜닝, 소규모 데이터 스타일 미세튜닝까지 실습 위주로 완주합니다.

다양한 로컬 LLM(Qwen, Gemma)을 활용하는 방법을 학습하고, LLM 시스템의 성능을 효율적으로 평가(Evaluation)하고 개선하는 다양한 기법들을 살펴봅니다.

<대규모 언어 모델, 핵심만 빠르게!>(인사이트, 2025)를 바탕으로 LLM의 이론과 실전 예제를 다루는 강의입니다.

2024 스마트시트 한국어 최신 강의. 폼, 리포트, 대시보드 등 전반적인 활용법 실습과 함께 익히자.

이 강의는 LDM(Latent Diffusion Model)부터 DiT(Diffusion Transformer)까지, 생성형 AI의 핵심 기술 발전을 완전 해부하는 실전형 마스터클래스입니다. LDM의 잠재 공간 기반 학습 원리와 Stable Diffusion의 구조, 그리고 최신 Diffusion Transformer의 구현 방식을 논문과 코드로 직접 분석합니다. 수강생은 PyTorch 기반으로 LDM, CFG(Classifier-Free Guidance), DiT 모델을 직접 구현하며, 생성 모델의 최신 트렌드와 구조적 진화를 체계적으로 익힙니다.

UT(사용성 테스트)와 사용자 인터뷰를 하면 좋은 것은 알지만 막상 어떻게 해야할지 모르겠다면 이 강의로 자신감을 얻어가세요!

LLM 기초이론, LangChain과 RAG의 핵심적인 기술을 마스터하는 강의입니다. LLM기초부터 실무에 쓰이는 최신 AI 기술을 쉽게 배울 수 있습니다!

블랙컨슈머에 대한 정확한 이해를 바탕으로 적절한 대처방안과 전략을 습득하여 효과적으로 블랙컨슈머에 대응할 수 있게 합니다. 또한 서비스 담당자의 전문성을 높이고, 직무만족도를 향상시킬 수 있도록 설계되었습니다.

“LoRA 기반 경량 파인튜닝으로 나만의 맞춤형 LLM을 만들어보는 첫걸음!” 이 강의는 처음 LLM을 접하는 분도 쉽게 따라올 수 있도록 설계된 입문 실습 강의입니다. 복잡한 이론은 최소화하고, 모델 불러오기 → 데이터 적용 → 학습 → 결과 비교까지 전 과정을 단계별로 안내합니다. 짧은 시간 안에 LoRA·QLoRA와 같은 최신 경량 파인튜닝 기법의 흐름을 직접 경험하며, “LLM 파인튜닝이 이렇게 돌아가는구나”라는 감을 잡을 수 있습니다. 많은 자원이 없어도, 내 도메인에 특화된 LLM을 만들어보는 성취감을 직접 느껴보세요!

<밑바닥부터 만들면서 배우는 LLM>(길벗, 2025)의 깃허브 노트북과 보너스 콘텐츠를 다루는 강의입니다. 깃허브: https://github.com/rickiepark/llm-from-scratch/ <밑바닥부터 만들면서 배우는 LLM>은 세바스찬 라시카(Sebastian Raschka)가 쓴 베스트셀러 <Build a Large Langauge Model (from Scratch)>(Manning, 2024)의 번역서입니다. 이 책은 오픈AI가 만든 GPT-2 모델을 밑바닥에서부터 시작해서 완전한 모델을 만들어 보면서 대규모 언어 모델의 작동 원리를 배우고 활용하는 방법을 제공합니다.

팀 프로젝트에 JIRA 및 Confluence를 도입하여 써보고 싶으신 분들을 대상으로 합니다

이 강의에서는 AI 프로덕트를 기획하고 디자인할 때 필요한 UX 원칙과 실전 노하우에 대해 알려드립니다. 사용자 가치 중심의 AI 활용법, AI를 활용한 UX 기획 및 디자인 방법, 일상 속 디자인 사례를 통해 알아보는 핵심 UX 원칙과 이론, 더 나은 경험을 제공하기 위한 UX 리서치 및 데이터 분석법에 대해 살펴봅니다.

UX Writing이 도대체 무엇이고, 왜 중요한지 궁금하신가요? 직접 잘 나가는 앱들의 사례를 보면서 알 수 있을 거예요.