학습 로드맵
모두가 먼저 공통 기반에서 데이터 경계·업무 명세·검증·문제 정의를 익힙니다. 그다음 목표에 맞는 분야별 스튜디오를 골라 학습하고, 단계마다 직접 만든 산출물로 역량을 확인하세요.
콘텐츠 역할코스는 이론·근거 사례 · 안내서는 소방 실습 · 프로젝트는 캡스톤
도구 사용법보다 먼저 데이터 경계, 작업 명세, 검산, 문제 정의를 산출물로 익힙니다.
01
FOUNDATION 01
데이터 경계와 안전 기준 세우기
실제 신고·사건·개인정보를 쓰지 않고도 학습할 수 있도록 공개·합성·최소화 데이터의 경계를 먼저 결정합니다.
선행 조건- 별도 선수지식 없음
- 실제 민원·신고·사건 원문을 실습에 사용하지 않겠다는 동의
완료 역량- 데이터를 공개·합성·내부·개인·민감 범주로 구분한다
- 출처·허용 범위·잔존 위험을 기록하고 사용 여부를 결정한다
단계 구성필수 챕터 2 · 근거 사례 0 · 실습 2 · 참고 2 · 산출물 2
첫 모듈 시작하기 →
적용하기
- 가상의 신고 메모 5건에서 직접·간접 식별자를 표시한다
- 입력 가능·수정 후 가능·사용 금지로 나눈 결정표를 작성한다
산출물
데이터 사용 결정표
- 각 항목의 분류와 사용 가능 여부를 근거와 함께 적었다
- 실제 개인정보·실제 신고 원문·비공개 업무자료가 포함되지 않았다
- 잔존 위험과 중단 조건을 기록했다
적용하기
- 공개 데이터 후보의 제공기관·갱신일·이용 조건을 확인한다
- 합성 표본에 의도적으로 빠진 집단과 재식별 가능성을 적는다
산출물
연습 데이터 카드
- 출처·수집 시점·이용 조건을 기록했다
- 실제 현장을 대표하지 못하는 범위와 편향을 적었다
- 학습용 데이터이며 운영 판단 근거가 아님을 표시했다
산출물 게이트
데이터 안전 게이트
- 승인된 공개·합성·최소화 데이터만 사용했다
- 실제 사건·신고 원문과 개인정보가 없다
- 출처·확인 시점·버전을 기록했다
- AI 결과를 초안 또는 학습 결과로 표시했다
- 사람이 사용 여부를 최종 확인했다
- 공식 판단·운영 지침·현장 투입을 암시하지 않았다
다음: 데이터 사용 결정표와 연습 데이터 카드를 검토한 뒤 작업 명세 단계로 이동한다.
02
FOUNDATION 02
프롬프트를 작업 명세로 설계하기
한 번의 질문이 아니라 목적·자료·제약·출력 형식·실패 조건이 담긴 재사용 가능한 작업 명세를 만듭니다.
선행 조건- FOUNDATION 01 산출물 통과
- 합성 사례 5건 준비
완료 역량- 프롬프트와 컨텍스트의 역할을 분리한다
- 검사 가능한 출력 형식과 실패 조건을 명시한다
- 정상·경계·거절 사례로 명세를 시험한다
단계 구성필수 챕터 9 · 근거 사례 0 · 실습 3 · 참고 0 · 산출물 3
첫 모듈 시작하기 →
적용하기
- 모호한 요청을 목적·사용자·입력·완료 조건으로 다시 쓴다
- 같은 업무에서 필요한 자료와 제외할 자료를 비교한다
산출물
작업 명세 1차본
- 목적·사용자·입력·완료 조건이 분리되어 있다
- 제공 자료와 제외 자료가 명시되어 있다
- 실제 민감정보 없이 합성 사례만 사용했다
적용하기
- 민원 답변 초안을 사실·미확정·다음 절차 필드로 구조화한다
- 추측 금지·누락 표시·거절 조건을 추가해 전후 결과를 비교한다
산출물
구조화 출력 계약
- 필수 필드·허용 값·누락 표기 규칙이 있다
- 추측·법적 단정·자동 발송을 금지했다
- 사람 검토와 승인 위치가 명확하다
적용하기
- 합성 회의록 5건을 정상·누락·충돌·모호·거절 사례로 구성한다
- 각 사례의 기대 출력과 실패 판정을 먼저 작성한 뒤 실행한다
산출물
합성 테스트 5건과 판정표
- 정상·경계·거절 사례가 포함되어 있다
- 기대값과 실제값의 차이를 기록했다
- 실패 사례를 반영해 명세 버전을 갱신했다
산출물 게이트
작업 명세 게이트
- 승인된 공개·합성·최소화 데이터만 사용했다
- 실제 사건·신고 원문과 개인정보가 없다
- 목적·입력·출력·금지·실패 조건이 명시되었다
- 출처·확인 시점·명세 버전을 기록했다
- AI 초안을 사람이 검토하고 승인 위치를 표시했다
- 자동 발송·공식 판단·운영 사용을 암시하지 않았다
다음: 명세와 테스트 판정표를 동료가 재현한 뒤 근거·검산 단계로 이동한다.
03
FOUNDATION 03
근거를 연결하고 실패를 검산하기
그럴듯한 문장을 믿지 않고 근거 추적, 반복 검산, 사람 승인으로 결과의 한계를 드러냅니다.
선행 조건- FOUNDATION 02 작업 명세와 테스트 5건 통과
- 출처가 분명한 공개 문서 또는 합성 원문 준비
완료 역량- 환각과 불확실성을 식별한다
- 주장마다 근거를 추적하고 재현성을 기록한다
- 실패 사례와 사람 인계 조건을 평가한다
단계 구성필수 챕터 7 · 근거 사례 0 · 실습 3 · 참고 0 · 산출물 3
첫 모듈 시작하기 →
적용하기
- 자료에 없는 질문을 섞어 허위 보강 여부를 확인한다
- 확인 불가·자료 충돌·정보 부족 응답 규칙을 비교한다
산출물
불확실성·거절 사례표
- 자료 없음과 모델 추측을 구분했다
- 보류·거절·사람 인계 조건을 기록했다
- 과도한 확신 문장을 수정한 근거가 있다
적용하기
- 법령 브리프의 각 주장에 문서명·조항·확인 시점을 연결한다
- 동일 명세를 두 번 실행해 달라진 문장과 유지된 근거를 비교한다
산출물
주장-근거 대조표
- 모든 사실 주장에 원문 위치와 확인 시점이 있다
- 근거가 없는 문장은 미확정 또는 삭제로 판정했다
- 재실행 차이와 버전을 기록했다
적용하기
- 정확성·근거성·형식·안전·인계 항목으로 평가표를 만든다
- 실패 사례를 수정한 뒤 재평가하고 사람 승인 기록을 남긴다
산출물
평가 결과와 사람 승인 기록
- 정상·경계·거절 사례를 같은 기준으로 평가했다
- 실패 원인·수정·재평가 결과가 연결되어 있다
- 승인자 대신 학습 검토자의 판정과 인계 조건을 기록했다
산출물 게이트
근거·검산 게이트
- 승인된 공개·합성·최소화 데이터만 사용했다
- 실제 사건·신고 원문과 개인정보가 없다
- 모든 사실 주장에 출처·확인 시점·버전이 있다
- AI 결과를 초안으로 표시하고 불확실성을 숨기지 않았다
- 실패 사례를 포함해 사람이 승인·수정·중단을 판정했다
- 공식 해석·전문 검토 완료·현장 판단을 암시하지 않았다
다음: 근거 대조표와 평가 기록을 보존한 뒤 현장 문제 정의 단계로 이동한다.
04
FOUNDATION 04
현장 문제를 학습 과제로 정의하기
도구부터 고르지 않고 사용자, 현재 기준선, 성공·실패 조건, 위험과 인계를 먼저 정의해 전문 스튜디오를 선택합니다.
선행 조건- FOUNDATION 01~03 산출물 통과
- 운영 데이터가 아닌 공개·합성 예시 문제 준비
완료 역량- 사용자와 현재 업무 흐름을 기준으로 문제를 진술한다
- 성공·실패·중단 조건과 기준선을 정의한다
- 필요 역량에 맞는 전문 스튜디오를 선택한다
단계 구성필수 챕터 5 · 근거 사례 0 · 실습 3 · 참고 1 · 산출물 3
첫 모듈 시작하기 →
적용하기
- 공개 자료로 현재 업무 흐름과 대기·재작업 지점을 그린다
- 사용자·상황·필요·현재 대안이 포함된 문제 문장을 작성한다
산출물
사용자·현행 흐름 지도
- 사용자와 사용 상황이 특정되어 있다
- 현재 대안과 기준선이 숫자 또는 관찰로 기록되어 있다
- AI를 쓰지 않아도 되는 대안을 함께 적었다
적용하기
- 정상·경계·치명 실패 조건을 각각 세 가지 이상 적는다
- 비용·지연·오류의 기준선과 중단·인계 규칙을 만든다
산출물
성공·실패·인계 기준표
- 성공과 실패를 관찰 가능한 조건으로 적었다
- 치명 실패는 점수와 관계없이 중단하도록 했다
- 사람 인계 시점과 필요한 증거를 명시했다
적용하기
- 행정·데이터·AI 시스템·개발 기여 경로의 산출물을 비교한다
- 선택 이유·선수 격차·학습 범위 밖 항목을 한 페이지로 정리한다
산출물
전문 스튜디오 선택 브리프
- 문제·사용자·데이터·기준선·산출물이 연결되어 있다
- 선택 경로와 선수 격차를 설명했다
- 학습 프로토타입과 운영 시스템의 경계를 명시했다
산출물 게이트
문제 정의·분기 게이트
- 승인된 공개·합성·최소화 데이터만 사용했다
- 실제 사건·신고 원문과 개인정보가 없다
- 사용자·현행 기준선·성공·실패 조건을 기록했다
- 출처·확인 시점·문제 정의 버전을 기록했다
- 사람이 경로 선택과 중단·인계 조건을 검토했다
- 학습 과제를 공식 사업·운영 지침·현장 배치로 표현하지 않았다
다음: 선택 브리프에 맞는 전문 스튜디오 하나를 우선 이수한다.
✓
공통 기반 프로젝트 아이디어
문제 정의→데이터·권한→기준선→학습용 검증 프로토타입→평가→한계·인계의 증거 묶음을 만듭니다. 자기학습 이정표이며 인증이 아니다.
프로젝트 아이디어에서 학습 과제 고르기
공통 기반 뒤 하나의 분야를 선택해 교과서 챕터, 소방 맥락 실습, 평가 가능한 산출물을 깊게 연결합니다.
01
STUDIO 01
현장·행정 AI 스튜디오
문서 흐름을 분해하고 근거를 연결해 사람이 승인할 수 있는 행정·상황 브리프 초안 워크플로를 만듭니다.
선행 조건- 공통 기반 4단계 통과
- 합성 민원·회의·상황 자료 준비
완료 역량- 복합 문서 업무를 검증 가능한 단계로 분해한다
- 근거·불확실성·승인 상태가 드러나는 초안을 만든다
- 회귀 테스트와 버전으로 재사용한다
단계 구성필수 챕터 10 · 근거 사례 0 · 실습 5 · 참고 1 · 산출물 3
첫 모듈 시작하기 →
적용하기
- 민원 또는 회의록 흐름을 작은 프롬프트 체인으로 분해한다
- 각 단계의 입력·출력·금지·사람 승인 지점을 표시한다
산출물
문서 워크플로 명세
- 단계별 입력·출력·실패 조건이 있다
- 추측한 담당자·기한·절차를 차단한다
- 최종 발송 전 사람 승인 단계가 있다
적용하기
- 법령과 상황 자료를 구분자로 제공하고 인용 위치를 요구한다
- 근거 없음·충돌·갱신 시점 초과 사례에서 보류 응답을 시험한다
산출물
근거 연결 브리프와 대조표
- 사실 문장이 제공 자료로 추적된다
- 미확정·자료 충돌·확인 불가가 표시된다
- 초안·확인 시점·사람 검토 상태가 보인다
적용하기
- 정상·누락·충돌·거절 사례를 포함한 골든셋을 만든다
- 템플릿 수정 전후 정확성·근거성·형식·안전을 재평가한다
산출물
템플릿·골든셋·회귀 결과
- 템플릿과 평가 기준에 버전이 있다
- 실패 사례와 수정 근거가 남아 있다
- 통과 결과가 운영 승인이나 공식 품질 인증으로 표현되지 않았다
산출물 게이트
현장·행정 AI 산출물 게이트
- 승인된 공개·합성·최소화 데이터만 사용했다
- 실제 민원·사건·신고 원문과 개인정보가 없다
- 사실 주장에 출처·확인 시점·버전이 있다
- AI 결과를 초안으로 표시하고 미확정 정보를 숨기지 않았다
- 사람이 발송·공유 전 승인 또는 중단을 판정했다
- 공식 답변·법률 해석·현장 지침 완성을 주장하지 않았다
다음: 학습용 문서 워크플로의 한계와 인계 조건을 기록하고 캡스톤 증거 묶음에 추가한다.
02
STUDIO 02
데이터·예방 분석 스튜디오
Python 기초에서 표 데이터 정제, SQL 집계, 재현 가능한 검산까지 이어지는 분석 경로를 만듭니다.
선행 조건- 공통 기반 4단계 통과
- Python 경험과 관계없이 Python 브리지 모듈부터 순서대로 이수
- 실제 출동기록 대신 공개·합성 CSV 사용
완료 역량- 코드로 파일을 안전하게 읽고 오류를 기록한다
- 표 데이터의 스키마·결측·중복·조인을 검산한다
- 처음부터 재실행 가능한 집계와 한계를 설명한다
단계 구성필수 챕터 36 · 근거 사례 0 · 실습 6 · 참고 0 · 산출물 4
첫 모듈 시작하기 →
적용하기
- 초급 1~10장을 따라 작은 변환 함수를 작성한다
- JSON 입력의 필수 키·형식 오류를 검사하고 CSV와 오류 로그를 분리한다
산출물
JSON→CSV 변환기와 오류 로그
- 입력 스키마와 오류 처리가 코드에 있다
- 입력·출력 행 수와 제외 사유를 대조했다
- 공개·합성 표본에서 처음부터 재실행된다
적용하기
- 데이터프레임의 열·형식·결측·중복 프로파일을 만든다
- 정제 규칙을 적용하고 원본 대비 행 수와 변경 건수를 검산한다
산출물
데이터 사전과 정제 로그
- 열 의미·형식·허용 값·결측 규칙이 있다
- 정제 전후 행 수·중복·결측 변화가 대조된다
- 원본을 덮어쓰지 않고 변환 버전을 기록했다
적용하기
- 합성 출동·점검·교육 테이블을 키로 연결한다
- 월별·지역별 집계를 SQL과 pandas 두 방식으로 계산해 차이를 찾는다
산출물
교차 검산 집계표
- 조인 키·중복·무결성 규칙을 문서화했다
- SQL과 pandas 결과의 총계가 일치한다
- 불일치 사례와 수정 근거를 보존했다
적용하기
- 노트북 또는 스크립트를 빈 환경에서 처음부터 실행한다
- 입력 버전·실행 로그·집계 검산·한계 설명을 한 묶음으로 만든다
산출물
재현 가능한 분석 묶음
- 환경·입력·실행 순서와 버전이 있다
- 빈 환경에서 처음부터 실행하고 로그를 남겼다
- 결과의 한계와 운영 판단에 쓰지 말아야 할 범위를 적었다
산출물 게이트
데이터·예방 분석 산출물 게이트
- 승인된 공개·합성·최소화 데이터만 사용했다
- 실제 출동·점검·교육 원문과 개인정보가 없다
- 입력·출력 행 수와 제외·변환 사유를 검산했다
- 출처·확인 시점·스키마·코드·실행 환경 버전을 기록했다
- 사람이 집계·차트·한계 설명을 재현하고 검토했다
- 예측·집계를 공식 통계·현장 판단·운영 성과로 주장하지 않았다
다음: 데이터 사전·정제 로그·집계표·재현 기록을 캡스톤 증거 묶음에 추가한다.
03
STUDIO 03
AI 시스템·평가 스튜디오
LLM·에이전트·MCP를 연결하되 골든셋, 추적, 가드레일, 사람 인계로 학습용 시스템의 실패를 측정합니다.
선행 조건- 공통 기반 4단계 통과
- 데이터·예방 분석의 Python 브리지 모듈에서 JSON→CSV 변환기와 오류 로그 산출물 통과
- 개발·기여의 터미널과 웹 빌드 흐름 모듈에서 로컬 빌드·복구 기록 산출물 통과
- 정규 RAG·ML 평가 장문 코스는 아직 없다는 범위 인지
완료 역량- LLM과 도구 호출의 한계를 설명한다
- 정상·경계·거절 골든셋과 추적을 설계한다
- 권한·동의·사람 승인 경계를 가진 학습용 프로토타입을 평가한다
- 개념형 내부 트랙은 MODULE 04→MODULE 05→MODULE 06 순으로 진행하고 각 모듈의 산출물 게이트를 통과한다.
단계 구성필수 챕터 71 · 근거 사례 3 · 실습 5 · 참고 4 · 산출물 6
첫 모듈 시작하기 →
적용하기
- 한 요청의 모델 입력·도구 호출·관찰·최종 응답을 순서대로 기록한다
- 도구 실패·정보 부족·비용 초과 사례에서 중단 동작을 시험한다
산출물
실행 추적과 실패 지도
- 입력·도구·출력·오류 순서가 추적된다
- 정보 부족·도구 실패·비용 초과의 중단 조건이 있다
- 로컬 실행이 곧 보안 승인이나 운영 가능을 뜻하지 않음을 적었다
적용하기
- 정상·경계·거절 사례와 기대 동작을 포함한 골든셋을 만든다
- 가드레일과 사람 승인 전후의 실패율·누락·과잉 거절을 비교한다
산출물
골든셋·가드레일 평가 보고서
- 정상·경계·거절 사례와 기대값이 있다
- 실패율·과잉 거절·누락과 수정 결과를 기록했다
- 사람 승인·중단·롤백 조건이 시험되었다
적용하기
- 작은 MCP 서버를 등록하고 입력 검증·오류·동의 흐름을 시험한다
- RAG 답변의 근거 포함·보류·거절을 평가하되 정규 RAG/ML 평가 교과 공백을 한계로 기록한다
산출물
MCP·RAG 학습용 검증 프로토타입
- 도구 입력·권한·동의·오류가 추적된다
- 근거 포함·보류·거절 골든셋 결과가 있다
- 정규 RAG·ML 평가 교과 공백과 운영 전 추가 검증을 명시했다
배우기
시스템 계층과 요청 흐름AI 컴퓨팅·시스템 기초
이론
필수
→
bit, byte, parameter, tensorAI 컴퓨팅·시스템 기초
이론
필수
→
FP32, FP16, BF16, INT8, INT4AI 컴퓨팅·시스템 기초
이론
필수
→
CPU, GPU, NPUAI 컴퓨팅·시스템 기초
이론
필수
→
compute-bound, memory-bound, 데이터 이동AI 컴퓨팅·시스템 기초
이론
필수
→
RAM, VRAM, cache, bandwidthAI 컴퓨팅·시스템 기초
이론
필수
→
GPU, node, rack, interconnectAI 컴퓨팅·시스템 기초
이론
필수
→
Latency, throughput, concurrencyAI 컴퓨팅·시스템 기초
이론
필수
→
사양표와 시스템 구성도 읽기AI 컴퓨팅 사례 분석
근거 사례
필수
→
부록 — 워크시트·체크리스트·용어집AI 컴퓨팅 참조 도구
참고
선택
→
적용하기
- AI 컴퓨팅 01~08의 계층·정밀도·장치·메모리·metric 관계를 하나의 원리 지도로 정리한다
- 09장의 판독 절차로 공개 사양표와 구성도를 읽고 비교 조건과 unknown을 표시한다
산출물
사양표·병목 해설서
- 요청과 데이터 이동을 계층 구성도로 설명했다
- 용량과 대역폭을 같은 단위처럼 비교하지 않았다
- 모델·precision·hardware·workload 비교 조건을 기록했다
- 근거가 없는 값과 경계를 불확실성으로 표시했다
MODULE 05
LLM 추론 시스템의 원리
단일 추론 엔진의 요청 경로, KV 캐시, scheduling, 양자화와 metric을 하나의 조건부 원리 지도로 설명한다.
배우기
학습된 모델에서 추론 서버까지LLM 추론 시스템의 원리
이론
필수
→
tokenization, prefill, decode의 요청 여정LLM 추론 시스템의 원리
이론
필수
→
prefill과 decode의 서로 다른 병목LLM 추론 시스템의 원리
이론
필수
→
weight와 runtime memoryLLM 추론 시스템의 원리
이론
필수
→
KV 캐시LLM 추론 시스템의 원리
이론
필수
→
MHA, MQA, GQA, MLALLM 추론 시스템의 원리
이론
필수
→
batch 효율LLM 추론 시스템의 원리
이론
필수
→
continuous batchingLLM 추론 시스템의 원리
이론
필수
→
PagedAttentionLLM 추론 시스템의 원리
이론
필수
→
prefix cachingLLM 추론 시스템의 원리
이론
필수
→
양자화의 메모리·속도·품질 절충LLM 추론 시스템의 원리
이론
필수
→
speculative decoding과 MTPLLM 추론 시스템의 원리
이론
필수
→
vLLM의 API, scheduler, worker, executorLLM 추론 시스템의 원리
이론
필수
→
TTFT, TPOT, ITL, throughput, goodputLLM 추론 시스템의 원리
이론
필수
→
벤치마크 주장 비판하기LLM 추론 사례 분석
근거 사례
필수
→
부록 — 지표 정의표·워크시트·용어집LLM 추론 참조 도구
참고
선택
→
적용하기
- LLM 추론 01~14의 request·memory·scheduler·optimization·metric 관계를 연결한다
- 15장의 비교 gate로 공개 벤치마크의 조건 누락과 직접 비교 가능 여부를 판정한다
산출물
추론 엔진 원리 지도와 벤치마크 비평
- prefill과 decode의 역할과 병목을 구분했다
- KV 캐시 구조와 메모리 경계를 설명했다
- batching의 처리량·지연 절충을 설명했다
- 양자화의 메모리·속도·품질 절충을 분리했다
- TTFT·TPOT·ITL·throughput·goodput의 측정 경계를 기록했다
- 조건이 다른 벤치마크를 직접 비교 불가로 판정했다
배우기
단일 GPU로 부족해지는 이유분산 LLM·AI 인프라
이론
필수
→
PCIe, NVLink, InfiniBand, Ethernet의 경계분산 LLM·AI 인프라
이론
필수
→
Tensor parallelism분산 LLM·AI 인프라
이론
필수
→
Pipeline, data, sequence, context parallelism분산 LLM·AI 인프라
이론
필수
→
MoE와 expert parallelism분산 LLM·AI 인프라
이론
필수
→
Communication-compute overlap분산 LLM·AI 인프라
이론
필수
→
Prefill-decode disaggregation분산 LLM·AI 인프라
이론
필수
→
KV 전송과 계층화분산 LLM·AI 인프라
이론
필수
→
Routing, load balancing, autoscaling분산 LLM·AI 인프라
이론
필수
→
SLO와 capacity planning분산 LLM·AI 인프라
이론
필수
→
vLLM, SGLang, TensorRT-LLM 비교분산 LLM·AI 인프라
이론
필수
→
NVIDIA Dynamo와 llm-d분산 LLM·AI 인프라
이론
필수
→
DeepSeek·Kimi 공개 배포 사례 읽기분산 LLM·AI 인프라
이론
필수
→
GPU, NPU, 추론 하드웨어 비교분산 LLM·AI 인프라
이론
필수
→
비용·성능·전력 주장에 필요한 조건분산 LLM·AI 인프라
이론
필수
→
1차 자료에서 시스템 구성도 재구성하기분산 인프라 사례 분석
근거 사례
필수
→
근거 기반 기술 브리프최종 브리프 참고
참고
선택
→
부록 — 참조 도구 모음분산 인프라 참조 도구
참고
선택
→
적용하기
- 분산 인프라 01~15의 병렬화·통신·KV transfer·routing·SLO 관계를 인과지도로 연결한다
- 16장의 절차로 요청·인프라 구성도를 재구성하고 17장을 참고해 근거 기반 기술 브리프를 완성한다
산출물
근거 기반 기술 브리프
- 검토할 기술 주장을 하나로 한정했다
- 요청 수준과 인프라 수준 구성도 2개를 포함했다
- 병목과 최적화의 인과관계를 설명했다
- 출처 등급·주장 성격 근거표를 포함했다
- benchmark 조건표를 포함했다
- 적용 조건과 비적용 조건을 구분했다
- unknown과 추가 검증 항목을 기록했다
산출물 게이트
AI 시스템·평가 산출물 게이트
- 승인된 공개·합성·최소화 데이터만 사용했다
- 실제 사건·신고 원문·개인정보·비밀이 없다
- 출처·확인 시점·모델·프롬프트·도구·데이터·평가 버전을 기록했다
- AI 결과와 시스템을 학습용 검증 프로토타입으로 표시했다
- 사람 승인·동의·중단·롤백 경계를 시험했다
- 공식 시스템·전문 검증 완료·현장 운영 가능을 주장하지 않았다
- 기술 브리프를 운영 지침, 조달 권고 또는 공식 승인·보증(endorsement)으로 표현하지 않았다.
다음: 실행 추적·골든셋·평가·한계·인계 기록을 캡스톤 증거 묶음에 추가한다.
04
STUDIO 04
개발·기여 스튜디오
터미널·Git·웹·AI 코딩 도구를 이용해 clean build가 가능한 작은 변경과 검토 가능한 기여 증거를 만듭니다.
선행 조건- 공통 기반 4단계 통과
- 터미널 경험과 관계없이 터미널과 웹 빌드 흐름 모듈부터 순서대로 이수
- 기여가 게시·병합을 보장하지 않음을 이해
완료 역량- 로컬 개발 환경과 웹 빌드 흐름을 설명한다
- 작은 변경을 브랜치·테스트·PR 증거로 관리한다
- AI 제안을 검토하고 안전 계약을 보존한다
단계 구성필수 챕터 40 · 근거 사례 0 · 실습 3 · 참고 4 · 산출물 3
첫 모듈 시작하기 →
적용하기
- 경로·명령·프로세스 오류를 재현하고 복구 기록을 남긴다
- HTML·CSS·JavaScript 변경이 브라우저에 도달하는 흐름을 설명한다
산출물
로컬 빌드·복구 기록
- 명령·환경·오류·복구 순서가 재현된다
- 루프백 미리보기와 콘솔 확인 결과가 있다
- 외부 공개나 운영 배포 없이 로컬에서 검증했다
적용하기
- 작은 문서 또는 테스트 변경을 별도 브랜치에서 커밋한다
- 충돌·되돌리기·clean clone 테스트를 수행하고 PR 설명 초안을 만든다
산출물
검토 가능한 변경과 PR 초안
- 한 목적의 작은 커밋과 변경 근거가 있다
- clean clone에서 테스트·빌드 결과를 기록했다
- 기여 초안이며 게시·승인·병합 완료를 주장하지 않았다
적용하기
- 읽기→계획→승인→수정→테스트 순서를 작은 작업에 적용한다
- AI가 만든 diff에서 과범위·안전 계약·링크·테스트 누락을 검토한다
산출물
AI 보조 변경 검토 기록
- AI 제안과 사람이 승인한 변경을 구분했다
- 테스트·빌드·안전 계약 검토 증거가 있다
- 비밀·개인정보·실제 사건 데이터가 프롬프트와 커밋에 없다
산출물 게이트
개발·기여 산출물 게이트
- 승인된 공개·합성·최소화 데이터만 사용했다
- 비밀·자격증명·개인정보·실제 사건 데이터가 없다
- 출처·확인 시점·변경·도구·의존성·테스트·빌드 버전을 기록했다
- AI 제안과 사람 검토·수정·승인을 구분했다
- clean clone에서 테스트·빌드·링크를 재검증했다
- 게시·병합·공식 승인·운영 배포 완료를 주장하지 않았다
다음: 변경·테스트·한계·검토 기록을 캡스톤 증거 묶음에 추가한다.
✓
분야별 스튜디오 프로젝트 아이디어
선택한 한 분야에서 문제 정의→데이터·권한→기준선→학습용 검증 프로토타입→평가→한계·인계를 연결합니다. 자기학습 이정표이며 인증이 아니다.
프로젝트 아이디어에서 스튜디오 과제 고르기
분야별 학습 코스
분야별 학습 코스는 이 로드맵의 깊이 학습을 담당하는 교과서입니다. 각 모듈의 THEORY 챕터로 원리를 익힌 뒤 LAB 안내서에서 적용하세요. 전체 교과서·필터·검색 →