본문 바로가기
/ 학습 로드맵

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

4공통 역량
4전문 스튜디오
31산출물

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 →
MODULE 01

민감정보와 입력 금지선을 판별하기

AI 입력 전에 개인정보와 업무상 비공개 정보를 찾아 제거·대체·중단할 수 있다.

배우기

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
MODULE 02

출처와 합성 데이터 한계를 기록하기

공개 데이터와 합성 데이터의 출처·허용 범위·대표성 한계를 설명할 수 있다.

배우기

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 →
MODULE 01

목적·대상·컨텍스트 분리하기

누가 무엇을 위해 어떤 자료를 쓰는지 한 문장으로 정의하고 필요한 컨텍스트만 제공한다.

배우기

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
MODULE 02

출력 형식과 금지 조건 고정하기

사람이 빠르게 검토할 수 있는 형식과 모델이 넘지 말아야 할 경계를 명시한다.

배우기

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
MODULE 03

자료와 테스트 사례로 명세 검증하기

자료 제공 방식과 정상·경계·거절 사례를 이용해 명세의 모호함을 줄인다.

배우기

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 →
MODULE 01

한계·환각·불확실성 표시하기

모델이 모르는 내용과 자료에 없는 내용을 구분하고 답변을 보류하게 한다.

배우기

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
MODULE 02

주장과 근거를 추적 가능하게 만들기

결과의 사실 문장을 원문 위치와 연결하고 같은 입력에서 재검산할 수 있다.

배우기

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
MODULE 03

평가표와 사람 승인으로 인계하기

정상·경계·실패 사례를 같은 기준으로 평가하고 사람에게 중단·수정·승인을 요청한다.

배우기

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 →
MODULE 01

사용자·업무 흐름·기준선 관찰하기

가상의 사용자 여정과 현재 처리 절차를 관찰해 해결할 문제와 단순 불편을 구분한다.

배우기

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
MODULE 02

성공·실패·중단 조건 설계하기

성과 지표뿐 아니라 잘못된 결과의 비용과 사람이 개입할 조건을 먼저 정의한다.

배우기

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
MODULE 03

전문 스튜디오 선택 브리프 만들기

문제의 핵심 산출물과 필요한 선수 역량을 비교해 하나의 스튜디오와 보충 학습을 선택한다.

배우기

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 →
MODULE 01

문서 흐름을 단계와 역할로 분해하기

수집·추출·초안·검토·승인의 경계를 나눠 각 단계의 입력과 실패 조건을 정의한다.

배우기

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
MODULE 02

근거가 연결된 브리프 만들기

제공 자료만으로 사실·미확정·권고를 구분하고 모든 핵심 문장을 근거로 추적한다.

배우기

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
MODULE 03

재사용 템플릿과 회귀 평가 운영하기

문서 템플릿을 버전 관리하고 골든 사례로 변경 전후 품질을 비교한다.

배우기

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 →
MODULE 01

Python 브리지와 파일 입출력

변수·자료구조·분기·반복·함수·예외를 이용해 합성 파일을 읽고 검증 가능한 CSV로 저장한다.

MODULE 02

표 데이터 정제와 결합

pandas로 스키마·결측·중복·날짜·텍스트를 검사하고 정제 전후 변화를 기록한다.

MODULE 03

SQL 조인·집계와 교차 검산

관계형 구조와 무결성을 이해하고 SQL 집계를 pandas 결과와 교차 검산한다.

MODULE 04

재현 가능한 분석 패키지 만들기

환경·로그·시각화·실행 순서를 정리해 다른 사람이 합성 데이터로 결과를 재현하게 한다.

배우기

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 →
MODULE 01

LLM과 에이전트 실행 루프 이해하기

추론 한계와 도구 호출·컨텍스트 흐름을 설명하고 작은 학습용 에이전트를 관찰한다.

MODULE 02

골든셋·가드레일·사람 인계 평가하기

정상·경계·거절 사례로 안전·근거·권한·비용을 평가하고 사람이 개입할 지점을 검증한다.

배우기

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
MODULE 03

MCP 연결과 RAG 평가 경계 세우기

MCP 도구·리소스·동의 경계를 구현하고 근거 검색 프로토타입을 골든셋으로 평가한다.

MODULE 04

AI 컴퓨팅·시스템 기초

컴퓨팅 계층, 수치 단위와 병목을 연결해 사양표와 시스템 구성도를 조건부로 해석한다.

MODULE 05

LLM 추론 시스템의 원리

단일 추론 엔진의 요청 경로, KV 캐시, scheduling, 양자화와 metric을 하나의 조건부 원리 지도로 설명한다.

배우기

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
MODULE 06

분산 LLM·AI 인프라와 기술 브리프

단일 엔진의 원리를 다중 GPU·node·service 계층으로 확장하고 공개 근거의 조건과 unknown을 기술 브리프로 종합한다.

배우기

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 →
MODULE 01

터미널과 웹 빌드 흐름 익히기

파일·프로세스·HTTP·브라우저 흐름을 이해하고 로컬 정적 사이트를 안전하게 빌드·확인한다.

MODULE 02

Git으로 작은 기여를 검증하기

브랜치·커밋·병합·되돌리기·PR 흐름으로 검토 가능한 작은 변경을 만든다.

MODULE 03

AI 페어와 안전하게 변경하기

AI 도구에 계획·권한·검증 경계를 주고 제안된 변경을 직접 읽고 시험한다.

배우기

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

정규 교과서 준비 중인 분야(컴퓨터비전, ML 평가, GIS, 음성)의 제한된 탐색 실습을 수행합니다.

02
EXPLORATION

정규 교과서 준비 중인 심화 탐색

컴퓨터비전, 머신러닝 평가, GIS/공간정보, 음성/ASR은 현재 장문 정규 코스가 없습니다. 안내서와 참고자료로 범위를 제한한 탐색 실습만 수행합니다.

선행 조건
  • 공통 기반 4단계 통과
  • 정규 교과서 준비 중인 공백 경로임을 이해
  • 결과를 완성 트랙·운영 모델·전문 검증으로 표현하지 않기
완료 역량
  • 교과 공백과 필요한 후속 학습을 명시한다
  • 공개·합성 데이터로 작은 탐색 실험을 재현한다
  • 실패와 한계를 근거로 중단 또는 후속 학습을 결정한다
단계 구성필수 챕터 0 · 근거 사례 0 · 실습 6 · 참고 3 · 산출물 4
첫 모듈 시작하기 →
MODULE 01

컴퓨터비전 탐색

정규 컴퓨터비전 교과서 준비 중 상태에서 공개·합성 영상의 탐지 데모를 관찰하고 오류 유형만 기록한다.

배우기

적용하기

  • 공개·합성 영상에서 누락·오탐·조명·연기 조건을 비교한다
  • 실제 현장 적용에 필요한 데이터·평가·승인 공백을 적는다

산출물

컴퓨터비전 탐색 오류 카드
  • 공개·합성 영상만 사용했다
  • 누락·오탐과 조건별 한계를 기록했다
  • 현장 탐지 성능이나 운영 가능을 주장하지 않았다
MODULE 02

머신러닝 평가 탐색

정규 머신러닝 평가 교과서 준비 중 상태에서 기준선·오류·드리프트 개념을 제한적으로 관찰한다.

배우기

적용하기

  • 단순 기준선과 학습 결과를 같은 공개·합성 표본에서 비교한다
  • 분할·지표·드리프트·재학습 판단에 필요한 교과 공백을 적는다

산출물

머신러닝 평가 공백 지도
  • 기준선·평가 지표·데이터 분할의 한계를 적었다
  • 실패 사례와 드리프트 관찰을 구분했다
  • 위험도나 예측 결과를 공식 판단에 쓰지 않았다
MODULE 03

GIS/공간정보 탐색

정규 GIS/공간정보 교과서 준비 중 상태에서 좌표계·거리·결측의 영향을 공개 데이터로 관찰한다.

배우기

적용하기

  • 공개 소방용수 예시에서 좌표계와 거리 계산 차이를 비교한다
  • 공백 구역 표현의 데이터 누락·최신성·공간 오차를 기록한다

산출물

GIS/공간정보 탐색 한계 지도
  • 좌표계·거리·데이터 최신성을 기록했다
  • 공백 구역과 데이터 누락을 구분했다
  • 지도를 배치·출동·안전 판단 자료로 표현하지 않았다
MODULE 04

음성/ASR 탐색

정규 음성/ASR 교과서 준비 중 상태에서 합성 통화의 전사·화자·품질 오류만 제한적으로 평가한다.

배우기

적용하기

  • 합성 통화의 숫자·주소·화자 전환 오류를 유형별로 기록한다
  • 전사 오류가 분류 결과에 전달되는 경로와 사람 확인 지점을 그린다

산출물

음성/ASR 탐색 오류 보고서
  • 합성 음성만 사용하고 실제 신고 통화를 쓰지 않았다
  • 숫자·주소·화자·잡음 오류와 전파 경로를 기록했다
  • 자동 분류나 현장 활용 가능을 주장하지 않았다
산출물 게이트

심화 탐색 중단·인계 게이트

  • 승인된 공개·합성·최소화 데이터만 사용했다
  • 실제 영상·사건·신고 음성·개인정보가 없다
  • 출처·확인 시점·교과 공백·데이터·도구·실험 버전을 기록했다
  • 모든 결과를 제한된 학습 탐색으로 표시했다
  • 사람이 실패·한계·중단·후속 학습 필요를 검토했다
  • 정규 코스 이수·전문 검증·공식 판단·현장 운영을 주장하지 않았다

다음: 탐색 결과는 공백 지도와 후속 학습 요구로만 남기고 운영 개발로 진행하지 않는다.

개발·탐색 프로젝트 아이디어

개발 기여 또는 공백 분야 하나에서 문제 정의→데이터·권한→기준선→학습용 검증 프로토타입→평가→한계·인계를 기록합니다. 자기학습 이정표이며 인증이 아니다.

프로젝트 아이디어에서 제한된 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 →

L1 입문22개 챕터

Git 완전 정복

버전 관리의 기초부터 PR·CICD·내부 원리까지.

로드맵 1개 모듈에서 사용 읽기 →
L1 입문20개 챕터

pandas 데이터 분석 입문

설치 없이 브라우저로 시작하는 표 데이터 분석.

로드맵 4개 모듈에서 사용 읽기 →
L1 입문34개 챕터

파이썬 학습 안내서(전권)

초급→중급→고급 3권으로 잇는 파이썬 기초 체력.

로드맵 2개 모듈에서 사용 읽기 →
L1 입문13개 챕터

SQL 데이터베이스 입문

설치 없이 SQLite로 — 데이터를 쌓고 꺼내 묻는 표준 언어 SQL을 처음부터.

로드맵 1개 모듈에서 사용 읽기 →
L1 입문6개 챕터

컴퓨터·개발 기초 입문

터미널을 처음 여는 사람을 위한 0번 챕터 — 파일·경로·명령어·개발 도구 세팅.

로드맵 1개 모듈에서 사용 읽기 →
L1 입문8개 챕터

웹은 어떻게 작동하는가

주소창에 엔터를 치면 페이지가 뜨기까지 — DNS·HTTP·HTML·CSS·렌더링의 1초.

로드맵 1개 모듈에서 사용 읽기 →
L2 중급10개 챕터

AI 컴퓨팅·시스템 기초

LLM 추론을 이해하기 위한 메모리·정밀도·가속기·병목의 연결 지도.

LLM 추론·AI 인프라 · 1/3 로드맵 1개 모듈에서 사용 읽기 →
L2 중급28개 챕터

Claude Code 안내서

터미널에서 AI 페어 프로그래밍으로 개발 속도를 끌어올리기.

로드맵 1개 모듈에서 사용 읽기 →
L2 중급8개 챕터

LLM 안내서

대규모 언어모델의 원리와 활용을 개념부터.

로드맵 2개 모듈에서 사용 읽기 →
L2 중급16개 챕터

LLM 추론 시스템의 원리

prefill·decode에서 KV 캐시·batching·양자화·vLLM까지 잇는 추론 원리.

LLM 추론·AI 인프라 · 2/3 로드맵 1개 모듈에서 사용 읽기 →
L2 중급39개 챕터

프롬프트·컨텍스트 엔지니어링

무엇을 어떻게 말하고 무엇을 보게 할지 원리부터 실무까지.

로드맵 14개 모듈에서 사용 읽기 →
L3 심화25개 챕터

에이전틱 AI 엔지니어링

여러 프레임워크로 자율 에이전트를 설계하는 마스터클래스.

로드맵 3개 모듈에서 사용 읽기 →
L3 심화18개 챕터

분산 LLM·AI 인프라

병렬화·통신·PD 분리·라우팅·SLO를 근거 기반 기술 브리프로 종합.

LLM 추론·AI 인프라 · 3/3 로드맵 1개 모듈에서 사용 읽기 →
L3 심화28개 챕터

MCP 심화 안내서

모델·도구를 잇는 표준 프로토콜 MCP를 깊이 있게.

로드맵 1개 모듈에서 사용 읽기 →