- 스터디
- AI TECH
환급챌린지 : 6개 AI 프로덕트로 완성하는 LLM/LMM 서비스 개발의 모든 것 : 프롬프트 엔지니어링부터 멀티모달까지 강의 최종 후기
🙌 강의 최종 후기 - [6개 AI 프로덕트로 완성하는 LLM/LMM 서비스 개발의 모든 것 : 프롬프트 엔지니어링부터 멀티모달까지]
1. 학습 인증샷
1) 학습 통계 기록
2) 공부 인증샷 3장 이상
필기 정리
고객센터 챗봇
챗봇
DALLE 실습
동화책
2. 최종 챌린지 후기
1. 환급챌린지에 참여한 이유는 무엇이었는지?
50일의 여정이 끝나고 다시 이런 후기를 쓰게 되었습니다. 제가 환급챌린지에 참여한 이유는 단순히 ‘돈을 돌려받는다’는 금전적인 이유 때문만은 아니었습니다. 사실 온라인 강의는 언제든 들을 수 있고, 집에서도 편하게 강의를 들 을 수 있다는 장점이 있긴 하지만 반면, 동시에 언제든 다른 일이 있으면 미룰 수 있고, 한 번 미루다 보면 그것이 습관이 되어 계속 미루다 보면, 끝내지 못하는 경우가 많다는 단점이 있습니다. 저 역시 그동안 몇 번의 강의를 결제만 해놓고 처음 몇 강의를 듣거나, 중간 정도까지 듣다가 관두는 경우가 여러번, 아니 대부분 그랬었습니다. 그래서 이번에는 강제성 때문에라도 끝까지 강의를 완주할 수 있는 보조적 장치가 필요했습니다. 환급 조건이 걸려 있다는 사실 자체가 단순한 제도가 아닌 그 이상으로 심리적으로 압박을 해왔습니다. 이는 곧 학습 동기와 책임감으로 이어졌습니다. “이번 기회만큼은 절대 포기하지 않겠다”라는 마음이 생겼고, 매일 진도를 따라갈 뿐만 아니라, 정리도 하고, 직접 실습하고 만들어 보고 포스팅을 해야 한다는 압박 덕분에 게으름을 부릴 겨를이 없었습니다. 또한 환급챌린지라는 제도는 단순히 개인적인 동기부여를 주는 것을 넘어, 다른 수강생들과 같은 목표를 공유한다는 일종의 소속감?을 주었습니다. 혼자 독학할 때는 흔히 찾아오는 외로움이나 동기 저하가 있었지만, 같은 도전을 하는 사람들이 있다는 사실이 묘한 긴장감과 자극을 주었습니다. 학습이 지루하거나 힘들 때도 “나만 힘든 게 아니다, 다른 사람들도 이 과정을 겪고 있다”는 생각이 저를 다시 책상 앞에 앉게 했습니다. 결국 이런 챌린지가 아니었다면 70프로도 완주하지 못했을지도 모릅니다. 동기를 부여받고, 학습 습관을 기르고, 스스로 자신과의 약속을 지킬 수 있었던 경험은 금전적 환급보다 훨씬 큰 성과였습니다. 블로그도 이번 기회에 시작하게 되어, 블로그 포스팅에 대한 관심도 생겼습니다. 앞으로도 학습 하는 내용들을 블로그에 정리하여 다른 사람들과 의견도 나누는 기회를 가지면 좋을 것 같습니다.
2. 왜 이 강의를 선택하게 되었는지? (무엇을 얻고 싶었는지, 실제로 얻은 것은 무엇인지)
이 강의를 선택한 이유는 커리큘럼의 깊이와 폭에 있었습니다. 최근 AI와 데이터 분야는 급속도로 발전하고 있고, 새로운 모델과 프레임워크가 매달 등장하다시피 합니다. 이런 상황에서 단편적인 기술 하나를 배우는 것만으로는 부족하다고 생각했습니다. 저는 “AI를 실제 서비스로 연결할 수 있는 능력”을 갖추고 싶었고, 이 강의는 그 니즈에 정확히 맞아떨어졌습니다. 단순히 ChatGPT 활용법을 넘어 RAG, LangChain, Vector DB, Whisper, DALL·E, OCR, Streamlit 등 다양한 최신 기술을 실습 중심으로 다루고 있었고, 각각을 프로젝트 단위로 경험할 수 있다는 점이 매력적이었습니다.
수강을 마치고 나니 처음 기대했던 것 이상을 얻었다는 생각이 듭니다. 데이터 분석 기초에서부터 멀티모달 AI 활용, 음성·이미지 처리, 디지털 명함과 같은 실무형 프로젝트까지 경험하면서, 단순히 지식을 아는 단계에서 끝나지 않고 실제 코드를 짜고 결과를 눈으로 확인하는 성취감을 맛보았습니다. 무엇보다 중요한 것은 “내가 AI 기술을 활용해 서비스를 직접 만들 수 있다”는 자신감이 생겼다는 것입니다. 그동안 AI는 전문가들만 다루는 먼 세계의 기술처럼 느껴졌는데, 이번 과정을 통해 “나도 충분히 해낼 수 있다”는 확신을 얻게 되었습니다.
3. 이 강의만의 장점 (ex. 강사님의 강의력, 커리큘럼 등)
초반부에서는 강사님이 라이브로 코딩하시면서 설명하는데, 약간 마이크가 웅웅 거리는 점이 없지 않아 있어서 집중하기가 힘들기는 했지만, 열심히 라이브 코딩하시며 설명해주시는 부분도 인상적이었습니다. 이 강의의 차별화된 장점은 크게 세 가지로 나눌 수 있습니다. 첫째, 다양한 프로젝트 기반 실습입니다. 커리큘럼은 단순히 한 가지 주제를 파고드는 것이 아니라, 실제 서비스로 연결 가능한 다양한 주제를 포괄하고 있었습니다. 예를 들어 LLM/LMM의 기초 이해에서 출발해, Whisper를 활용한 음성 인식과 화자 분리, DALL·E를 활용한 이미지 생성, OCR을 이용한 이미지 번역, 디지털 명함 제작, 쇼핑 AI 가상 시착, 토익 스피킹 연습 서비스 제작까지 이어지는 과정은 다양한 AI 기술의 전체적인 모습을 볼 수 있는 듯했습니다. 각 프로젝트는 기초 개념 학습하고 관련 기술 실습한 후 Streamlit 등을 통한 서비스 구현의 흐름으로 체계적으로 구성되어 있어, 배운 내용을 바로 적용하면서 체득할 수 있었습니다. 둘째, 이론과 실습의 균형입니다. 이 강의는 단순히 “API를 이렇게 호출하세요”로 끝나지 않았습니다. 왜 이런 기술이 필요한지, 어떤 상황에서 활용할 수 있는지를 맥락 속에서 설명해주었고, 이론을 배운 직후 곧바로 실습으로 이어졌습니다. 예를 들어 RAG 파트를 배우면서 단순히 검색과 결합된 언어 모델이 유용하다 설명하는 데 그치지 않고, 실제 Vector DB에 데이터를 넣고 검색 결과를 모델과 연결하는 실습을 직접 해보게 했습니다. 이런 흐름은 지식을 단순히 머리로 알고 끝내는 것이 아니라, 직접 한타 한타 타이핑하면서 체득할 수 있도록 만들어주었습니다. 셋째, 학습 심화의 동기 부여입니다. 프로젝트를 진행하면서 단순히 기술 사용법만 배운 것이 아니라, 그 배경에 있는 원리와 최신 연구에 대한 관심이 자연스럽게 생겼습니다. Whisper의 음성 인식 정확도를 보면서 어떤 방식으로 학습된 모델인지 궁금해졌고, OCR과 번역 프로젝트를 하면서 논문에서는 어떤 접근 방식으로 성능을 개선했는지 찾아보고 싶다는 생각이 들었습니다. 물론 논문을 설명해주시는 부분에서는 이해하기가 굉장히 어려웠지만, 이 과정에서 단순한 실습을 넘어 더 깊이 있는 연구와 논문을 참고해야겠다는 학습 동기가 강하게 생겼습니다.
결국 이 강의는 단순한 실습 강좌라기 보다, ‘AI를 사용하는 사람’에서 ‘AI를 탐구하고 발전시킬 수 있는 사람’으로 저 자신을 한 단계 성장시켜주는 소중한 기회였습니다.
4. 강의를 추천하고 싶은 사람은 누구인지?
이 강의는 AI 분야에 입문하고자 하는 누구에게나 추천할 수 있습니다. 특히 비전공자나 개발 경험이 적은 사람에게도 알맞습니다. 저는 이 전에는 AI를 공부해본 적이 없고, 웹 개발을 조금 해본 비전공자입니다. 기초부터 시작해 실습을 병행하기 때문에, 처음 접하는 사람도 어려움 없이 따라올 수 있습니다. 동시에 이미 현업에서 데이터를 다루거나 IT 관련 일을 하지만 AI는 깊게 경험하지 못한 실무자에게도 유용할 것 같습니다. 예를 들어, 데이터 분석하는 사람이나 기획하는 사람, 혹은 서비스 개발자 중 AI를 접목해보고 싶은데 어디서부터 시작해야 할지 모르겠다고 생각하는 분들에게 큰 도움이 될 것 같습니다.
또한, 독학으로 AI를 공부하다가 중도에 포기했던 사람들에게도 강력히 추천합니다. 환급챌린지라는 시스템이 학습을 지속할 수 있게 해주고, 커리큘럼이 체계적으로 짜여 있어 방향을 잃지 않고 끝까지 완주할 수 있게 해 주기 때문입니다.
5. 다음으로 듣고 싶은 강의는 무엇인지?
다음으로는 “테디노트의 RAG 비법노트 : 랭체인을 활용한 GPT부터 로컬 모델까지의 RAG 가이드” 강의를 꼭 듣고 싶습니다. 이번 과정에서 RAG의 기본 개념을 접하면서, AI 활용의 핵심이 단순한 모델 호출이 아니라, 검색과 추론을 결합한 구조 설계에 있다는 것을 알게 되었습니다. 특히 기업이나 개인 프로젝트에서 데이터를 안전하게 활용하려면, 클라우드 모델에만 의존하지 않고 로컬 환경에서 직접 모델을 운영할 수 있어야 합니다. 저는 앞으로 로컬 모델을 구축하고 최적화하여 독립적인 AI 시스템을 만들고 싶습니다. 이 강의는 GPT 같은 대형 언어 모델뿐 아니라 로컬 모델을 RAG 구조에 통합하는 방법까지 다루기 때문에, 제가 목표하는 자율적이고 독립적인 AI 서비스 개발자로 성장하는 데 중요한 이정표가 될 것이라 생각합니다.
6. 앞으로의 계획 (ex. 커리어 목표, 이직 목표, 자기계발 목표 등)
앞으로 저는 이번 강의를 통해 다진 기초와 프로젝트 경험을 발판 삼아, AI 분야에서 실질적인 성과를 만들어내고 싶습니다. 가보지 않은 길이라 아직 두려움은 있지만, 단순히 데이터를 다루는 기술자에 머무르지 않고, AI를 활용해 실제 문제를 해결하고 새로운 서비스를 만들어내는 개발자가 되고 싶습니다. 특히 클라우드 의존도를 줄이고, 로컬 환경에서 직접 AI 모델을 구축하고 운영하는 능력을 키우는 것이 제 우선적인 목표입니다. 이를 통해 데이터 보안성과 비용 효율성을 동시에 고려하면서, 기업이나 개인이 독립적으로 AI를 활용할 수 있는 길을 여는 기술을 가지고 사람들에게 도움을 줄 수 있으면 합니다.
더 나아가, 단순히 모델을 구축하는 데서 끝나지 않고 지능형 에이전트(Agent)를 직접 만들어보고 싶습니다. 사용자의 요구를 이해하고, 다양한 도구와 데이터를 결합하여 스스로 추론하고 작업을 수행하는 에이전트는 앞으로 AI 활용의 핵심이 될 것이라 생각합니다. 저는 실제로 RAG와 로컬 모델을 기반으로 한 맞춤형 에이전트를 개발해, 단순한 챗봇을 넘어 복잡한 문제 해결하고 커스터마이즈된 기술을 지원하는 AI를 만들어보고 싶습니다. 이런 경험을 통해 저는 AI 기술을 단순히 소비하는 사람이 아니라, AI를 만들어내고 발전시키는 개발자로 성장할 수 있으면 좋겠습니다.