devops
devops claude code
데브옵스 클로드코드
얼마 안 남았습니다!
지금이 가장 저렴해요.
본 강의는 8월 31일에 신규 런칭한 강의로,
사전 구매하신 분들께 얼리버드 혜택을 제공하고 있습니다.
🔥[런칭 2주] 슈퍼 얼리버드 특가🔥
26년 8월 31일 ~ 9월 13일까지
정가 590,000원
할인 적용가 279,000원
12개월 할부 적용시
월 23,250원
[런칭 4주] 얼리버드 할인
26년 9월 14일 ~ 9월 30일까지
정가 590,000원
판매가 289,000원
12개월 할부 적용시
월 24,083원
런칭 특가 종료시
26년 10월 1일~
정가 590,000원
판매가 299,000원
12개월 할부 적용시
월 24,916원
정가
590,000원
서비스 운영 중 장애가 발생하면
무엇부터 확인하고 대응하시나요?
반복되는 DevOps 업무를
매번 직접 처리하고 계신가요?
반복되는 DevOps 업무의 새로운 방식.
반복되는 DevOps 업무의
새로운 방식.
서비스를 완성하는 인프라와 운영
DevOps의 효율성에 AI의 생산성을 더합니다.
강의 핵심 포인트
핵심 01
국내 첫 유일무의 AI DevOps 온라인 강의
30시간에 담은
AI DevOps의 모든 것
클로드코드 활용 범위를 DevOps 업무 전체 워크플로우로 확장하는 방법을 실무자 관점에서 담았습니다.
국내 첫 유일무의 AI DevOps 온라인 강의
30시간에 담은
AI DevOps의 모든 것
클로드코드 활용 범위를 DevOps 업무 전체 워크플로우로 확장하는 방법을 실무자 관점에서 담았습니다.
핵심 02
안전성 + 정확도 + 생산성 + 효율성
인프라부터 운영까지,
DevOps 업무 단계 별 AI 위임 전략
업무 특성에 따라 L0부터 L4까지 AI 위임 수준을 세분화하고, 효율성과 안전성을 함께 고려합니다.
안전성 + 정확도 + 생산성 + 효율성
인프라부터 운영까지,
DevOps 업무 단계 별 AI 위임 전략
업무 특성에 따라 L0부터 L4까지 AI 위임 수준을 세분화하고, 효율성과 안전성을 함께 고려합니다.
핵심 03
인프라를 구축하고, 배포부터 운영까지
단계별 Hands-on 실습과
3개의 프로젝트로 경험하는 실전 AI DevOps
반복 작업은 AI에게 맡기고, 개발자는 더 중요한 의사결정에 집중하는 새로운 DevOps 워크플로우를 경험합니다.
인프라를 구축하고, 배포부터 운영까지
단계별 Hands-on 실습과
3개의 프로젝트로 경험하는 실전 AI DevOps
반복 작업은 AI에게 맡기고, 개발자는 더 중요한 의사결정에 집중하는 새로운 DevOps 워크플로우를 경험합니다.
핵심 04
국내 탑티어 AI 기업
현직 엔지니어의
AI DevOps 실전 노하우
AI 서비스 개발·운영 현장에서 직접 경험한 AI 활용 방식과 DevOps 업무 프로세스를 담았습니다.
국내 탑티어 AI 기업
현직 엔지니어의
AI DevOps 실전 노하우
AI 서비스 개발·운영 현장에서 직접 경험한 AI 활용 방식과 DevOps 업무 프로세스를 담았습니다.
핵심 내용
DevOps 업무별
AI 위임 기준을 제시하는 실전형 강의
업무 특성에 맞는 L0~L4 위임 전략을 통해
전체 자동화가 아닌, 가장 효율적인 AI 활용 방식을 제시합니다.
1. 인프라 코드 (IaC)
코드 생성부터 변경 영향 분석, 리뷰와 PR까지 AI가 연속적으로 수행하는 L3 수준의 AI 위임
2. 컨테이너 실행과 클러스터 운영
배포 자동화부터 클러스터 운영까지 AI가 반복 업무를 수행하는 L3 수준의 AI 위임
3. CI/CD, GitOps, 배포 프로세스
표준화된 배포 프로세스를 기반으로 배포 준비부터 실행까지 AI가 수행하는 L3 수준의 AI 위임
4. 모니터링 & 관측
관측 데이터 조회와 분석부터 대시보드·알람 생성까지 AI가 수행하는 L3 수준의 AI 위임
5. 장애 대응
장애 탐지부터 로그·메트릭 분석, 원인 파악과 복구까지 AI가 수행하는 L3 수준의 AI 위임
6. 운영 자동화
운영 점검부터 리포트 생성까지 반복 업무를 자동 실행하는 L4 수준의 AI 위임
7. 보안 & 거버넌스
권한 설계부터 승인 게이트, 감사 로그까지 안전한 AI 위임 환경을 구성하는 L2 수준의 AI 위임
실습/프로젝트
단계별 Hands-on 실습으로 완성하는
실전형 AI DevOps
인프라 구축부터 운영까지, 직접 따라 하는 핵심 실습과 다양한 실전 과정을 통해 AI DevOps의 전체 흐름을 경험합니다.
01. DevOps 에이전트 환경 구축
<실습 내용>
✓ Claude Code 개발 환경 구축
✓ AWS · GitHub · Slack MCP 연결
✓ CLAUDE.md 프로젝트 컨텍스트 구성
<실습 내용>
✓ Claude Code 개발 환경 구축
✓ AWS · GitHub · Slack MCP 연결
✓ CLAUDE.md 프로젝트 컨텍스트 구성
02. Read-only 인프라 조회·분석
<실습 내용>
✓ AI에게 AWS 인프라 구조 질의
✓ EC2 · RDS · VPC 리소스 분석
✓ 운영 환경 아키텍처 파악
<실습 내용>
✓ AI에게 AWS 인프라 구조 질의
✓ EC2 · RDS · VPC 리소스 분석
✓ 운영 환경 아키텍처 파악
03. 클라우드 애플리케이션 인프라 구축
<실습 내용>
✓ Terraform 코드 생성 및 수정
✓ VPC · EC2 · RDS 인프라 구축
✓ Plan 검토 및 Apply 수행
<실습 내용>
✓ Terraform 코드 생성 및 수정
✓ VPC · EC2 · RDS 인프라 구축
✓ Plan 검토 및 Apply 수행
04. 콘솔 리소스 Import
<실습 내용>
✓ 기존 AWS 리소스 Import
✓ Terraform State 생성 및 관리
✓ Drift 해결 및 코드 동기화
<실습 내용>
✓ 기존 AWS 리소스 Import
✓ Terraform State 생성 및 관리
✓ Drift 해결 및 코드 동기화
05. 클라우드 애플리케이션 컨테이너 배포
<실습 내용>
✓ Docker 이미지 생성 및 ECR Push
✓ Amazon EKS 서비스 배포
✓ Secret · ConfigMap · Ingress 구성
<실습 내용>
✓ Docker 이미지 생성 및 ECR Push
✓ Amazon EKS 서비스 배포
✓ Secret · ConfigMap · Ingress 구성
06. 오토스케일링 운영
<실습 내용>
✓ HPA(Horizontal Pod Autoscaler) 구성
✓ 부하 테스트 수행 및 Auto Scaling 검증
✓ 리소스 사용량 기반 Scaling 정책 적용
<실습 내용>
✓ HPA(Horizontal Pod Autoscaler) 구성
✓ 부하 테스트 수행 및 Auto Scaling 검증
✓ 리소스 사용량 기반 Scaling 정책 적용
07. CI/CD와 Headless Claude
<실습 내용>
✓ GitHub Actions Workflow 구축
✓ EHeadless Claude 기반 자동 배포
✓ AI가 Pull Request 검토 및 수정
<실습 내용>
✓ GitHub Actions Workflow 구축
✓ EHeadless Claude 기반 자동 배포
✓ AI가 Pull Request 검토 및 수정
08. 관측 스택 구축
<실습 내용>
✓ Prometheus 메트릭 수집 환경 구축
✓ Grafana Dashboard 구성
✓ Loki 로그 수집 및 조회
<실습 내용>
✓ Prometheus 메트릭 수집 환경 구축
✓ Grafana Dashboard 구성
✓ Loki 로그 수집 및 조회
09. Observability 도구와 AI 연동
<실습 내용>
✓ Observability 도구와 AI 연동
✓ 자연어 기반 운영 데이터 분석
✓ Dashboard 질의 및 시각화
<실습 내용>
✓ Observability 도구와 AI 연동
✓ 자연어 기반 운영 데이터 분석
✓ Dashboard 질의 및 시각화
10. AI 기반 서비스 헬스체크 및 알림 자동화
<실습 내용>
✓ 서비스 Health Check 자동화
✓ 장애 징후 탐지 및 분석
✓ 협업 도구 알림 연동
<실습 내용>
✓ 서비스 Health Check 자동화
✓ 장애 징후 탐지 및 분석
✓ 협업 도구 알림 연동
11. AI 기반 Observability 자동화
<실습 내용>
✓ Dashboard 자동 생성 및 수정
✓ 운영 지표 시각화 자동화
✓ 자연어 기반 Dashboard 관리
<실습 내용>
✓ Dashboard 자동 생성 및 수정
✓ 운영 지표 시각화 자동화
✓ 자연어 기반 Dashboard 관리
12. API 5xx 장애 RCA
<실습 내용>
✓ API 5xx 장애 재현
✓ 로그 · 메트릭 기반 RCA 수행
✓ 장애 원인 분석 및 복구
<실습 내용>
✓ API 5xx 장애 재현
✓ 로그 · 메트릭 기반 RCA 수행
✓ 장애 원인 분석 및 복구
13. 협업 도구 연동
<실습 내용>
✓ 장애 발생 시 협업 도구 알림 연동
✓ 장애 이슈 자동 생성 및 관리
✓ Incident 대응 Workflow 구성
<실습 내용>
✓ 장애 발생 시 협업 도구 알림 연동
✓ 장애 이슈 자동 생성 및 관리
✓ Incident 대응 Workflow 구성
14. 주간 운영 리포트 자동 생성
<실습 내용>
✓ 주간 운영 데이터 자동 수집 및 정리
✓ 운영 현황 및 주요 이슈 분석
✓ AI 기반 주간 운영 리포트 생성
<실습 내용>
✓ 주간 운영 데이터 자동 수집 및 정리
✓ 운영 현황 및 주요 이슈 분석
✓ AI 기반 주간 운영 리포트 생성
15. 비용 절감 리포트와 개선 PR
<실습 내용>
✓ 장애 발생 시 Slack 알림 전송
✓ Jira 이슈 자동 생성
✓ Incident 대응 Workflow 구성
<실습 내용>
✓ 장애 발생 시 Slack 알림 전송
✓ Jira 이슈 자동 생성
✓ Incident 대응 Workflow 구성
16. 승인 게이트 설계
<실습 내용>
✓ AI 생성 변경 사항 검토
✓ 배포 전 승인 Workflow 구성
✓ 승인 후 변경 사항 적용
<실습 내용>
✓ AI 생성 변경 사항 검토
✓ 배포 전 승인 Workflow 구성
✓ 승인 후 변경 사항 적용
인프라 구축부터 장애 대응까지,
AI와 함께 하나의 서비스를 3단계로 발전시키며 전체 DevOps 흐름을 경험합니다.
Project 01ㅣ Dev/Prod 환경 구성
|
목적
단일 환경에서 운영 중인 클라우드 애플리케이션을 Claude Code와 함께 Dev/Prod 구조로 확장합니다.
| 프로젝트에서 진행할 작업
・Claude Code에 요구사항 전달
・Dev/Prod 환경 분리
・Terraform 구조 개선
・운영 환경 검증
단일 환경에서 운영 중인 클라우드 애플리케이션을 Claude Code와 함께 Dev/Prod 구조로 확장합니다.
| 프로젝트에서 진행할 작업
・Claude Code에 요구사항 전달
・Dev/Prod 환경 분리
・Terraform 구조 개선
・운영 환경 검증
체크리스트
Claude Code 설치 & 초기 설정
MCP, Skill, Hook 개념 총정리
단일 도구와 협업 파이프라인의 차이
하네스의 3요소, CLAUDE.md, Rules, Hooks
Project 02ㅣ 모의 장애 대응
|
목적
운영 중인 애플리케이션에 장애가 발생한 경우 Claude Code에게 장애 상황을 브리핑하고, AI와 함께 탐지, 분석, 복구까지 전 과정을 수행합니다.
| 프로젝트에서 진행할 작업
・Claude Code로 장애 원인 분석(RCA)
・로그 · 메트릭 기반 이상 징후 확인
・서비스 복구 및 정상 동작 검증
・Incident 대응 내용 정리
운영 중인 애플리케이션에 장애가 발생한 경우 Claude Code에게 장애 상황을 브리핑하고, AI와 함께 탐지, 분석, 복구까지 전 과정을 수행합니다.
| 프로젝트에서 진행할 작업
・Claude Code로 장애 원인 분석(RCA)
・로그 · 메트릭 기반 이상 징후 확인
・서비스 복구 및 정상 동작 검증
・Incident 대응 내용 정리
체크리스트
장애 원인을 정확하게 분석했는가
Claude Code의 분석 결과를 검증했는가
서비스를 정상 상태로 복구했는가
Final Projectㅣ AI DevOps 운영 완성
|
목적
Claude Code와 협업하여 실제 운영 환경을 복구하고, 배포부터 관측, 장애 대응까지 AI DevOps 운영 워크플로우를 완성합니다.
| 프로젝트에서 진행할 작업
・Drift가 발생한 인프라 복구
・서비스 배포 및 운영 검증
・장애 탐지 · 분석 · 복구
・End-to-End AI DevOps 운영
Claude Code와 협업하여 실제 운영 환경을 복구하고, 배포부터 관측, 장애 대응까지 AI DevOps 운영 워크플로우를 완성합니다.
| 프로젝트에서 진행할 작업
・Drift가 발생한 인프라 복구
・서비스 배포 및 운영 검증
・장애 탐지 · 분석 · 복구
・End-to-End AI DevOps 운영
체크리스트
Drift를 정상적으로 복구했는가
서비스를 안정적으로 배포했는가
장애를 탐지하고 복구했는가
강사 소개
Claude Code와 AI Agent를 활용해
실제 DevOps에 적용해 온 실전 노하우
AI를 연구하고,
실제 서비스에 적용해 온
NC AI 현업 전문가의 실전 노하우
Jin 강사님
現) 글로벌 AI 기업 - Senior Solutions Architect
前) 카카오 - 머신러닝 엔지니어
前) 글로벌 IT 기업 - AI 엔지니어
강사님 한마디
DevOps 업무에 AI를 활용한다고 해서 모든 작업을 AI에게 맡기는 것이 정답은 아닙니다. 중요한 것은 어떤 업무를 AI에게 맡기고, 어디까지 사람이 직접 판단해야 하는지 구분하는 것이라고 생각합니다.
Claude Code와 AI Agent를 활용하면 인프라 구축부터 배포, 모니터링, 장애 대응, 운영 자동화까지 다양한 DevOps 업무를 빠르게 수행할 수 있습니다. 하지만 실제 운영 환경에서는 코드를 생성하는 것뿐만 아니라, 결과를 검증하고 장애 원인을 분석하며 변경 사항을 안전하게 적용하는 과정까지 함께 고려해야 합니다.
이번 강의에서는 특정 도구의 사용법을 나열하는 데 그치지 않고, 실제 DevOps 업무의 흐름 속에서 Claude Code와 AI Agent를 어떻게 활용할 수 있는지 직접 경험합니다. 인프라 구축부터 배포, 장애 대응, 운영 자동화까지 하나의 프로젝트를 단계적으로 발전시켜 나갑니다.
AI를 DevOps에 어떻게 적용해야 할지 막연했다면, 이번 강의를 통해 실제 업무에서 AI를 활용하고 검증하는 방법과 기준을 가져가셨으면 합니다.
원활한 강의 수강을 위해
일부 서비스의 유료 결제를 권장드립니다
・Claude Max (권장)
・AWS 계정
・GitHub 계정
・VS Code
・Docker Desktop 또는 OrbStack
・Terraform
・Kubernetes(kubectl)
・Git
※ 강의에 사용되는 프로그램은 별도로 제공되지 않습니다.
※ AWS 사용에 따른 소액의 클라우드 비용이 발생할 수 있습니다.
※ 일부 실습은 Claude Max(또는 충분한 사용량의 Claude 요금제)를 권장합니다.
※ GitHub 계정이 필요하며, 실습용 저장소를 직접 생성합니다.
※ 실습 환경 및 서비스 UI는 버전 업데이트에 따라 일부 화면이 달라질 수 있습니다.
※ 강의에서 제공하는 예제와 실습 코드는 2026년 8월을 기준으로 제작되었습니다.
※ 강의에서 안내되는 AI 툴의 무료 크레딧 제공 여부 및 요금제 가격 등은 각 서비스 제공사의 정책에 따라 변경되거나 종료될 수 있습니다. 이용 전 반드시 해당 서비스의 최신 정책 및 요금을 확인해 주시기 바랍니다.
Question 1.
이 강의에서 배우는 방식이 앞으로도
DevOps 엔지니어에게 필요한 역량일까요?
이 강의에서 배우는 방식이 앞으로도
DevOps 엔지니어에게 필요한 역량일까요?
DevOps에서 사용하는 도구와 기술은 계속 바뀌어 왔습니다. 하지만 새로운 도구가 등장할 때마다 결국 중요한 것은 도구 자체보다 얼마나 빠르게 업무에 적용할 수 있는가였습니다.
Claude Code 역시 마찬가지입니다. 중요한 것은 특정 AI 기능을 익히는 것이 아니라, 인프라 구축, 배포, 모니터링, 장애 대응과 같은 DevOps 업무를 AI와 어떻게 협업하며 수행할 것인지를 익히는 것입니다.
이 강의에서는 단순히 Claude Code의 기능을 설명하지 않습니다. 실제 DevOps 업무를 예제로 어떤 작업을 AI에게 맡기면 효과적인지, 생성된 결과를 어떻게 검토하고 운영 환경에 적용하는지를 실습 중심으로 다룹니다. 이러한 업무 방식은 앞으로 다른 AI 도구를 사용하더라도 충분히 활용할 수 있는 실무 경험이 될 것입니다.
Claude Code 역시 마찬가지입니다. 중요한 것은 특정 AI 기능을 익히는 것이 아니라, 인프라 구축, 배포, 모니터링, 장애 대응과 같은 DevOps 업무를 AI와 어떻게 협업하며 수행할 것인지를 익히는 것입니다.
이 강의에서는 단순히 Claude Code의 기능을 설명하지 않습니다. 실제 DevOps 업무를 예제로 어떤 작업을 AI에게 맡기면 효과적인지, 생성된 결과를 어떻게 검토하고 운영 환경에 적용하는지를 실습 중심으로 다룹니다. 이러한 업무 방식은 앞으로 다른 AI 도구를 사용하더라도 충분히 활용할 수 있는 실무 경험이 될 것입니다.
Question 2.
보안이 중요한 운영 환경에서도 Claude Code를 활용해
DevOps 업무를 수행할 수 있나요?
보안이 중요한 운영 환경에서도 Claude Code를 활용해
DevOps 업무를 수행할 수 있나요?
네. 다만 운영 환경에서 AI를 활용하는 방식은 개발 환경과는 분명한 차이가 있습니다. 실제 현업에서는 AI에게 운영 환경의 모든 권한을 부여하기보다, Terraform 코드 작성, Kubernetes 매니페스트 생성, 로그 분석, 장애 원인 분석(RCA), 운영 문서 작성처럼 사람이 충분히 검토하고 승인할 수 있는 업무를 중심으로 AI를 활용하는 경우가 많습니다.
이 강의에서도 이러한 실무 원칙을 그대로 반영했습니다. AI가 생성한 코드와 설정을 그대로 운영 환경에 적용하는 것이 아니라, 변경 사항을 검토하고, 필요한 부분을 수정한 뒤 승인하는 과정을 함께 실습합니다. 또한 Claude Code의 Permission 기능을 활용해 AI가 수행할 수 있는 작업 범위를 제어하고, 운영 환경에서 보다 안전하게 활용하는 방법도 함께 다룹니다.
AI는 운영을 대신하는 도구가 아니라 반복적인 작업을 줄이고 엔지니어의 생산성을 높여주는 협업 도구입니다. 따라서 이 강의는 AI를 무조건 신뢰하는 방법이 아니라, 운영 환경에서도 안전하게 활용할 수 있는 실무적인 기준과 워크플로우를 익히는 데 초점을 맞췄습니다.
이 강의에서도 이러한 실무 원칙을 그대로 반영했습니다. AI가 생성한 코드와 설정을 그대로 운영 환경에 적용하는 것이 아니라, 변경 사항을 검토하고, 필요한 부분을 수정한 뒤 승인하는 과정을 함께 실습합니다. 또한 Claude Code의 Permission 기능을 활용해 AI가 수행할 수 있는 작업 범위를 제어하고, 운영 환경에서 보다 안전하게 활용하는 방법도 함께 다룹니다.
AI는 운영을 대신하는 도구가 아니라 반복적인 작업을 줄이고 엔지니어의 생산성을 높여주는 협업 도구입니다. 따라서 이 강의는 AI를 무조건 신뢰하는 방법이 아니라, 운영 환경에서도 안전하게 활용할 수 있는 실무적인 기준과 워크플로우를 익히는 데 초점을 맞췄습니다.
Question 3.
이 강의를 듣기 전에 어느 정도의
DevOps 경험이 필요한가요?
이 강의를 듣기 전에 어느 정도의
DevOps 경험이 필요한가요?
이 강의는 DevOps의 모든 기술을 처음부터 깊이 있게 배우는 입문 강의는 아닙니다. 다만, DevOps 실무 경험이 반드시 필요한 것은 아니며 개발 및 기본적인 CLI 사용 경험이 있다면 수강할 수 있습니다.
Terraform, Kubernetes, AWS 등 프로젝트 수행에 필요한 핵심 개념은 각 단계에서 함께 설명합니다. 특정 인프라 기술의 모든 기능을 다루기보다는, Claude Code와 AI Agent를 활용해 인프라를 구축하고, 배포하고, 장애를 분석하며 운영을 자동화하는 등 실제 DevOps 업무를 수행하고 검증하는 과정에 집중합니다.
따라서 DevOps를 처음 접하는 분이라도 개발 경험과 기본적인 CLI 사용법을 알고 있다면 강의를 따라갈 수 있으며, 기존에 DevOps 환경을 구축하거나 운영해본 경험이 있다면 학습 내용을 실무에 더욱 빠르게 적용할 수 있습니다.
Terraform, Kubernetes, AWS 등 프로젝트 수행에 필요한 핵심 개념은 각 단계에서 함께 설명합니다. 특정 인프라 기술의 모든 기능을 다루기보다는, Claude Code와 AI Agent를 활용해 인프라를 구축하고, 배포하고, 장애를 분석하며 운영을 자동화하는 등 실제 DevOps 업무를 수행하고 검증하는 과정에 집중합니다.
따라서 DevOps를 처음 접하는 분이라도 개발 경험과 기본적인 CLI 사용법을 알고 있다면 강의를 따라갈 수 있으며, 기존에 DevOps 환경을 구축하거나 운영해본 경험이 있다면 학습 내용을 실무에 더욱 빠르게 적용할 수 있습니다.