온톨로지 기반 프로덕트 레벨 AI Agent 서비스 구축 : 지식그래프&추론

Special Event

김정석 박사님의 3종 패키지로
✨ 온톨로지 마스터 하기✨

총 3과목

LLM으로 더 쉽게 배우는 온톨로지 : LLM Wiki · Agent 하네스 · Skill 구축으로 실무 완성정가 800,000원
온톨로지 기반 프로덕트 레벨 AI Agent 서비스 구축 : 지식그래프&추론정가 800,000원
온톨로지 기반 지식 구조화 : 설계부터 Graph RAG·추론·BPM을 통한 AI 활용까지정가 460,000원

온톨로지 한우물만 파온 ‘찐’ 전문가 김정석 박사님과
개념부터 Agent 서비스, LLM 친화형 실무 도입까지 한 번에

가격2,060,000원

할인 판매가68% 할인650,000원

12개월 할부월 54,167원

바로 구매하기

*위 묶음 상품은 김정석 강사님의 온라인 강의 세개 묶음 패키지로, 페이백/1+1 등 별도의 프로모션 및 쿠폰이 적용되지 않습니다.

그.러.나.
ONTOLOGY
그래프RAG? 온톨로지? 
비슷해 보이는 개념들, 관련 강의는 많은데
어떻게 공부해야 할 지 감이 안 잡히죠?

이번 강의는 온톨로지 기반 추론·에이전트
서비스로 확장되는 학습 흐름을 통해

개념을 넘어서 실제 서비스 구현 역량까지 단계적으로 성장할 수 있도록 설계되었습니다.

지금 이 강의로 시작하세요!

01. 강의 핵심 포인트

Point 1.

온톨로지 이해를 위한 탄탄한 기초 설계
기초 입문 이론 + 6가지 실습 커리큘럼

온톨로지를 처음 접하는 수강생도 흐름을 따라올 수 있도록,
핵심 개념과 배경 이론을 정리하고
실습을 통해 의미·관계 중심의 온톨로지를 익힙니다.

온톨로지 이해를 위한 탄탄한 기초 설계
기초 입문 이론 + 6가지 실습 커리큘럼

온톨로지를 처음 접하는 수강생도 흐름을 따라올 수 있도록, 핵심 개념과 배경 이론을 정리하고 실습을 통해 의미·관계 중심의 온톨로지를 익힙니다.

Point 2.

온톨로지 활용을 위한 실제 서비스 완성
핵심 4단계 웹앱 에이전트 제작 프로젝트

실제 웹앱 서비스를 만들며 도입·설계·추론·에이전트 구현까지
4단계 프로젝트 형태로 경험합니다. 
온톨로지가 서비스 안에서 어떻게 작동하는지 한 흐름으로 이해합니다.

온톨로지 활용을 위한 실제 서비스 완성
핵심 4단계 웹앱 에이전트 제작 프로젝트

실제 웹앱 서비스를 만들며 도입·설계·추론·에이전트 구현까지 4단계 프로젝트 형태로 경험합니다. 
온톨로지가 서비스 안에서 어떻게 작동하는지 한 흐름으로 이해합니다.

Point 3.

온톨로지 핵심 언어 완전 정복
기초 문법부터 고급 활용까지

SPARQL과 SWRL을 중심으로, 온톨로지를 활용하기 위한 필수 언어를
다룹니다. 문법 설명에 그치지 않고, 실제 온톨로지 구조 위에서
활용하는 감각을 익히는 데 초점을 둡니다.

온톨로지 핵심 언어 완전 정복
기초 문법부터 고급 활용까지

SPARQL과 SWRL을 중심으로, 온톨로지를 활용하기 위한 필수 언어를 다룹니다. 문법 설명에 그치지 않고, 실제 온톨로지 구조 위에서 활용하는 감각을 익히는 데 초점을 둡니다.

Point 4.

내 데이터를 온톨로지화 하기 위한 보너스 파트 &
커뮤니티를 통한 질의응답 제공

강의 예제를 넘어, 수강생 각자의 데이터·도메인·서비스에 온톨로지를
적용할 수 있도록 도입 가이드 부록 영상을 제공합니다.  
또한 질의응답을 통해 확장인사이트를 제공합니다.

내 데이터를 온톨로지화 하기 위한 보너스
파트 & 커뮤니티를 통한 질의응답 제공

강의 예제를 넘어, 수강생 각자의 데이터·도메인·서비스에 온톨로지를 적용할 수 있도록 도입 가이드 부록 영상을 제공합니다. 또한 질의응답을 통해 확장인사이트를 제공합니다.

02. 프로젝트

프로덕트 레벨로 구현하는 온톨로지 기반 Agent 웹앱 프로젝트
실제 서비스에 온톨로지를 도입하는 4단계 실전 구현

[최종 프로젝트 결과물 예시]

[ 온톨로지 에이전트 시스템 전체 아키텍처 ]

STEP 01 데이터 아키텍처 분리 설계 프로젝트 정형 데이터(DB)와 의미 데이터(Ontology)의 역할을 분리하여 
에이전트 서비스의 데이터 저장 구조를 설계합니다. 정형 데이터(DB)와 의미 데이터(Ontology)의 역할을 분리하여 에이전트 서비스의 데이터 저장 구조를 설계합니다.

| 주요 학습 포인트 • 모든 데이터를 지식으로 만들지 않는 기준 이해
• DB와 Ontology의 역할 차이 명확히 구분
• 온톨로지를 망치지 않는 데이터 수집 전략
• 이후 지식 그래프 구축을 고려한 데이터 구조 설계

| 실습 프로세스 • Open API를 활용해 커머스 데이터 수집
• 상품 데이터 분류 및 필터링 및 핵심 데이터 선별
• 가격·스펙·판매처 정보를 RDB(SQLite)에 적재
• DB와 Ontology의 역할 분담 구조 정의

STEP 02 온톨로지 기반 지식 그래프 모델링 프로젝트 상품 데이터를 RDF 온톨로지로 구조화하고, 
의미·맥락·관계를 표현하는 지식 그래프를 구축합니다.

| 주요 학습 포인트 • 상품을 데이터 저장이 아닌 이해 대상으로 바라보기
• 시맨틱 모델링(TBox)의 역할과 중요성
• 스펙 데이터를 의미 데이터로의 전환 방식
• 상점별 다른 표현을 하나의 개념으로 통합하는 방법

| 실습 프로세스 • 상품 개념 및 맥락 중심의 TBox 설계
• 상품의 물리적 속성과 사용 맥락 정의
• rdflib을 활용한 지식 농축 및 의미 태깅
• RDB ID ↔ Ontology Entity 연결
• 지식 그래프 시각화를 통한 구조 확인

STEP 03 규칙·맥락 기반 추론 로직 구현 프로젝트 온톨로지 규칙과 맥락 질의를 통해
에이전트가 스스로 판단하고 추천할 수 있는 로직을 구현합니다.

| 주요 학습 포인트 • 단순 검색·필터링과 추론의 차이 이해
• 규칙 기반 판단 로직 설계 방법
• 맥락 기반 질의의 실제 활용 방식
• 추천 결과에 대한 근거(Evidence) 추적 가능성

| 실습 프로세스 • SWRL 기반 추천 규칙 정의 (이런 스펙이면, 이런 사용자에게 적합)
• 무게·배터리 정보 기반 자동 추론 로직 구현
• SPARQL을 활용한 맥락 기반 상품 탐색
• SQL + SPARQL 결합 질의 구성
• 추천 결과의 근거(Evidence) 추적

STEP 04 하이브리드 에이전트 서비스 웹앱 제작 프로젝트 Ontology와 DB를 결합한 하이브리드 구조로 
실제 동작하는 쇼핑몰 Agent 웹 서비스를 완성합니다.

| 주요 학습 포인트 • Agent 아키텍처에서 Ontology의 역할 이해
• DB와 Ontology를 분리·결합하는 설계 방식
• 판단 로직을 서비스로 연결하는 흐름
• 온톨로지를 실제 웹/앱 서비스에 적용하는 방법

| 실습 프로세스 • Brain(판단) & Body(정보 제공) 구조 설계
• FastAPI 백엔드 구현 (질문 해석 → 의미 판단 → 상품 조회)
• Streamlit 기반 대화형 UI 구성
• 쇼핑몰 Agent 서비스 완성

이 강의가 어렵게 느껴진다면?
 개념부터 차근히 배우는 온톨로지 1탄!

핵심 개념 & 입문 실습 강의 →

03. 다양한 실습

온톨로지를 제대로 이해하고 활용하기 위한
핵심 개념 6가지 실습

STEP 1 | 온톨로지 기초 실습

1. Naïve RDF 변환 실습

온톨로지에 적합한 데이터를 만드는 
정제·관리 기준을 익히는 실습입니다.

실습 내용 보기
• CSV / JSON 데이터를 그대로 RDF로 변환
• 설계 없이 RDF로 바꿨을 때 발생하는 문제 확인
• RDF와 온톨로지의 차이 체감
• 형식 변환과 의미 설계의 차이 이해

2. S–P–O 분해 시나리오 실습

문장이 아닌 관계 단위로 바라보는 온톨로지 사고방식을 훈련합니다.

실습 내용 보기
• 자연어 문장을 Subject–Predicate–Object로 분해
• 상품·사용자·상황 문장을 관계 구조로 해석
• 온톨로지는 문장이 아니라 관계의 집합임을 이해
• 추론 가능한 구조의 감각 습득

3. TBox / ABox 분해 설계 실습

그래프 데이터베이스를 실제로 사용하기 위한 환경을 구성하고, 그래프 데이터를 저장·확인하며 Neo4j 사용의 기본 흐름을 익힙니다.

실습 내용 보기
• 동일 데이터를 개념(TBox)과 인스턴스(ABox)로 분리
• 잘못된 분리 사례와 올바른 설계 비교
• 모델과 데이터의 경계 이해
• 확장 가능한 온톨로지 구조의 기준 습득

4. 온톨로지를 위한 데이터 수집 전략 실습

온톨로지를 만들기 전에 어떤 데이터를 쓰고,
어떤 데이터를 쓰지 말아야 하는지 배웁니다.

실습 내용 보기
• 온톨로지에 바로 쓰면 안 되는 데이터 구분
• Open API / 크롤링 데이터 분류
• 지식화 후보 데이터 vs 단순 저장 데이터 선별
• 온톨로지를 망치는 데이터 패턴 이해

STEP 4 | 온톨로지를 위한 관리·운영·확장

5. 지식 데이터 정제 & 관리 실습

온톨로지를 단순한 데이터 변환이 아닌,
의미를 설계하는 구조로 이해하기 위한 입문 실습입니다.

실습 내용 보기
• 상품명·설명 텍스트에서 노이즈 제거
• 의미 후보 데이터 추출
• 온톨로지에 적합한 데이터 형태로 정리
• 지식화 이전 단계의 데이터 관리 노하우 습득

6. 온톨로지 관점 데이터 관리 시나리오 실습

온톨로지를 ‘만드는 것’이
아니라 운영하고 확장하는 관점을 다룹니다.

실습 내용 보기
• 온톨로지 도입 이후 데이터 변경 시나리오
• 스키마 확장, 신규 상품 추가 상황 분석
• 구조가 쉽게 망가지는 지점 파악
• 운영 관점에서의 온톨로지 관리 감각 습득

04. 커리큘럼

프로덕트 레벨로 구현하는 온톨로지 기반 Agent 웹앱 프로젝트
실제 서비스에 온톨로지를 도입하는 4단계 실전 구현

Step 01ㅣ필요한 개념 총 정리

온톨로지란 무엇인가?

• 온톨로지의 기본 개념과 등장 배경
• 데이터베이스·그래프DB·RAG와의 차이
• RDF / 지식 그래프 / 온톨로지의 역할 구분
• 온톨로지가 “데이터 저장”이 아닌 “의미 구조화”인 이유
• 서비스 관점에서 온톨로지가 필요한 상황과 아닌 상황

온톨로지를 에이전트에 적용하는 법

• 에이전트에서 온톨로지가 맡는 역할 (판단·맥락·규칙)
• LLM / RAG / Agent 구조에서 온톨로지의 위치
• 온톨로지를 두뇌로 사용하는 아키텍처 개념
• 단순 챗봇과 온톨로지 기반 에이전트의 구조적 차이
• 실제 서비스에 적용하기 위한 설계 관점

Step 02ㅣ활용이 어려운 온톨로지, RDF 완전 이해 실습

| 온톨로지의 개념과 문법 & 활용법

KEY POINT : 6가지 핵심 실습으로 온톨로지를 이해하고 에이전트 서비스에 적용하는 방법을 익힙니다.

Step 03ㅣ온톨로지 에이전트 웹앱 구축을 위한 4단계 프로젝트

KEY POINT : 온톨로지 기반 에이전트 서비스를 4단계 프로젝트 구조로 설계부터 구현까지 경험합니다.

05. 강사님

10년 이상 국가 · 대기업 서비스에 온톨로지를 적용해 온
국내 몇 없는 ‘찐’ 온톨로지 전문가

김정석 강사님
—————————————————————
(현) 클레버플랜트 대표 | 공학박사
(현) 온톨로지 및 심볼릭 인공지능 연구자
(전) SKT Software Engineer
(전) 콜라보라(Collabora, 영국) 오픈소스소프트웨어 수석 컨설턴트
(전) LG Software Engineer
주요 프로젝트 및 강연 활동
—————————————————————
패스트캠퍼스 온톨로지 강의
공공 교통 분야 온톨로지 설계
지그재그 (지식그래프재미나게그어보기) 커뮤니티 운영진
온톨로지 공개 세미나 및 강연
- 오픈소스로 구성하는 지식그래프 엔진
- UAM 데이터와 Ontology
- 온톨로지와 경로추적

"데이터는 이미 충분합니다. 우리에게 부족한 것은 그 데이터에 담긴 '현업의 질서'를 설계하는 감각입니다."
안녕하세요, 온톨로지 에이전트 서비스를 가르쳐드릴 김정석입니다.
실무 현장에서 우리가 마주하는 진짜 문제는 데이터를 새롭게 모으는 일이 아닙니다. 데이터는 보통 이미 충분히 쌓여 있습니다. 
정작 현업을 힘들게 하는 건, 그 방대한 데이터가 우리 업무 프로세스와 어떻게 연결되어 있는지 시스템이 전혀 이해하지 못한다는 사실입니다. 온톨로지 도입이 번번이 무산되는 이유는 명확합니다. 업무 도메인의 복잡성을 로직과 규칙으로 옮겨내는 과정이 매우 어렵기 때문입니다. 
그래서 다들 효용성에는 공감하면서도, 실제 적용 사례를 접하거나 도입을 결정하는 단계에서 멈추곤 합니다.
이번 강의에서는 하나의 가상 서비스를 직접 구축해 나가는 과정을 통해, 실무에서 온톨로지를 어떻게 활용했었는지 그 기록을 가감 없이 꺼내 놓으려 합니다. 이론적 당위성을 나열하기보다,그 실전적인 과정을 보여드리는 데 중점을 두었습니다. 여러분의 도메인과 서비스에 즉시 투영할 수 있는 설계의 감각과 사고방식을 확실히 전달해 드리겠습니다.

| 온톨로지 ‘찐’ 전문가 김정석 강사님의 지식 공유

06. 핵심 문법

온톨로지를 이해하기 위한 필수 언어
기초부터 활용까지

Step 01ㅣ 온톨로지 실제로 쓰기 위한 문법 익히기

기초적인 SPARQL 쿼리부터 고급 규칙 언어인 SWRL까지, 온톨로지를 조회하고 판단에 활용하기 위한 핵심 문법을 다룹니다.

Step 02ㅣ 온톨로지 언어를 실제 활용으로 옮기기

기온톨로지 문법을 직접 조회하고, 코드로 실습합니다. SPARQL과 SWRL을 실제 서비스에 쓰기 위한 감각을 익히는 단계입니다.

온톨로지를 단순 도구에서 끝내지 않고, 
활용으로 이어질 수 있도록!

BENEFIT

수강생을 위한
활용가이드

도입 가이드: 내 서비스에 온톨로지 지능을 더하는 법

온톨로지 Agent, 내 서비스에 적용하는 방법

하이브리드 아키텍처 총정리

여기에 이것까지?
본 강의 수강생 분들께만 드리는 혜택!

오직 패스트캠퍼스 수강생을 위한
오픈 커뮤니티 질의응답까지

강사님 답변 기간 : 2026.01.19 ~ 2029.01.18
* 강사님이 현업 중 답변 하시기에 답변까지 영업일 기준 7일 내외 시간이 소요될 수 있습니다.
* 강의와 무관한 질문에 대해서는 답변이 필수로 제공되지 않습니다.

한 번의 구매로 평생 소장!
언제든, 몇 번이든 다시!

한 번 결제로 평생 동안 무제한 반복 학습이 가능합니다.
바쁜 일정에 걱정할 필요 없이, 원하는 때에 학습하고
필요할 때마다 복습하세요.

QUESTION 1.
어떤 분들이 수강하시면 좋을까요?

• 온톨로지를 본인 서비스에 실제로 도입해보고 싶은 니즈를 가진 학습자
• 온톨로지, 지식 그래프, GraphRAG, Agent 등의 개념을 접해봤지만 어디서부터 어떻게 설계해야 할지 막막했던 학습자
• RAG 에이전트를 만들어봤으나, 구조적인 한계를 느낀 개발자·실무자
• 개인 또는 사내 도메인 데이터를 온톨로지 기반으로 구조화하여 실제 서비스(웹/앱)로 구현해보고 싶은 사람

QUESTION 2.
사전 지식은 어떻게 되나요?

• AI / LLM / RAG 등에 대한 기본적인 개념 이해
• Python 또는 개발 전반에 대한 기초적인 이해
• 온톨로지, RDF, 지식 그래프에 대한 사전 경험은 필수 아님

QUESTION 3.
이 강의를 통해 무엇을 얻어갈 수 있나요?

데이터 구조 설계부터 지식 그래프 구축, 추론 로직을 거쳐 에이전트에 적용하는 전체 파이프라인은 설명 가능하고(XAI) 검증 가능한 AI 서비스를 만들기 위해 선택했던 실무적인 해답입니다. 단순히 결과만 보여주는 방식에서 벗어나, 어떤 규칙과 관계가 작동하여 이런 판단이 도출되었는지 그 이면의 고민들을 함께 짚어볼 것입니다. 

강의가 끝날 무렵, 온톨로지는 더 이상 ‘어려운 학술 용어’가 아닐 것입니다. 복잡한 문제를 명쾌하게 정리하고 AI의 판단을 신뢰 가능한 구조로 만드는 강력한 실무 도구로 여러분 곁에 남을 것입니다. 단순한 기술 검증(PoC)을 넘어, 여러분의 도메인과 서비스에 즉시 투영할 수 있는 설계의 감각과 사고방식을 확실히 전달해 드리겠습니다.

QUESTION 4.
어떤 기술스택들이 활용되나요?

Protege, Jena, Python, rdflib, Owlready2, Fuseki

* 26년 2월 기준 정보
* 툴이나 프로그램 사용 환경과 버전 업데이트 등에 따라, 강의에서의 UI와 기능과 실제 수강에 차이가 있을 수 있습니다.
* 본 강의는 촬영 시점의 버전을 기준으로 학습 흐름과 개념 전달에 중점을 두었으며, 이후 버전 업데이트에 따른 내용 수정이나 추가는 제공되지 않습니다.

Fast Campus

온톨로지 기반 프로덕트 레벨 AI Agent 서비스 구축 : 지식그래프&추론

강의 정보