LLM 개발을 하면서 이런 순간,
한 번쯤 겪어보지 않았나요?

복잡한 모델 학습부터 로컬 LLM 환경의 제약까지, 개발자들이 마주하는 현실적인 문제들.

상황 1

밤새 학습시켰는데,
성능이 안 나와서 처음부터 다시?

밤새 학습시켰는데,
성능이 안 나와서
처음부터 다시?

복잡한 환경 설정부터 학습 코드 작성, 파라미터 수정까지.
반복되는 시행착오에 모델 개발 시간만 늘어나고 있지는 않나요?

상황 2

Claude Code로 열심히 개발하는데,
정작 회사에서는 못 쓴다고?

Claude Code로 열심히
개발하는데,
정작 회사에서는 못 쓴다고?

AI로 모델 학습을 자동화해도 외부 API 사용이 제한된 사내 환경에서는 무용지물.
우리 회사에서도 활용할 수 있는 환경이 필요하지 않으신가요?

ImageSlide
ImageSlide

외부 API 비용과 모델 개발 시간은 DOWN!
로컬 LLM으로 사내 활용도와 자동화 효율은 UP!

학습 포인트

단순히 Claude Code에 명령하는 데서 끝나지 않습니다. AI가 하는 일을 판단하는 이론까지 2주 안에 가져갑니다.

Claude Code
Claude Code부터
로컬 LLM까지,
모델 학습 자동화 시스템 완성
Claude Code로 나만의 LLM을 파인튜닝하고, 로컬 LLM 기반 자체 AI 하네스까지 직접 구축합니다. 외부 AI 도구 없이도 사내 환경 실무 역량을 확보하세요.
Curriculum
핵심 이론부터
프로젝트·과제까지,
2주 완성 실전 커리큘럼
LLM의 핵심 이론부터 Claude Code 자동화, 자체 AI 하네스 구축까지 단계별로 학습합니다. 실전 프로젝트와 과제를 통해 배운 내용을 직접 구현하고 결과물을 완성합니다.
Researcher
한국형 딥시크 최초 개발자,
9개 벤치마크 중
5개 1위·4개 2위
KO-REAson-35B를 개발한 손규진 강사님의 LLM 학습 노하우를 배웁니다. 9개 벤치마크 중 5개 1위, 약 579만 건의 한국어 데이터 기반 추론 모델 연구자의 실전 경험을 만나보세요.

총 2과목
  • [2주 오프라인] Claude Code & 로컬 LLM으로 완성하는 모델 개발 자동화 : 파인튜닝부터 자체 하네스 구축까지정가 1,700,000원
  • LLM 모델 개발 Signature정가 321,000원
LLM의 핵심 원리부터 파인튜닝·최적화·모델 평가까지 익히고,
Claude Code로 모델 개발을 자동화하는 방법부터 외부 AI 도구 없이도 사내 로컬 환경에서 구동 가능한 자체 AI 하네스 구축까지 한 번에 배워보세요.
가격2,021,000원
할인 판매가45% 할인1,100,000원
12개월 할부월 91,667원
바로 구매하기

커리큘럼

LLM 자동화 하네스를 위한 핵심 이론부터
실제 사내망 환경을 고려한 실전 프로젝트와 과제까지!

단 2일 동안, LLM 파인튜닝 전문가 손규진 강사님과 함께 모델 개발 자동화를 완성하세요! 이번 강의는 단순히 코드를 따라 치는 수업이 아닙니다.
LLM 학습의 핵심 이론을 이해하고, Claude Code를 활용해 복잡한 파인튜닝 과정을 자동화합니다.
나아가 외부 AI 도구 없이도 사내 환경에서 활용할 수 있는 로컬 LLM 기반 자체 AI 하네스까지 직접 구축합니다.
이론부터 실습, 프로젝트, 과제까지! 2일 동안 실제 결과물을 완성하는 데 집중합니다.

1 WEEK Claude Code 기반 LLM 파인튜닝·모델 학습 자동화
(파인튜닝 핵심 이론 + Claude Code 자동화 실습)

| 개념 정리학습 목표
언어 모델 학습이 필요한 다양한 개념을 이해하고 (model architecture, dataset, optimization, 등) 모델 학습에서 이를 적재적소에 튜닝해 사용할 수 있다.
| 핵심 학습 내용 LLM 학습 핵심 이론: Pretraining, SFT, DPO/ORPO, RL/OPD 등 모델 학습 원리 이해
모델 학습 최적화: 학습 속도 개선, 하이퍼파라미터 튜닝 및 학습 관리
TRL 기반 LLM 파인튜닝: TRL을 활용한 SFT 모델 학습 및 성능 평가
Claude Code 모델 학습 자동화: AI 코딩 에이전트를 활용한 학습 코드 작성 및 모델 개발 자동화
LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어, 최신 LLM 학습 트렌드, Pretraining 개념, 모델 아키텍처, 데이터셋 구성, Post-training, SFT, Preference Optimization, DPO/ORPO, RL, OPD, 최적화 전략, 하이퍼파라미터 튜닝. 학습 관리, Learning Rate, Batch Size, Logging, Checkpoint, 학습 관리 방법, TRL 기반 모델 학습, TRL을 활용한 모델 학습, SFT 실습, Claude Code 학습 자동화, Claude Code를 활용한 모델 학습, LLM 개발 자동화 구현, 성능 확인, Claude Code 기반 LLM 파인튜닝 모델 완성, GPU, 학습 데이터셋 구축, 파인튜닝 모델, 성능 평가

2 WEEK 사내 로컬 LLM 기반 자체 AI 하네스 구축·자동화
(외부 API 차단 사내망 환경 자동화 실습)

| 개념 정리학습 목표 Claude Code로 자동화했던 모델 학습 작업 일부를
로컬 LLM(오픈소스 모델) 기반 자체 AI 하네스로 대체하여,
기업 내부 환경에서도 모델 학습 자동화를 구현할 수 있다.
| 핵심 학습 내용 AI Agent 및 Custom Harness 이해: AI 에이전트 동작 원리와 자체 하네스 구축 방법
로컬 LLM 기반 자체 하네스 구축: 오픈소스 LLM을 연동한 모델 학습 자동화 환경 구현
Custom Harness 기반 모델 학습: Claude Code의 학습 자동화 작업 일부를 자체 하네스로 대체
AI 기반 학습 데이터 생성 자동화: Autodata 개념 이해 및 Claude Code를 활용한 학습 데이터셋 구축
LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어, 최신 LLM 학습 트렌드, Pretraining 개념, 모델 아키텍처, 데이터셋 구성, Post-training, SFT, Preference Optimization, DPO/ORPO, RL, OPD, 최적화 전략, 하이퍼파라미터 튜닝. 학습 관리, Learning Rate, Batch Size, Logging, Checkpoint, 학습 관리 방법, TRL 기반 모델 학습, TRL을 활용한 모델 학습, SFT 실습, Claude Code 학습 자동화, Claude Code를 활용한 모델 학습, LLM 개발 자동화 구현, 성능 확인, Claude Code 기반 LLM 파인튜닝 모델 완성, GPU, 학습 데이터셋 구축, 파인튜닝 모델, 성능 평가

* 상기 일정은 진행 과정 및 현장 상황에 따라 일부 변경 될 수 있습니다.

커리큘럼

claude code 커스텀 LLM 모델과 로컬 LLM 자체 하네스까지!
실무에 꼭 필요한 2가지 프로젝트

| 2026 LLM 파인튜닝 워크숍 실습의 Special Point

ImageSlide온라인이나 독학으로 해결하기 어려운 현업 난제와 오류들을 2주 실습을 통해 직접 구현 및 해결
온라인이나 독학으로 해결하기 어려운 현업 난제와 오류들을 2주 실습을 통해 직접 구현 및 해결
ImageSlideClaude Code와 로컬 LLM을 활용해 모델 개발 자동화 흐름을 실전처럼 익힙니다.
Claude Code와 로컬 LLM을 활용해 모델 개발 자동화 흐름을 실전처럼 익힙니다.
ImageSlide강사님이 직접 실습 프로젝트와 과제에 대해 맞춤형 1:1 피드백을 제공합니다.
강사님이 직접 실습 프로젝트와 과제에 대해 맞춤형 1:1 피드백을 제공합니다.

Week 1 Claude Code를 활용한 LLM 파인튜닝 자동화 LLM 학습에 필요한 핵심 이론을 이해하고, Claude Code를 활용해 복잡한 모델 학습 과정을 자동화합니다.

LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어, 최신 LLM 학습 트렌드, Pretraining 개념, 모델 아키텍처, 데이터셋 구성, Post-training, SFT, Preference Optimization, DPO/ORPO, RL, OPD, 최적화 전략, 하이퍼파라미터 튜닝. 학습 관리, Learning Rate, Batch Size, Logging, Checkpoint, 학습 관리 방법, TRL 기반 모델 학습, TRL을 활용한 모델 학습, SFT 실습, Claude Code 학습 자동화, Claude Code를 활용한 모델 학습, LLM 개발 자동화 구현, 성능 확인, Claude Code 기반 LLM 파인튜닝 모델 완성, GPU, 학습 데이터셋 구축, 파인튜닝 모델, 성능 평가
학습 포인트
• Pretraining, SFT, DPO/ORPO, RL 등 LLM 학습 핵심 개념
• 학습 최적화 및 하이퍼파라미터 튜닝
• TRL 기반 SFT 및 Claude Code 모델 학습 자동화
1주차 과제
• Claude Code 기반 LLM 학습 자동화 스크립트 구축
• SFT 파인튜닝 모델 완성 및 학습 결과 분석
실습 내용
• STEP 1. LLM 모델 학습 환경 구성 및 데이터셋 준비
• STEP 2. TRL을 활용한 SFT 파인튜닝 실습
• STEP 3. Claude Code로 모델 학습 코드 작성 및 실행 자동화
• STEP 4. 하이퍼파라미터 조정 및 학습 결과 확인

Week 2 로컬 LLM 기반 자체 AI 하네스 구축 오픈소스 LLM과 자체 하네스를 활용해 모델 학습을 자동화하고, AI 에이전트를 통한 학습 데이터 생성까지 경험합니다.

LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어, 최신 LLM 학습 트렌드, Pretraining 개념, 모델 아키텍처, 데이터셋 구성, Post-training, SFT, Preference Optimization, DPO/ORPO, RL, OPD, 최적화 전략, 하이퍼파라미터 튜닝. 학습 관리, Learning Rate, Batch Size, Logging, Checkpoint, 학습 관리 방법, TRL 기반 모델 학습, TRL을 활용한 모델 학습, SFT 실습, Claude Code 학습 자동화, Claude Code를 활용한 모델 학습, LLM 개발 자동화 구현, 성능 확인, Claude Code 기반 LLM 파인튜닝 모델 완성, GPU, 학습 데이터셋 구축, 파인튜닝 모델, 성능 평가
학습 포인트
• AI Agent와 Custom Harness의 구조 및 구축 원리
• 로컬 LLM 기반 모델 학습 자동화
• Agent 기반 학습 데이터 생성(Autodata)
2주차 과제
• 오픈소스 LLM 연동 및 모델 학습 자동화 Custom Harness 구축
• 자체 하네스를 활용한 LLM 학습 실행 및 Claude Code 기반 학습 데이터셋 자동 생성
실습 내용
• STEP 1. 오픈소스 LLM 연동 및 자체 AI 하네스 설계
• STEP 2. Custom Harness 기반 모델 학습 자동화 구현
• STEP 3. 자체 AI 하네스로 LLM 모델 학습 실행
• STEP 4. Claude Code를 활용한 학습 데이터 자동 생성

* 상기 일정은 진행 과정 및 현장 상황에 따라 일부 변경 될 수 있습니다.

LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어

수강 후 결과물

단순히 개념을 익히는 데서 그치지 않습니다. 두 가지 방식으로 학습시킨 커스텀 LLM과 자체 하네스를 완성합니다.

LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어, 최신 LLM 학습 트렌드, Pretraining 개념, 모델 아키텍처, 데이터셋 구성, Post-training, SFT, Preference Optimization, DPO/ORPO, RL, OPD, 최적화 전략, 하이퍼파라미터 튜닝. 학습 관리, Learning Rate, Batch Size, Logging, Checkpoint, 학습 관리 방법, TRL 기반 모델 학습, TRL을 활용한 모델 학습, SFT 실습, Claude Code 학습 자동화, Claude Code를 활용한 모델 학습, LLM 개발 자동화 구현, 성능 확인, Claude Code 기반 LLM 파인튜닝 모델 완성, GPU, 학습 데이터셋 구축, 파인튜닝 모델, 성능 평가
ImageSlide
ImageSlide
ImageSlide
ImageSlide
ImageSlide
ImageSlide

강사 소개

한국형 딥시크 모델 국내 최초 개발!
파인튜닝의 정점에 오른 LLM 파인튜닝 대가

LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어, 최신 LLM 학습 트렌드, Pretraining 개념, 모델 아키텍처, 데이터셋 구성, Post-training, SFT, Preference Optimization, DPO/ORPO, RL, OPD, 최적화 전략, 하이퍼파라미터 튜닝. 학습 관리, Learning Rate, Batch Size, Logging, Checkpoint, 학습 관리 방법, TRL 기반 모델 학습, TRL을 활용한 모델 학습, SFT 실습, Claude Code 학습 자동화, Claude Code를 활용한 모델 학습, LLM 개발 자동화 구현, 성능 확인, Claude Code 기반 LLM 파인튜닝 모델 완성, GPU, 학습 데이터셋 구축, 파인튜닝 모델, 성능 평가
LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어, 최신 LLM 학습 트렌드, Pretraining 개념, 모델 아키텍처, 데이터셋 구성, Post-training, SFT, Preference Optimization, DPO/ORPO, RL, OPD, 최적화 전략, 하이퍼파라미터 튜닝. 학습 관리, Learning Rate, Batch Size, Logging, Checkpoint, 학습 관리 방법, TRL 기반 모델 학습, TRL을 활용한 모델 학습, SFT 실습, Claude Code 학습 자동화, Claude Code를 활용한 모델 학습, LLM 개발 자동화 구현, 성능 확인, Claude Code 기반 LLM 파인튜닝 모델 완성, GPU, 학습 데이터셋 구축, 파인튜닝 모델, 성능 평가

| LLM 모델 개발 전문가 손규진님의 활동 자세히 보기

한국어 추론(Reasoning) 모델 시리즈 개발 > 모델 보러가기

글로벌 탑티어 학회 EMNLP, NAACL등 기재 및 발표 > 논문 보러가기

[모두팝 2025] R1 파헤치기, Ko-R1 개발기

★OFFLINE ONLY★

강의가 끝나도 멈추지 않습니다.
AFTER 1:1 컨설팅

오프라인에서 주고받던 깊이 있는 피드백을 수료 후 개인 과제까지 이어갑니다.

LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어, 최신 LLM 학습 트렌드, Pretraining 개념, 모델 아키텍처, 데이터셋 구성, Post-training, SFT, Preference Optimization, DPO/ORPO, RL, OPD, 최적화 전략, 하이퍼파라미터 튜닝. 학습 관리, Learning Rate, Batch Size, Logging, Checkpoint, 학습 관리 방법, TRL 기반 모델 학습, TRL을 활용한 모델 학습, SFT 실습, Claude Code 학습 자동화, Claude Code를 활용한 모델 학습, LLM 개발 자동화 구현, 성능 확인, Claude Code 기반 LLM 파인튜닝 모델 완성, GPU, 학습 데이터셋 구축, 파인튜닝 모델, 성능 평가

* 수료 후 개인 도메인 프로젝트 과제를 제출하면, 강사님이 모델 자동화 구성과 개선 방향을 직접 검토해 피드백합니다.

LLM 개발, RAG, 프롬프트 엔지니어링, 도메인, LLM, 강화 학습, 모델 평가, 합성 데이터, 히킹페이스, 손규진, 데이터셋, 엔지니어, 최신 LLM 학습 트렌드, Pretraining 개념, 모델 아키텍처, 데이터셋 구성, Post-training, SFT, Preference Optimization, DPO/ORPO, RL, OPD, 최적화 전략, 하이퍼파라미터 튜닝. 학습 관리, Learning Rate, Batch Size, Logging, Checkpoint, 학습 관리 방법, TRL 기반 모델 학습, TRL을 활용한 모델 학습, SFT 실습, Claude Code 학습 자동화, Claude Code를 활용한 모델 학습, LLM 개발 자동화 구현, 성능 확인, Claude Code 기반 LLM 파인튜닝 모델 완성, GPU, 학습 데이터셋 구축, 파인튜닝 모델, 성능 평가

*강사님의 현업 일정에 따라 답변까지 2~3일 정도 소요될 수 있습니다.

*강의에서 다룬 범위를 벗어난 내용은 피드백이 제한될 수 있습니다.

Benefit 1

오프라인 교육 후에도 이어지는 학습 경험,
평생 수강 가능한 약 120만원 상당
LLM 모델 개발 온라인 강의 2개를 제공합니다.

오프라인 워크숍 수강 후, LLM을 더 깊이 탐구하고 싶으신가요?
평생 수강 가능한 온라인 강의를 함께 제공합니다.

* [한국형 딥시크 개발자가 알려주는 LLM의 모든 것 : 데이터생성부터 RAG 파인튜닝, 성능 최적화까지]
* [오픈소스 LLM으로 인프라 투자 없이 고성능 AI 모델 개발하기]
* 강의 종료 후 차주 수요일에 지급 예정입니다.
Benefit 2

강의 외에도 현업에서 바로 써먹을 수 있도록,
실무적용을 위한 보너스 혜택 자료 제공

워크숍 수강생분들께, 현업에서 즉시 활용할 수 있는 자료를 제공합니다.
340만 원 상당의 데이터셋
최신 LLM 연구 흐름 파악을 위한 50편+ 논문 리뷰 및 26년 6월 최신 논문 업데이트

* [오프라인] LLM 실전 2-DAY 워크숍 : 고성능 & 저비용 LLM 효율 극대화 완성하기 with. Reasoning] 강의에 제공되는 혜택과 동일합니다.
* 일부 논문은 강의에 필요한 핵심 내용만 발췌해 다룹니다.

사전 안내

수강에 필요한 프로그램과 계정을 안내드립니다.

* 원활한 강의 수강을 위해 구독 및 결제 권장드리는 프로그램입니다.

Claude Code Pro (약 $20/월)
RunPod 클라우드 GPU 사용료 (A100 - $2.72/hr 약 5만 원 내외 예상) * 프로그램 및 계정은 별도로 제공되지 않습니다.
* GPU 대여는 RunPod 이용을 권장하며, 사전 계정 가입이 필요합니다.
* GPU 결제 및 대여는 강의 당일 강사님의 안내에 따라 진행됩니다.
* GPU 사용료는 수강료에 포함되지 않으며, 개인별 사용량에 따라 달라질 수 있습니다.
* 상기 내용은 진행 과정 및 현장 상황에 따라 일부 변경될 수 있습니다.

기업 교육 및 단체 할인

교육비 지원, 단체 수강, 맞춤형 교육까지
우리 조직에 필요한 방식으로
The CAMP를 활용해 보세요.

개인용 교육비 청구 템플릿
교육 과정 소개서, 기대 효과, 수료증 등
내부 결재를 위한 템플릿을 제공해 드립니다.
템플릿 바로가기
단체 구매 할인 신청서
단체 수강 시 적용되는 할인 혜택을
원하시면 신청서를 작성해 주세요.
단체 구매 신청하기
기업 전용 프라이빗 교육 제공
조직의 목표와 구성원 수준에 맞춰
기업별 맞춤형 코호트 과정을 제공합니다.
맞춤 교육 문의하기

교육 장소 소개

패스트캠퍼스 강남 강의장(미왕빌딩 11층)에서 2주간 진행합니다.

패스트캠퍼스
강남역 4번 출구, 미왕 빌딩
[도로명] 서울 강남구 강남대로 364
[지번] 역삼동 826-21
패스트캠퍼스
쾌적한 강의장
강의에 집중할 수 있는 최적의 강의장
QUESTION 1.
회사 보안망에서는 외부 API나 Claude Code를 전혀 못 쓰는데, 배워도 써먹을 수 있을까요?
보안 정책상 Claude Code와 외부 API(Anthropic/OpenAI)를 쓸 수 없는 기업 환경을 가정하고, 강사가 별도로 서빙한 오픈소스 LLM(GLM 등)을 API로 연동합니다. 이 사내 로컬 LLM 위에 자체 AI 하네스를 직접 구축해, 외부 API로 하던 모델 학습 자동화를 사내망으로 그대로 옮기는 구조를 가져가실 수 있습니다.
QUESTION 2.
수업 때는 되는데, 집이나 회사에 돌아가면 혼자 세팅하고 학습시키기 어렵지 않을까요?
이전 기수에서 가장 많이 들은 고민입니다. 혼자서 막히는 이유는 GPU 환경 설정과 학습 스크립트를 일일이 직접 작성해야 하기 때문입니다. 이번 4기는 그 과정을 Claude Code와 하네스로 자동화하는 데 초점을 맞췄습니다. 한 번 세팅해 둔 하네스로 수업 밖에서도 같은 흐름을 다시 돌릴 수 있습니다.
QUESTION 3.
사전 지식은 어떻게 될까요?
본 과정은 Python 프로그래밍과 LLM의 기본 개념을 이해하고 계신 개발자 및 AI 관련 실무자분들에게 적합합니다. Python을 활용한 기본적인 코드 작성 및 실행 경험이 필요하며, LLM 파인튜닝이나 모델 학습 경험이 있으시면 더욱 수월하게 수강하실 수 있습니다. 다만, 파인튜닝 자동화나 자체 AI 하네스 구축 경험은 필수가 아니며, 관련 핵심 이론부터 실습까지 단계적으로 다룰 예정입니다.