연락처 정보

코스 개요

모듈 1: 컨텍스트, 범위 및 배포 과제

  • 자동 완성 대 자율 다단계 실행
  • 소프트웨어 배포에서의 일반적인 AI 오해
  • 프롬프트만 개선해서는 충분하지 않은 이유
  • 참가자의 도구, 페인 포인트 및 목표 식별
  • 엔지니어링 팀에 적합한 AI 운영 모델 선택

모듈 2: 스펙 흡수 및 구조적 분해

  • 이해관계자 문서의 구조적 인벤토리 구축
  • 요구사항 추출 기법
  • 청크링 전략: 구조적, 의미론적, 슬라이딩 윈도우
  • 종속성 및 교차 참조 보존
  • 표, 다이어그램, 플로우차트 및 혼합 입력 처리
  • 컨텍스트 창 효과적으로 관리하기

모듈 3: 인간 판단의 한계

  • 인간의 결정이 여전히 중요한 영역
  • 환각된 종속성 파악
  • fabricated 제약 조건 및 역전된 논리 감지
  • 안전하지 않은 편의 기본값 방지
  • 추적 가능성, 일관성, 완전성을 위한 검증 프레임워크

모듈 4: 에이전트 도구를 활용한 요구사항에서 코드로

  • 아키텍처 우선 배포 모델
  • 컴포넌트 매핑 및 서비스 경계
  • 배포 기준점으로서의 API 계약
  • AI 도구 내 지속적 규칙 및 제약 조건
  • 요구사항에 연결된 작업 지시문
  • 최소 프롬프팅 대 제한 프롬프팅 접근법
  • 계약서 기반 백엔드 및 프론트엔드 생성

모듈 5: 에이전트 반복 루프

  • 자기 수정 사이클
  • 통제된 반복 배포 주기
  • 다이프(diff) 및 코드 변경 검토
  • 범위 확장 및 승인되지 않은 수정 감지
  • 제한된 컨텍스트 메모리 관리
  • 연속적 개선을 위한 반복 기록 활용

모듈 6: 코드 품질 강제 적용

  • 경우의 수(edge cases)를 위한 프롬프트 제약 조건
  • 살아있는 거버넌스 산출물로서의 규칙 문서
  • 린팅 및 정적 분석을 통한 자동 게이트
  • AI 생성 코드의 보안 검사
  • 종속성 및 아키텍처 준수 확인
  • AI 출력물에 대한 인간 검토 프로토콜

모듈 7: 피드백 루프 및 지속적 개선

  • 구조화된 실패 사례를 AI 워크플로우에 피드백
  • 제한된 반복과 중단 기준
  • 주기 및 결과 로깅
  • 시간이 지남에 따른 규칙 문서 개선
  • 재사용 가능한 엔지니어링 인텔리전스 구축

모듈 8: AI 배포의 보안 안티패턴

  • 생성된 코드의 일반적인 보안 위험
  • 기술별 보안 규칙 부록
  • 커밋 전 보안 검사
  • AI 지원 개발을 위한 안전한 SDLC 통제
  • 안전한 배포에서의 인간 책임

모듈 9: 스펙에 기반한 테스트

  • 요구사항에서 테스트 스펙 생성
  • 도메인 언어 테스트 설계
  • 테스트 구현 안전하게 생성
  • 뮤테이션 테스트 개념
  • 스펙 커버리지 검증
  • 어설션(assurance) 강도 검토
  • 진단 질문 모델

모듈 10: 시스템 유지보수

  • 살아있는 산출물: 계약서, 매핑, 규칙, 테스트 스펙
  • 시간이 지남에 따른 제약 조건 진화
  • 장기적 유지보수성을 위한 AI 거버넌스
  • AI 통제를 통한 기술 부채 예방
  • 지속 가능한 AI 엔지니어링 팀을 위한 운영 모델

요건

참가자는 다음 사항을 갖추고 있어야 합니다:

  • 소프트웨어 개발 프로젝트 경험
  • 애플리케이션 아키텍처 기본 원리에 대한 이해
  • API, 백엔드/프론트엔드 시스템 또는 풀스택 배포에 대한 친숙함
  • 애자일 또는 반복적 소프트웨어 배포에 대한 기본 지식
  • 소프트웨어 테스트 개념에 대한 인식
  • AI 코딩 도구를 접한 경험이 있으면 도움이 되지만 필수 조건은 아닙니다
  • 중급부터 시니어 수준까지의 기술 전문가에게 적합합니다
 14 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리