코스 개요
강의 구성 교육 제안서
1일차 - AI 및 데이터 워크플로우를 위한 Python 소개
• 인공지능 및 머신러닝 환경 개요
• 현대 데이터 엔지니어링에서 AI의 역할
• AI 애플리케이션을 위한 Python 기초 복습
• pandas 및 NumPy를 활용한 데이터 처리
• API 및 JSON 데이터 처리 기초
• 데이터셋 로드 및 변환을 위한 미니 실습
2일차 - 실무자를 위한 머신러닝 기초
• 지도 학습과 비지도 학습 개념
• 특징 엔지니어링 및 데이터 준비 기술
• scikit-learn을 사용한 모델 학습 기초
• 모델 평가 및 성능 지표
• 모델 배포 개념 소개
• 간단한 예측 모델 구축 실습
3일차 - LLM 및 프롬프트 엔지니어링 소개
• 대형 언어 모델(LLM)의 이해 및 작동 원리
• 토큰화, 컨텍스트 윈도우 및 한계점
• 프롬프트 설계 원칙 및 기법
• 제로샷 및 퓨샷 프롬프팅
• 프롬프트 평가 및 반복 전략
• 프롬프트 엔지니어링 실습
4일차 - LLM을 활용한 AI 애플리케이션 구축
• Python에서 LLM API 사용법
• 구조화된 출력 및 함수 호출 개념
• 채팅 기반 및 작업 기반 애플리케이션 구축
• 검색 증강 생성(RAG) 소개
• 외부 데이터원과 LLM 연결
• 간단한 AI 어시스턴트 구축을 위한 미니 프로젝트
5일차 - AI 솔루션의 프로덕션화
• 확장 가능한 AI 워크플로우 설계
• 데이터 파이프라인에 AI 통합
• 모델 성능 모니터링 및 개선
• 비용 최적화 및 API 사용 전략
• 보안 및 책임감 있는 AI 고려 사항
• 엔드투엔드 AI 솔루션 구축을 위한 최종 프로젝트
회원 평가 (2)
트레이너는 제가 한 모든 종류의 질문에 답변하기 위해 매우 열려 있었습니다.
Caterina - Stamtech
코스 - Developing APIs with Python and FastAPI
기계 번역됨
트레이너는 참가자의 속도에 따라 교육을 진행합니다
Farris Chua
코스 - Data Analysis in Python using Pandas and Numpy
기계 번역됨