3개의 실용적인 생성형 AI 과정 소개
AI가 직업 세계를 재편하고 있습니다
AI 시장은 2028년까지 6,380억 달러 이상으로 성장할 것으로 예상됩니다. 기업들은 효율성과 비즈니스 성장을 위해 AI 솔루션에 적극적으로 투자하고 있습니다.
AI 기술은 더 이상 선택이 아닙니다.
소프트웨어 개발, 제품 관리, 데이터 과학과 같은 기존 직무들도 이제는 일정 수준의 AI 이해력이 필요합니다. 예를 들어 LLM을 소프트웨어 애플리케이션에 통합하거나, 분석과 생성형 AI를 결합하여 데이터에 대한 더 깊은 통찰력을 얻는 능력이 요구됩니다.
또한 LLM 엔지니어, AI 엔지니어, AI 아키텍트와 같은 AI 관련 전문 직무에 대한 수요가 증가하고 있습니다.
현재 분야에서 더 높은 급여를 받거나 기술 분야에서 취업을 원한다면, AI 기술은 필수입니다.
이 글에서는 오늘날의 기술 시장에서 경쟁력을 유지하는 데 필요한 생성형 AI 기술을 습득할 수 있는 세 가지 과정을 소개합니다.
과정 1: Microsoft의 초보자를 위한 생성형 AI
Microsoft의 "Generative AI for Beginners"는 온라인에서 찾을 수 있는 가장 포괄적인 생성형 AI 과정 중 하나이며, 완전히 무료입니다.
이 프로그램은 GitHub 저장소로 구성되어 있으며 생성형 AI의 이론적, 실용적 측면을 가르치는 20개 이상의 강의가 있습니다.
이 생성형 AI 과정에서 다루는 개념들:
1. 생성형 AI 모델의 기초
이 학습 경로는 가장 기본적인 내용부터 시작하여 생성형 AI가 무엇인지, 특정 작업에 맞는 모델을 선택하는 방법을 설명합니다.
2. 프롬프트 엔지니어링
AI에게 원하는 결과를 얻기 위한 프롬프트 작성법을 배웁니다. 제로샷, 퓨샷 프롬프팅 기법을 다루며, AI 모델의 출력을 더 예측 가능하게 제한하는 방법도 배웁니다.
3. 텍스트 및 이미지 생성
이론적 AI 개념을 학습한 후, 이 과정은 의미 검색과 같은 더 복잡한 기술을 구현하여 실제 텍스트 및 이미지 생성 모델을 구축하는 방법을 가르칩니다.
4. RAG 구현
검색 증강 생성(RAG)은 LLM을 신뢰할 수 있는 지식 기반과 결합하여 특정 작업에서의 성능을 향상시키는 기술입니다.
이 과정에서는 벡터 데이터베이스와 임베딩 기술을 사용하여 RAG 시스템을 구축하는 방법을 배웁니다.
5. AI 에이전트
AI 에이전트는 2025년에 새로운 열풍을 일으키고 있습니다. AI 에이전트는 지속적인 인간의 지시 없이 자율적으로 워크플로우를 계획하고 실행할 수 있는 시스템입니다.
Microsoft의 생성형 AI 과정에서 배울 내용:
- AI 에이전트의 개념
- AI 에이전트의 유형
6. 대규모 언어 모델 미세 조정
미세 조정은 자체 데이터베이스를 사용하여 언어 모델의 매개변수를 조정하는 과정입니다.
이 AI 프로그램은 특정 도메인에 맞게 OpenAI의 GPT-3.5 모델을 미세 조정하는 과정을 안내합니다. 또한 미세 조정된 알고리즘을 배포하고 사용하는 방법도 배웁니다.
과정 2: Hugging Face 추론 과정
Hugging Face 추론 과정은 더 큰 Hugging Face LLM 과정의 일부로, 추론 모델 구축에 중점을 둡니다.
이 과정은 코호트 기반 구조를 따르며, 다른 단원들이 다른 시간에 순차적으로 공개됩니다.
이 과정은 이미 LLM에 대한 지식이 있고 언어 모델의 추론 능력을 향상시키는 방법을 이해하고 싶은 사람들에게 적합합니다.
이 과정에서 다루는 주제:
1. LLM의 추론 기초: 강화 학습 개념과 이를 언어 모델의 추론 능력 향상에 활용하는 방법에 대한 소개를 받게 됩니다.
2. DeepSeek R1 논문 이해: DeepSeek R1 모델이 강화 학습을 통해 시행착오를 통해 학습하는 방법에 대한 연구를 배웁니다.
3. GRPO의 고급 해석: GRPO는 DeepSeek R1과 같은 모델에서 사용되는 강화 기법으로, ChatGPT와 같은 모델에서 사용되는 전통적인 기법에 비해 계산 요구사항을 줄입니다.
Unsloth를 사용한 GRPO: Unsloth 라이브러리를 사용하여 GRPO로 모델을 미세 조정하는 방법을 배웁니다.
과정 3: Hugging Face 에이전트 과정
Hugging Face 에이전트 과정은 AI 에이전트를 구축하고 배포하는 방법을 가르칩니다. AI 에이전트는 특정 목표를 달성하기 위해 자율적으로 행동할 수 있는 시스템입니다.
이 과정에서 배울 주제:
1. AI 에이전트 소개: AI 에이전트의 개념과 LLM의 작동 방식에 대한 요약을 배웁니다. 이 수업에서 자신만의 AI 에이전트를 만드는 방법도 배웁니다.
AI 에이전트 프레임워크: 이 수업에서는 복잡한 워크플로우를 구축하고 배포하는 과정을 단순화하는 세 가지 인기 있는 AI 에이전트 프레임워크를 다룹니다.
2. 에이전틱 RAG의 사용 사례: 이 수업에서는 에이전트를 사용하여 데이터에 대한 질문에 답하는 에이전틱 RAG에 대해 배웁니다.
3. 최종 프로젝트: 이 과정의 마지막 단원에서는 배운 모든 개념을 적용하여 GAIA 벤치마크에서 좋은 점수를 받는 기능적 AI 에이전트를 만드는 과제가 주어집니다.
이 과정 수료증을 받는 방법:
- 과정의 1단원을 완료하면 "기초" 수료증 획득
- 과정의 1단원, 1개의 과제, 최종 챌린지를 완료하면 "수료 인증서" 획득
이 수료증을 받으려면 2025년 7월 1일 이전에 과제를 완료해야 합니다. 기한 후에 이 과정을 접한다면 여전히 모든 과정 자료에 접근할 수 있지만 수료증은 받을 수 없습니다.
요약
이 글에서는 2025년에 필수적인 다양한 기술 수준의 생성형 AI 과정 세 가지를 소개했습니다:
- Microsoft의 초보자를 위한 생성형 AI
- Hugging Face 추론 과정
한 가지 과정만 들을 시간이 있다면 Microsoft의 생성형 AI 과정을 추천합니다.
생성형 AI 과정을 완료한 후 AI 에이전트 구축이나 DeepSeek R1과 같은 추론 모델 생성과 같은 특정 주제를 더 깊이 배우고 싶다면, 글에서 언급한 다른 두 과정을 수강하는 것이 좋습니다.