-->

AI 엔지니어링을 시작하려는 분들을 위한 학습 로드맵입니다. 순서대로 따라가도 되고, 관심 있는 영역부터 먼저 파도 됩니다.

코딩 & ML 기초

Python

  • Python for Data Science (freeCodeCamp)
  • 기본 문법과 데이터 구조부터 시작합니다.
  • NumPy, Pandas, Matplotlib 같은 데이터 사이언스 라이브러리를 함께 익힙니다.

Bash

  • Bash Scripting Crash Course
  • 기본 쉘 명령어와 스크립팅을 다룹니다.
  • 자동화와 시스템 관리에 바로 쓸 수 있습니다.

TypeScript (선택)

통계학 & ML 모델 유형

LLM APIs

모델 적응 (Model Adaptation)

검색을 위한 스토리지

RAG & Agentic RAG

AI 에이전트

인프라

관측 가능성 & 평가

보안

앞으로의 영역

학습 순서 추천

순서는 있지만 강제는 아닙니다. 다만 처음 시작한다면 이 흐름이 무리 없습니다.

  1. 코딩 & ML 기초: Python과 통계학부터 잡습니다. 나머지는 이 위에 쌓입니다.
  2. LLM APIs: 모델을 직접 쓰는 법을 익힙니다. 결과를 빠르게 볼 수 있어 동기 부여가 됩니다.
  3. 모델 적응: 프롬프트 엔지니어링, 파인튜닝으로 모델을 원하는 방향으로 조정합니다.
  4. 스토리지 & RAG: 데이터를 연결하고 검색 시스템을 붙이는 방법을 익힙니다.
  5. AI 에이전트: 자율적으로 판단하고 행동하는 에이전트를 설계합니다.
  6. 인프라 & 보안: 실제 서비스로 올리기 전에 필요한 것들입니다.

실습 예제는 직접 구현해보는 게 중요합니다. 읽는 것과 손으로 치는 것은 다릅니다. 관련 커뮤니티에 참여하면 혼자 보이지 않던 것들이 보이기 시작합니다.

ThakiCloud의 미션 “AI Compute & Software for Everyone”에 공감한다면, 메일로 바로 문의해주세요.

📧 info@thakicloud.co.kr

참고

NVIDIA ASPIRE: 로봇이 실패를 스킬로 바꾸는 에이전트형 스킬 발견

 

로봇은 과제를 풀 때마다 시행착오를 버리고 매번 처음부터 다시 더듬습니다. NVIDIA의 ASPIRE는 LLM이 로봇 제어 코드를 직접 짜고, 실행에서 실패를 관찰해 수리하며, 검증된 수리 경험을 재사용 가능한 스킬로 증류하는 지속 학습 시스템입니다. 양팔 핸드오버 성공률이 추가 ...

B200 두 장으로 vLLM Prefill/Decode를 분리하면 정말 빨라질까

 

NVIDIA B200 두 장에서 Qwen3.6-27B-NVFP4와 gemma-4-26B-A4B를 대상으로 텐서병렬, 데이터병렬, Prefill/Decode 분리(1P1D)의 초당 생성 토큰을 실제로 측정했습니다. 두 장뿐일 때 총 처리량의 승자는 분리가 아니라 데이터병렬이었고, 이...