강좌
12개의 강좌 · 목차와 위키는 로그인 없이 열람할 수 있습니다
바이브 코딩
이 강좌는 AI와 대화하며 코드를 완성하는 개발 방식인 바이브 코딩(Vibe Coding)의 개념과 마인드셋, 그리고 개발 라이프사이클 전반의 활용법을 다룹니다. roadmap.sh의 바이브 코딩 로드맵이 제시하는 열한 단계(이해 → 도구 선택 → 계획 → 기술 스택·코딩 → 프롬프트 → 컨텍스트 → 디버깅 → 버전 관리 → 테스트 → 보안 → 이후 학습)를 여섯 개 레슨으로 묶어, AI 코딩 도구를 선택하는 기준과 코딩 전 계획 수립, 구체적인 프롬프트 작성법, 컨텍스트 관리와 디버깅, Git 기반 버전 관리와 테스트, 보안 모범
프롬프트 엔지니어링
이 강좌는 roadmap.sh의 프롬프트 엔지니어링(Prompt Engineering) 로드맵을 따라, 거대 언어 모델(Large Language Model; LLM)로부터 원하는 출력을 끌어내는 기법을 체계적으로 다룹니다. LLM의 동작 방식과 핵심 용어, 온도(Temperature)·top-k·top-p 같은 구성 매개변수, 제로샷(Zero-Shot)·퓨샷(Few-Shot)·사고 사슬(Chain of Thought)·ReAct 같은 프롬프팅 기법, 실전 모범 사례와 평가, 프롬프트 인젝션(Prompt Injection) 방어와
MLOps
이 강좌는 roadmap.sh의 MLOps 로드맵을 따라 학습한 머신러닝 모델을 실제 서비스로 배포하고 운영하는 전 과정을 다룹니다. 로드맵이 제시하는 프로그래밍 기초 → 머신러닝 기초 → 데이터 엔지니어링 기초 → MLOps 원칙 → MLOps 구성요소의 흐름을 여섯 레슨으로 나누며, 실험 추적과 모델 레지스트리, 모델 패키징과 서빙, 버전 관리와 CI/CD, 오케스트레이션, 모니터링과 코드형 인프라를 MLflow와 Docker 기반으로 직접 실행해 확인합니다. 다루지 않는 것은 모델 알고리즘 자체의 심화와 클라우드 벤더별 매니
머신러닝
이 강좌는 roadmap.sh의 머신러닝(Machine Learning; ML) 로드맵을 따라 데이터로부터 규칙을 학습하는 모델을 직접 만들고 평가하는 학습 경로를 다룹니다. 로드맵이 제시하는 수학적 기초 → 파이썬(Python)과 필수 라이브러리 → 데이터 수집·정제 → 지도·비지도 학습 → 모델 평가 → 딥러닝·고급 개념의 흐름을 레슨 순서로 따르며, 각 단계에서 scikit-learn 기반의 파이썬 예제를 실행해 학습과 평가 결과를 확인합니다. 다루지 않는 것은 대규모 인프라와 연구 수준의 모델 설계입니다. 분산 학습, 쿠버
데이터 엔지니어
이 강좌는 roadmap.sh의 데이터 엔지니어(Data Engineer) 로드맵을 따라 대규모 데이터를 안정적으로 수집·저장·처리·제공하는 파이프라인 구축의 학습 경로를 다룹니다. 로드맵이 제시하는 여섯 단계 중 기초 다지기(1단계)와 데이터 생성(2단계)을 개요 레슨에서 아우르고, 데이터 저장(3단계)을 관계형 데이터베이스와 웨어하우스·레이크 두 레슨으로, 데이터 수집·처리(4단계)를 ETL과 파이프라인 레슨으로, 데이터 제공과 보안·거버넌스(5·6단계)를 마지막 레슨으로 구성합니다. 각 레슨은 로컬에서 실행할 수 있는 파이썬(
데이터 분석가
이 강좌는 roadmap.sh의 데이터 분석가(Data Analyst) 로드맵을 따라 데이터에서 의미를 끌어내 의사결정을 돕는 분석가의 학습 경로를 다룹니다. 로드맵이 제시하는 6단계 중 데이터의 핵심 개념과 분석 유형(1단계), 엑셀과 SQL 기초(2단계), 파이썬과 판다스(3단계), 데이터 수집·정제(4단계), 통계 분석·시각화(5단계)를 레슨 순서로 따르며, 각 단계에서 실행할 수 있는 파이썬(Python) 예제로 개념과 실습을 함께 익힙니다. 다루지 않는 것은 머신러닝·빅데이터·딥러닝(6단계)입니다. 모델 학습과 분산 처리
Claude Code
이 강좌는 roadmap.sh의 클로드 코드(Claude Code) 로드맵을 따라 터미널에서 동작하는 코딩 에이전트(Coding Agent)인 Claude Code를 설치하고, 프로젝트 개발에 실제로 활용하는 과정입니다. 코딩 에이전트와 에이전틱 루프(Agentic Loop) 개념을 이해하는 데서 시작해 모델 선택과 실행 명령어, 권한 모드와 세션 관리, CLAUDE.md를 통한 프로젝트 컨텍스트 구성, 스킬(Skill)·서브에이전트(Subagent)·훅(Hook) 확장, 마지막으로 MCP(Model Context Protocol)
BI 분석가
이 강좌는 roadmap.sh의 BI 분석가(BI Analyst) 로드맵을 따라 비즈니스 인텔리전스(Business Intelligence; BI) 분석가의 학습 경로를 다룹니다. 로드맵이 제시하는 12개 구간을 다섯 레슨으로 압축합니다. 다루는 구간은 직무 이해와 비즈니스·통계 기초(도입, 비즈니스 기초, 통계 기초), 데이터와 SQL(BI 핵심 스킬), 시각화와 BI 도구(시각화·BI 도구), 분석 기법(BI 분석 기법), 데이터 아키텍처·거버넌스와 커리어(데이터 아키텍처, 거버넌스와 윤리, 커리어 개발)입니다. 각 레슨은 경영
AI 레드팀
이 강좌는 roadmap.sh의 AI 레드팀(AI Red Teaming) 로드맵을 따라 거대 언어 모델(Large Language Model; LLM)을 포함한 AI 시스템의 취약점을 공격자의 시각에서 찾아내고 방어하는 방법을 다룹니다. 레드팀(Red Team)이 왜 필요한지와 윤리적 기준을 먼저 정리하고, 프롬프트 해킹(Prompt Hacking)과 모델 취약점(Model Vulnerabilities) 같은 AI 고유 위협, 코드 인젝션·불안전한 역직렬화 같은 시스템 계층 위협을 살펴본 뒤, 블랙박스·화이트박스 테스트 방법론과 자
AI 엔지니어
이 강좌는 roadmap.sh의 AI 엔지니어(AI Engineer) 로드맵을 따라, 이미 학습된 거대 언어 모델(Large Language Model; LLM)을 활용해 응용 서비스를 설계하고 구축하는 방법을 다룹니다. AI 엔지니어와 머신러닝(ML) 엔지니어의 차이와 핵심 용어에서 시작해, 사전 학습 모델(Pre-trained Model)의 선택 기준과 상용 API 호출, AI 안전과 윤리, 오픈소스 모델의 로컬 실행, 임베딩(Embedding)과 벡터 데이터베이스(Vector Database), 검색 증강 생성(Retrieva
AI 데이터 사이언티스트
이 강좌는 roadmap.sh의 AI 데이터 사이언티스트(AI and Data Scientist) 로드맵을 따라 데이터를 분석하고 모델을 만들어 의사결정을 돕는 데이터 사이언티스트(Data Scientist)의 학습 경로를 다룹니다. 로드맵이 제시하는 8단계인 수학(Mathematics) → 통계학(Statistics) → 계량경제학(Econometrics) → 코딩(Coding) → 탐색적 데이터 분석(Exploratory Data Analysis; EDA) → 머신러닝(Machine Learning) → 딥러닝(Deep Lear
AI 에이전트
이 강좌는 roadmap.sh의 AI 에이전트(AI Agent) 로드맵을 따라 거대 언어 모델(Large Language Model; LLM)을 단순한 대화 도구를 넘어 스스로 계획하고 도구를 사용해 일을 수행하는 에이전트(Agent)로 확장하는 과정입니다. 에이전트가 필요한 이유와 에이전트 루프(Agent Loop)의 네 단계를 이해한 뒤, 도구(Tool) 설계, 에이전트 메모리(Agent Memory), ReAct·MCP 같은 아키텍처 패턴을 배우고, 마지막으로 파이썬(Python)으로 최소 에이전트를 직접 구현해 평가·모니터링