[SKtudent] AI개발자 패스트 트랙! ‘SK네트웍스 Family Ai Camp’에 대한 모든 것 - 현장 스케치 & 수강생 인터뷰🖥️

[SKtudent] AI개발자 패스트 트랙! ‘SK네트웍스 Family Ai Camp’에 대한 모든 것 - 현장 스케치 & 수강생 인터뷰🖥️ 

오늘날 AI는 산업과 일상의 경계를 허물며 가장 강력한 혁신 동력으로 자리 잡았습니다. 기업들은 경쟁력을 확보하기 위해 AI 인재 확보에 전력을 다하고 있으며, 실무 능력을 갖춘 개발자의 수요는 그 어느 때보다 높은 상황입니다.

SK네트웍스 역시 이러한 시대적 흐름에 발맞춰, AI를 활용해 새로운 온라인 환경을 만들어내는 인재를 양성하고자 'SK네트웍스 Family AI Camp'를 운영하고 있습니다. 약 6개월의 기간 동안 대학생 및 예비 개발자들이 이론을 넘어 실제 프로젝트를 경험하고, 최신 AI 기술 동향을 체계적으로 습득할 차별화된 기회를 제공하고 있어 수료생들의 만족도가 매우 높은 캠프인데요.

과연 이 캠프! 어떤 특별한 커리큘럼과 참여 중심의 수업 방식으로 수강생들의 성장을 이끌고 있을까요? 현장의 열기를 직접 느껴보고, 생생한 수강생 후기와 강사님의 교육 비결을 들어보기 위해 SK네트웍스 Family AI Camp 18기 수업 현장을 직접 찾아가 보았습니다.

SK Careers Editor 22기 정체원

한편, SK네트웍스 Family AI Camp에 대해 생소한 독자분들도 계실 거라 생각합니다. SK네트웍스 Family AI Camp는 AI 기반의 비즈니스 모델 혁신을 통해 전 사업 분야에서 큰 성장을 이루고 있는 ‘SK네트웍스’와 기업의 데이터 관리와 활용 AI 연계를 위한 솔루션과 서비스를 제공하고 있는 SK네트웍스의 AI 핵심 계열사 ‘엔코아’, 엔코아의 기술력과 전문성을 토대로 우수 인재를 양성하고자 설립된 교육 브랜드 ’플레이데이터’가 함께 진행하는 AI 개발자 부트캠프입니다.

캠프는 약 6개월의 기간 동안 월~금 풀타임(9:00 ~18:00)으로 진행되며, 모든 수업은 100% 오프라인입니다. 합격 후 Python 기초, Git&Github 학습을 위해 제공되는 자체 제작 온라인 강의부터 6개월간 이뤄지는 이론 학습과 5번의 프로젝트, 캠프 수료 후 제공되는 취업 지원 컨설팅까지 모두 무료로 제공됩니다. 그 뿐만 아니라 원활한 학습을 위해 필요한 교재와 노트북까지 제공된다고 하니, 학생들도 부담 없이 참여할 수 있다는 장점이 있습니다. ✨

수업이 진행되는 캠퍼스 역시 확인해 봐야겠죠! 🏫
플레이데이터에는 총 세 개의 캠퍼스가 있고, 모두 넓은 강의실과 팀/개인별 학습 공간이 마련되어 있어 학습에 집중하고 몰입하기 좋은 환경입니다.

1. 서초 캠퍼스🏫

먼저 플레이데이터 서초 캠퍼스는 2호선 교대역에서 도보 10분, 3호선 남부터미널역 도보 4분으로 접근성이 매우 좋습니다. 우드 톤의 따뜻하고 아늑한 분위기로 편안한 마음으로 수업을 듣기 좋은 캠퍼스입니다. ☕

2. 동작 캠퍼스🏫

동작 캠퍼스는 2022년 11월 새롭게 오픈된 캠퍼스로, 최신 시설과 장비를 갖추고 있습니다. 7호선 신대방삼거리역과 신림선 보라매병원역에 인접해 접근성이 좋은 것은 물론이고 학습 형태에 따라 층별로 공간이 나누어져 있어 효과적인 학습이 가능합니다. 📚

3. G밸리 캠퍼스🏫

그럼 캠퍼스에서의 수업은 어떻게 진행되고 있을까요? SK네트웍스 Family AI Camp 18기의 수업 현장에 직접 가보았습니다!

파제가 방문한 12/1(월)은 파이널 프로젝트의 진행 상황 보고가 있는 날이었습니다.

서비스가 구현된 모습들과 *Graph DB가 구축된 모습을 볼 수 있었는데요. 개발을 통해 아이디어를 현실로 구현해 나가는 과정에서 투입된 수강생분들의 노력과 열의가 느껴졌습니다. 그뿐만 아니라 강사님의 구체적이고 전문적인 피드백을 통해 프로젝트의 방향을 명확히 정립해 나가는 모습을 보며 캠프의 체계적인 시스템과 전문성에 깊은 인상을 받았습니다.

*Graph DB: 데이터를 점(노드)과 선(엣지)으로 저장하여 데이터 간의 관계에 초점을 맞춘 데이터베이스. 복잡하게 얽힌 관계를 분석하고 이해하는 데 탁월한 성능을 발휘한다.

그리고 문득, 1월에 수료를 앞둔 18기 수강생분들은 캠프에 얼마나 만족했고, 얼마만큼 성장하셨을지 궁금해졌습니다. 그래서 제가 수강생 네 분을 직접 만나 세세한 이야기들을 들어보았습니다! 👩‍💻

🟠 정인하 수강생
안녕하세요, 정인하입니다. 저는 부동산 관련 분야를 전공했고, AI 관련된 기술을 부동산 분야에 좀 더 접목할 수 있지 않을까 하는 기대 아래 캠프에 참여하게 되었습니다.

🟡 최은정 수강생
안녕하세요, 최은정입니다. 저는 AI 빅데이터 학과를 졸업하고 실무 중심으로 역량을 좀 더 쌓고 싶어 캠프에 지원하게 되었습니다.

🟢 이태호 수강생
안녕하세요, 이태호입니다. 저는 전자공학과를 졸업했는데, 웹 개발 프로젝트를 경험해 봤을 때 되게 좋은 기억을 가지게 되었고 AI 웹사이트 개발에 관심이 생겨서 이번 캠프에 지원하게 되었습니다.

🟣 김준규 수강생
안녕하세요, 김준규입니다. 현재 융합 IT 학과와 모빌리티 소프트웨어 AI 학과에 재학 중이고, 졸업 예정입니다. AI 관련 학과를 병행하면서 수업을 듣다 보니 관련 AI 기술에 대해 더 깊이 배우고 싶은 열망이 생겨서 캠프에 지원하게 되었습니다.

🟠 정인하 수강생
일단 오프라인으로 진행되는 캠프라는 점이 첫 번째 이유였고, 두 번째로는 이 캠프를 운영하는 주체가 SK네트웍스와 엔코아인데, SK네트웍스는 AI 분야, 엔코아는 데이터 분야 일인자라고 해서 그 전문성 때문에 이 캠프를 선택하게 되었습니다.

🟡 최은정 수강생
캠프를 통해 개발 기술을 배울 수 있다는 점뿐만 아니라 다른 캠프보다 팀 프로젝트가 많다는 점이 차별점이라고 생각해 이 캠프를 선택했습니다

🟢 이태호 수강생
저는 AI를 활용한 웹 서비스 개발에 관심이 있었는데, 이 캠프가 딱 해당 분야를 가르쳐주는 캠프라는 점이 가장 큰 이유였습니다. LLM과 *RAG가 커리큘럼에 포함되어 있어서 선택했습니다.

*LLM(Large Language Model): 방대한 양의 텍스트 데이터를 학습하여 인간의 언어를 이해하고 생성하며 다양한 작업을 수행하는 인공지능 모델
*RAG(Retrieval-Augmented Generation): LLM이 답변을 생성하기 전에 외부 데이터베이스에서 관련 정보를 검색해 답변을 보강함으로써 최신 정보나 특정 도메인 지식을 기반으로 더 정확하고 신뢰할 수 있는 답변을 생성하는 기술

🟣 김준규 수강생
저는 학교에서 관련 수업을 듣긴 하지만 그것만으로는 얻기 힘든 게 실무 중심의 AI 교육이라고 생각하는데요. 해당 캠프에서는 강사님을 통해 오프라인으로 실무 중심의 AI 역량을 배우고, 팀 프로젝트를 진행해 볼 수 있다는 게 가장 큰 장점이라고 생각해서 선택하게 됐습니다.

🟠 정인하 수강생
지금 저희는 총 네 번의 단위 프로젝트를 진행했고, 현재 최종 프로젝트를 진행하고 있는데요. 그중에서 저는 마지막 네 번째 단위 프로젝트가 제일 기억에 남았습니다. 그 프로젝트에서는 *LangGraph(랭그래프)를 활용한 *RAG 시스템을 개발함에 있어서 *할루시네이션이 많이 발생하는 문제가 있었는데요. 할루시네이션을 막을 수 있는 메모리 설정 설계라든지 가드레일 구축 방법에 대해서 팀원들과 함께 더 고민해 보고 테스트를 여러 번 진행하면서 그런 문제를 획기적으로 해결했던 경험이 저에게 되게 크게 다가왔기 때문에 가장 기억에 남습니다.

*LangGraph(랭그래프): LLM(거대 언어 모델) 애플리케이션의 복잡한 작업 흐름을 ‘상태, 노드, 엣지’라는 그래프 구조로 만들고 관리하는 도구이다. 이를 통해 여러 문서의 정보를 교차 검증하고, 실시간으로 정보를 업데이트하는 동적 시스템을 구축할 수 있다.
*할루시네이션: AI가 실제 사실이 아닌 정보를 그럴듯하게 만들어내거나 잘못된 답변을 생성하는 기술적 오류

🟡 최은정 수강생
저는 여러 번의 팀 프로젝트 중 AI 상담형 대화 시스템을 구축하는 프로젝트를 했던 때가 가장 기억에 많이 남습니다. 이때 상담형 대화를 어떤 방식으로 구조화할지 정하는 부분이 좀 어려웠었는데요. 초기에는 상담 내용의 상태가 제대로 반영되지 않아 무한 루프가 도는 문제가 있었지만, 팀원들과 소통하면서 상태 관리 방식을 재정의하고 개선하면서 문제를 해결해 나가는 과정에서 팀원들과의 소통과 설계가 중요하다는 것을 깨달았었습니다. 

🟢 이태호 수강생
저는 세 번째 단위 프로젝트 했을 때가 가장 기억에 남는데요. 당시 저희가 랭그래프 분기 설계와 관련해서 지식이 많이 부족했었던 때인데, 그때 팀원들과 A4 용지에 그림을 그려보면서 같이 랭그래프를 설계해 보고, 각 분기마다 어떤 질문을 했을 때 어떤 분기를 타야 하는지, 결과가 어떻게 나와야 하는지를 테스트해 보면서 좀 더 랭그래프 설계에 대해 많이 배울 수 있었습니다.

제가 평소에 공부는 무조건 혼자서 해야 한다는 고정관념을 가지고 있었는데 해당 프로젝트를 통해서 같이 공부했을 때도 충분히 효과가 날 수 있다는 것을 깨달았어서 가장 기억에 남습니다.

🟣 김준규 수강생
저도 파이널은 현재 진행 중이기 때문에 총 네 번의 단위 프로젝트 중에서 고르자면, 네 번째 단위 프로젝트가 제일 기억에 남습니다. 저는 학교에서 전공자로서 전공자들이랑만 프로젝트를 진행했다 보니 막히는 부분이 크게 없었는데, 해당 캠프는 비전공자와 전공자가 섞이는 곳이다 보니 프로젝트가 잘 이루어질 수 있을지에 대한 걱정도 있었습니다. 물론 저도 처음 접하는 개발 지식이 있지만 비전공자분들은 관련된 지식이 전공자에 비해 부족할 수밖에 없다 보니 그분들에게 쉬운 역할을 줘야겠다고 생각하고 있었는데요. 

그런데 비전공자분들이 굉장히 노력하는 모습, 특히 마지막 단위 프로젝트에서 이 노력으로 쌓은 지식을 활용해 거의 전공자 수준으로 문제를 해결해 나가는 모습을 보며 시작이 다르더라도 꾸준히 노력하면 그 끝엔 누구나 본인이 이루고자 하는 성과를 낼 수 있다는 것을 깨닫게 되었고, 이전의 생각과 가치관이 많이 변하게 되었던 계기라서 가장 기억에 많이 남습니다.

🟠 정인하 수강생

저는 커리큘럼 중 랭그래프 기반의 *RAT(Remote Administration Tool) 시스템을 구축하는 것이 가장 깊이 있게 다루어졌다고 생각합니다. 비전공자인 저에게 있어서 난이도가 느껴지기도 했고, 해당 주제는 단위 프로젝트와 파이널 프로젝트에서 계속 활용하는 주제이기 때문인데요. 

팀원들과 함께 노드와 조건 상태들의 흐름을 설계하고, 이 노드를 어떻게 연결했는지, 이 조건에서 다음 상태로 어떻게 넘어가는지에 대해 서로 설명하는 과정을 통해서 랭 그래프에 대한 지식을 많이 익힐 수 있었고, 팀원들과 소통을 통해 문제를 해결하는 능력도 많이 키웠다고 생각합니다.

* RAT(Remote Administration Tool): 원격 관리 도구. 사용자가 물리적으로 시스템에 접근하지 않고도 다른 컴퓨터를 원격으로 제어하고 관리할 수 있게 해주는 소프트웨어/프로그래밍 도구이다.

 

🟡 최은정 수강생

저는 Fine-tuning(파인튜닝)이 가장 어려웠습니다. 학교에서는 이론으로만 배워왔기 때문에 실제로 구현을 해보는 건 이번 캠프가 처음이었는데요. 모델마다 요구하는 조건이나 설정이 다 달라서 어떤 모델을 어떻게 써야 할지 판단하는 과정이 쉽지 않았었습니다. 

하지만 공식 문서나 예제 코드 같은 정보들을 찾아보면서 모델별 특징을 비교하는 과정을 통해 어려움을 해소했고, 문제를 해결하는 능력을 많이 키울 수 있었습니다.

*Fine-tuning: 이미 방대한 데이터로 학습된 대규모 AI 모델(LLM)을 가져와서 특정 목적이나 분야에 맞는 소규모 데이터 세트로 추가 학습시켜 모델을 해당 분야에 특화하고 더 정확하게 만드는 과정

🟢 이태호 수강생
저는 RAG가 가장 깊이 있게 다뤄졌다고 생각합니다. 특히 저는 RAG에서 랭그래프 설계 부분이 어렵다고 생각하는데요. ‘상담형 챗봇 만들기’라는 주제의 단위 프로젝트에서 RAG 설계에 대해 팀원들과 얘기했을 때 전문 상담가들이 상담하는 방식을 AI가 구현할 수 있게 하려고 질문 시에 궁금한 목록들을 생각해 놓고 그 목록에 맞게 사람이 대답하지 않을 경우 나머지 빈 공간을 채워줄 수 있도록 다시 한번 더 질문해서 중간중간 사용자의 답변을 받고 그것을 채워나가는 방식으로 설계했었습니다. 그런 설계 과정을 통해 어떻게 하면 사용자가 원하는 서비스를 제공할 수 있는지 RAG 시스템과 관련하여 구체적으로 배울 수 있었던 것 같습니다.

🟣 김준규 수강생

저는 캠프 커리큘럼 중 RAG, 그중에 랭그래프 부분이 가장 난도가 높았고 깊이 있게 다루어졌다고 생각합니다. 요즘 기술 변화 트렌드에 따르면 파인튜닝은 자원이나 관련 정보가 없으면 시간과 금전적 부분에 지장이 갈 수 있는데, 그런 부분을 대체할 수 있는 기술이 결국 RAG, 랭그래프 쪽이라고 생각하기 때문입니다.

캠프에서 저희가 실제로 설계 프로세스를 먼저 구축하는 과정에서 실제 서비스를 서비스화할 때 어떤 프로세스로 이루어지는지를 계속 고려하면서 랭그래프를 짜다 보니까 심도 있게 기술에 관한 대화를 할 수 있었고, 그걸 통해 어떻게 실제 서비스에서 관련 프로세스가 처리될지를 배우고 문제를 해결해 나갈 수 있었습니다.

 

🟠 정인하 수강생
저는 같은 18기 동기들도 너무 좋았고, 강사님께서도 열정이 넘치셔서 좋았습니다. 따라가지 못하는 학생들이 있으면 외적으로도 챙겨주시고 더 가르쳐 주려고 하셔서 너무나 감사했습니다. 그리고 파이널 프로젝트 진행 시에 다양한 기업의 전문성 있는 멘토님들을 연결해 주시는 게 저에게 있어 큰 혜택이라고 생각했습니다.

🟡 최은정 수강생 
강사님께서 커리큘럼 외에도 따로 프로젝트를 진행하면서 시간을 내주시고 프로젝트에 대한 피드백도 엄청 자세하게 해주셔서 가장 큰 도움이 되었고, 동료 수강생들과 교류하면서 몰랐던 내용들을 새롭게 알게 될 수 있었던 점도 좋았습니다.

🟢 이태호 수강생
저는 학교 다닐 때 AI 관련 분야로의 취직에 관심이 있거나 그쪽으로 배우고 싶은 친구들이 한 명도 없었는데, 이번에 캠프 참여하면서 AI 관련 취직을 희망하는 동기들과 친해지게 되어서 정보 공유도 하고 같이 취직 준비도 할 수 있다는 점이 너무 좋았습니다.

🟣 김준규 수강생
현재 캠프에 참여하는 인원이 대부분 사회에 나가 있거나 졸업을 앞둔 상태이기 때문에 취업 정보를 좀 더 깊게 얻을 수 있다는 게 가장 큰 혜택으로 생각이 되고요. 또한 저희 캠프에 포진된 강사님들이 대부분 다 열정 있으시고, 파이널 프로젝트에 연계된 멘토님들도 되게 열정 있게 교육해 주시기 때문에 그런 부분에서 교육 외적으로도 얻을 수 있는 정보나 지식이 되게 많다는 점이 좋았습니다.

 

🟡 최은정 수강생
학교에서는 모델 구조나 알고리즘을 위주로 배웠다면, 캠프에서는 실질적인 데이터 처리 방식과 흐름 설계가 성능을 결정하는 데 중요하다는 것을 배웠습니다. 또한 작은 전처리 차이만으로도 결과가 크게 바뀌는 것을 보고 모델 최적화는 결국 데이터 해석 및 가설을 세우는 과정이 중요하다는 것을 깨닫게 되었습니다.

🟣 김준규 수강생
학교에서는 보통 이론적인 부분을 많이 배우고, 깊이 들어가더라도 해당 이론에 대한 논문을 작성하는 등의 교육 방식이 많아 실무에서 쓰는 처리 방법이나 모델 최적화 방법을 배우는 경우가 거의 없습니다. 하지만 캠프에서 이 부분을 해소할 수 있었습니다.

학교에서는 텍스트 스플릿 자체의 개념에 대해서만 배웠다면, 캠프를 통해 재귀적 방식의 텍스트 스플릿, 인코딩 방식의 텍스트 스플릿 등 실무에서 쓰는 다양한 방법을 배울 수 있어서 좋았습니다. 또한 학교에서는 웬만해서 풀 파인튜닝으로 진행을 많이 했지만, 캠프에서는 실무에서 많이 제기되는 금전적 비용 절감의 문제를 고려해 *로라(LoRA)를 사용해서 *SFT 트레이너로 간단하게 해당 부분의 파라미터(매개변수)만 학습을 시키는 등의 방법을 배우다 보니까 취업에 더 크게 도움이 될 수 있을 것 같다고 느꼈습니다.

 

*로라(LoRA): ‘Low-Rank Adaptation’의 약자. 전체 모델 중 일부 핵심적인 매개변수만 업데이트하도록 설계된 효율적인 파인튜닝 기법으로, 성능 저하를 최소화하면서 학습 시간과 비용을 획기적으로 줄여준다.

*SFT(Supervised Fine-Tuning) 트레이너: 지도 학습 기반의 파인튜닝을 수행하는 트레이너. 모델에게 ‘이 질문에는 이렇게 답하라’고 명확하게 정답을 가르치는 과정이다.

🟠 정인하 수강생
지금 저희 팀은 자체 *SLLM 개발 및 AI 신약 개발, RND 협업 플랫폼을 주제로 *Postgre DB, Graph DB, *pgVector DB, *Django(장고), LangGraph(랭그래프), *AWS 등의 기술 스택을 사용하고 있습니다. 저희 팀은 지금까지 *POC 기간을 거치며 여러 기술적 선택을 해왔습니다. 그중 *RAGLite라는 새로운 기술을 도입할지, 기존 RAG 시스템을 사용할지 결정하는 과정이 있었습니다.

검색과 응답 속도, 커스터마이징 가능성 등을 기준으로 비교 검토한 결과, RAGLite는 저희 프로젝트 요구사항에 맞는 커스터마이징이 어렵다는 판단이 나왔고, 기존 RAG로 진행하기로 결정되었습니다. 이러한 기술 선택 과정에서 단순히 '새로운 기술'이라고 해서 무조건 좋은 것이 아니라, 프로젝트 특성에 맞는지를 판단하는 것이 중요하다는 것을 배웠습니다. 비전공자로서 이러한 기술적 의사결정 과정을 이해하고 참여하는 것이 어렵기도 했지만, 많이 배울 수 있는 경험이었습니다.

*Postgre DB(PostgreSQL): 데이터를 표(테이블) 형태로 체계적으로 저장하고 관리하는 가장 기본적인 저장소.
*pgVector DB: 텍스트, 이미지 등을 AI가 이해할 수 있는 '벡터(Vector)'형태로 저장하고, 유사도를 기반으로 검색할 수 있게 하는 확장 기능
*Django(장고): 파이썬(Python) 언어를 기반으로 웹사이트나 웹 애플리케이션을 쉽고 빠르게 개발할 수 있도록 도와주는 도구 상자
*Light RAG: 기존 RAG 모델의 벡터 검색 방식이 아닌 그래프 기반 검색을 활용하는 방식으로, 문서 간의 관계를 추출해 개념 간 연결을 그래프로 구조화해 주는 시스템

🟡 최은정 수강생
최종 프로젝트의 큰 주제는 상품 추천이고, 그 안에서 저희는 부동산 매물 추천이라는 상세 주제를 설정했습니다.  처음에 이걸 설계할 때 단순히 조회수나 좋아요 기반의 추천이 아닌 사용자 행동에 기반해 매물을 추천해 주고 싶다는 생각이 들었었는데, 이쪽으로는 데이터가 없어 설계가 어렵겠다는 생각이 들어 다른 방법을 선택했습니다. 현재는 저희가 다른 부동산 사이트와의 차이점을 찾아서 머신러닝과 같은 방식으로 프로젝트를 진행하고 있고, 배포를 좀 더 빨리해서 사용자의 행동을 수집한 후 사용자 행동 기반으로 추천 모델을 만들자는 계획을 세운 상태입니다.

🟢 이태호 수강생
저는 은정 님과 같은 팀이라 같은 주제로 개발을 진행하고 있습니다. 저희 기술 스택은 프론트앤드는 *Next.js, 백엔드는 Django를 사용했고, 그 외에도 Graph DB로 *Neo4j를 사용해서 랭그래프 설계를 통해 3가지 모델을 구현하려고 하고 있습니다. 3개의 모델은 각각 매물 시세 평가 모델, 매물 신뢰도 평가 모델, 사용자 로그 기반 추천 모델입니다.  그중에서도 가장 어려웠던 기술적 결정은 시세 평가 모델이었는데요. 저희는 투자형 평가가 아니라 주거형 사용자에게 초점을 맞춰서 이 집이 가치에 비해 월세가 저렴한지, 혹은 비싼지를 판단해 자취를 희망하는 2~30대 청년들의 합리적인 결정을 도와주고 싶었기 때문에 이 부분을 어떻게 설계해야 할지 고민하는 과정에서 어려움이 있었습니다. 그런데 팀원들과 함께 모델 개발 방향에 대해 상의하는 과정에서 문제를 효과적으로 해결할 수 있었습니다.

*Next.js: 사용자에게 보이는 웹 화면을 만들고 빠르게 작동하게 돕는 기술

*Neo4j: 데이터 간의 복잡한 관계를 그림(노드와 연결선)처럼 저장하고 분석하는 데 특화된 데이터베이스

🟣 김준규 수강생
큰 틀에서 제가 맡고 있는 프로젝트의 주제는 AI 모의 면접 시스템이고, 거기서 저희가 세부적으로 정한 주제는 라이브 코딩 테스트 모의 면접 서비스입니다. 현재 국내에서는 잘 도입이 되지 않은 서비스이다 보니 해외 사례를 조사해 보면서 해당 주제를 선택하게 되었습니다. 

사실 모의 면접이라는 주제 자체가 기술 스펙이 되게 다양하고 스펙트럼이 넓다고 생각합니다. 보통의 모의 면접 같은 경우에는 어떻게 보면 모의 면접관이 앞에 있다고 생각하고 진행해야 하다 보니 저희가 배웠던 기술 이외에 *Vision AI, *Whisper와 같은 별도의 기술까지 사용해야 한다는 점, 비전과 위스퍼에 어느 정도의 비중을 둘지 팀원들과 함께 결정하는 부분에서 어려움이 있었습니다. 또한 코딩 테스트에 있어서 랭그래프를 어떻게 활용할 것인지, 만약 LLM을 파인튜닝 시킨다면 어느 수준까지 파인튜닝을 시킬 것인지 결정하는 부분도 좀 어려웠습니다.

그뿐만 아니라 AI 모의 면접 시스템이 다른 주제와 차별점을 두기가 어렵다는 생각도 들어서 좀 더 깊이 들어가서 랭그래프의 *Dev agnet도 어디에서 활용할 것인지에 대해 지금 세부적으로 이야기를 나누고 있는데, 어느 기술을 어느 세부 분야에 도입할지가 사실 제일 어려운 부분들 같습니다.

 

*Vision AI: 사람의 시각 기능(눈과 뇌)을 모방해 영상 속 객체를 인식, 분류, 추적하는 기술
*Whisper: 사람의 음성을 듣고 정확한 텍스트로 변환해 주는 AI STT(Speech-to-Text) 기술 
*Dev agent: 코딩, 디버깅 등 소프트웨어 개발 과정을 자율적으로 수행하도록 설계된 AI 시스템

🟠 정인하 수강생
저는 랭그래프를 통해 에이전트를 만들어 본 경험을 가장 큰 강점으로 내세울 수 있을 것 같습니다. 또한 현재 진행 중인 프로젝트 내에서 LLM 파인튜닝과 모델 테스트, AWS를 활용한 데이터 파이프라인 구축 쪽을 맡고 있어서 마지막 프로젝트가 끝나면 이런 기술들 또한 저의 장점으로 내세울 수 있지 않을까 하는 생각이 듭니다.

🟡 최은정 수강생
문제를 기술적으로 분석하고 구조화할 수 있는 능력, 기능을 구현할 때 어떤 구조가 더 안정적일지 생각한 후에 논리에 기반해 결정해 내는 능력 면의 성취를 내세울 수 있을 것 같습니다.

🟢 이태호 수강생
저도 RAG 시스템을 전반적으로 가장 자신 있게 내세울 수 있다고 생각합니다. Postgre SQL에서 pgVector를 사용한 벡터 데이터베이스와 Neo4j Graph 데이터베이스를 사용해서 대화형 LLM RAG 시스템 랭그래프를 설계했다는 점이 가장 자신 있는 것 같습니다.

단순히 구현 자체만을 생각하고 설계하는 것이 아니라 어떤 질문에 어떻게 답변해야 하는지 각각 자세하게 나눴던 과정, 사용자에게 가장 크게 다가오는 답변 속도 향상, 기업이 가장 중요하게 생각하는 비용 절감까지 고려해 랭그래프를 설계했다는 점이 자신 있게 내세울 수 있는 기술적 성취라고 생각합니다.

🟣 김준규 수강생
학교나 캠프가 아닌 외부 시설에서 배울 때는 저희가 배포를 직접 해보면서 실제 사용자들이 사용한 데이터를 처리하거나 해당 부분을 관리하는 경험을 하기 어렵다고 생각합니다. 그런데 이번 캠프를 통해 같이 수업을 듣는 수강생들에게 프로젝트를 배포하면서 사용자의 경험을 습득해 디벨롭 방향을 논의하거나 주제를 구체화해 보았다는 점이 가장 큰 장점이자 성취였던 것 같습니다 

🟠 정인하 수강생
저는 비전공자라서, 비전공자분들께 말씀드리고 싶은데요. ‘비전공자인데 이걸 할 수 있을까’라는 고민을 정말 많이 했지만 지금 이 시대에 AI를 활용하고 개발하는 것이 선택이 아니라 이제는 거의 필수라고 생각합니다. SK네트웍스 Family AI Camp는 AI를 직접 만들고 활용할 수 있는 사람으로 성장시킬 수 있는 프로젝트 기반의 캠프라서 비전공자인 저도 실제 AI 프로젝트를 파악하고 구현할 수 있을 정도로 실력이 늘었습니다. 미래를 대비하고 싶은 분들이라면 캠프에 참여하는 것을 적극적으로 추천합니다.

🟡 최은정 수강생
처음 수강할 때는 걱정도 많았고 많이 망설이기도 했는데, 기초가 부족해도 차근차근 따라가며 배우는 과정에서 스스로 성장했다는 걸 느낄 수 있다는 점이 가장 뿌듯했습니다. 지금 망설이고 계신 분들이 있다면 한 번 도전해 보는 것도 좋은 경험이 될 것 같다고 말씀드리고 싶습니다.

🟢 이태호 수강생
캠프 일정 안에 팀 프로젝트를 위해 따로 배정된 시간이 있기도 하고, 정규 수업 시간 끝나고도 남아서 팀 프로젝트 협업을 많이 진행하기 때문에 프로젝트에서 올바르게 협업하는 방식에 관해 관심 있는 분들은 망설이지 말고 수강 신청해도 괜찮을 것 같습니다.

🟣 김준규 수강생
처음에 오프라인과 온라인 방식 사이에서 여러 캠프를 비교해 왔어서 SK네트웍스 Family AI Camp 수강이 괜찮을지에 대한 고민이 있었는데, 막상 와보니 다들 열심히 하시고 오프라인 수업으로 얻을 수 있는 이점들도 되게 많아 그런 고민이 해결됐습니다. 여러분 역시 이 커리큘럼을 따라올 수 있을지에 대한 걱정이 있더라도 일단 부딪히고 나면 결국 극복하는 방법을 찾을 수 있기 때문에 계속 망설이고 있기보다는 먼저 지원해서 그 후에 방법을 찾는 게 더 좋을 것이라 생각합니다.

---

이번 취재를 통해 수강생들의 진심 어린 노력과 강사님의 전문적인 피드백이 어우러져 최상의 시너지를 내는 현장을 두 눈으로 확인할 수 있었습니다. 

또한 수강생 네 분을 만나 깊은 이야기를 나눠보니, AI 개발 분야로의 취업을 희망하는 학생이라면 SK네트웍스 Family AI Camp를 신청하지 않을 이유가 없다는 생각이 들었습니다. 😀

실무 역량을 갖춘 AI 개발자로 성장하고 싶다면, 망설이지 말고 SK네트웍스 Family AI Camp의 문을 두드려 보세요. 바쁜 일정 속에서도 생생한 경험담을 들려주신 18기 수강생분들께 감사의 마음을 전하며, 여러분의 멋진 도약을 응원합니다. 🪽

후속 기사에서는 SK네트웍스 Family AI Camp 18기 교육을 맡고 계신 강사님의 이야기를 들어보며 수업에서 어떤 내용을 강조하고 있는지 구체적으로 알아볼 에정입니다. 강사님이 들려주는 커리큘럼의 전문성과 교육 노하우가 궁금하다면 다음 기사를 확인해 주세요! 👨‍🏫

지금까지 SK네트웍스 취재기자 정체원이었습니다! 감사합니다.