LangTailor페이지 목차
이 페이지에서 검색
LGU+ · 하이미디어 AI·클라우드 인재양성 과정
이 페이지에 묻기
이 과정 안내 본문에서만 찾아 답합니다. 답을 지어내지 않고 해당하는 대목을 그대로 보여 주며, 여기에 없으면 없다고 알려 드립니다.
생성형 AI가 아니라 이 페이지 본문을 찾아 그대로 보여 주는 방식입니다. 외부로 나가는 요청이 없습니다.
LGU+ · HIMEDIA · K-DIGITAL TRAINING
LGU+ · 하이미디어 AI·클라우드 인재양성 과정
AI Native 개발, 클라우드 인프라, AI Agent, Cloud&AIOps까지 네 가지 훈련과정의 개요와 프로젝트를 확인할 수 있습니다.
LG유플러스 · 하이미디어아카데미
교육과정
제공된 2026 K-Digital Training 과정 개요서 네 건을 기본 과정과 심화 과정으로 나눠 정리했습니다. 각 과정의 훈련시간과 프로젝트 구성은 문서에 기재된 기준입니다.
01 · 기본 과정
AI Native 기반 개발자 (Python, FastAPI)
120일 · 960시간
Python 백엔드 개발부터 생성형 AI·Agent 서비스 구현과 도메인 특화 프로젝트까지 이어지는 과정입니다.
- Python 프로그래밍, 자료구조와 알고리즘 최적화
- FastAPI 기반 REST API, 비동기 백엔드, 데이터 검증과 인증·인가
- 데이터베이스 설계, SQL·NoSQL, Vector DB와 문서 처리
- Docker와 AWS를 활용한 클라우드 배포·자동화
- LLM, 프롬프트, RAG·하이브리드 검색·Reranker, Tool Calling과 LangGraph Agent
- AI 코드 어시스턴트와 MCP(Model Context Protocol) 연동
- 296시간 최종 프로젝트: AI Native 기반 도메인 특화 Multi-Agent 시스템
프로젝트 주제 · 도메인 특화 고객지원, 업무자동화, 지식관리 지원 Agent 중 주제를 선택해 구현합니다.
02 · 기본 과정
AWS Cloud 인프라 구축 엔지니어
120일 · 960시간
Linux·네트워크 기초부터 AWS 인프라 설계, 컨테이너 운영, 배포 자동화와 모니터링을 학습합니다.
- Linux 시스템·네트워크 운영과 Git 협업
- Python 기반 로그 분석 및 인프라 운영 자동화
- 데이터베이스·데이터 파이프라인과 Vector DB
- Docker·Kubernetes·Helm 기반 컨테이너 오케스트레이션
- Ansible 서버 구성관리와 GitHub Actions·GitOps CI/CD
- AWS 클라우드 인프라 설계·운영과 Terraform 기반 IaC
- Prometheus·Grafana 등을 활용한 클라우드 모니터링·로깅
- 프로젝트 304시간: 온프레미스 서비스 플랫폼 구축과 AWS Cloud Native 인프라 프로젝트
프로젝트 주제 · 세미 프로젝트에서 온프레미스 플랫폼을 만들고, 최종 프로젝트에서 클라우드 인프라 구축·마이그레이션·운영 자동화를 수행합니다.
03 · 심화 과정 · 조별 멘토
심화 AI Agent 개발 및 FDE 인재양성과정
43일 · 344시간
개발 기초 역량을 바탕으로 기업 업무를 수행하는 Agent와 서비스를 팀 프로젝트 중심으로 구현합니다.
- Advanced RAG: HyDE, Self-Query, Multi-Query와 Parent-Document Retriever
- GraphRAG·지식 그래프와 Vector DB·Graph DB 하이브리드 검색
- CrewAI·AutoGen·LangGraph 기반 멀티 에이전트 오케스트레이션
- Supervisor·계층형 Agent, Human-in-the-Loop와 Checkpointing
- Text-to-SQL, Python 실행환경, Custom Tool·MCP와 외부 API 연동
- 256시간 멀티 에이전트 프로젝트와 팀별 멘토링
프로젝트 주제 · 기업 지식관리 Agent, 멀티 에이전트 업무자동화, AI Agent 플랫폼·서비스 중 주제를 선택합니다.
04 · 심화 과정
심화 Cloud & AIOps 엔지니어 부트캠프
43일 · 344시간
Cloud Native 운영기술과 AI 기반 장애 탐지·원인 분석·운영 자동화를 프로젝트로 연결합니다.
- LLM 동작 원리와 운영 로그·메트릭을 활용한 프롬프트 설계
- LLM API 서비스 연동과 비용·속도를 고려한 호출 구조
- 장애 이력·Runbook 검색을 위한 RAG 파이프라인
- AI Agent 기반 장애 진단·대응과 Human-in-the-Loop
- Kubernetes·GitOps·CI/CD·IaC·Observability 기반 Cloud Native 운영
- 248시간 Cloud&AIOps 운영자동화 플랫폼 프로젝트
프로젝트 주제 · AI 기반 장애예측·대응, Cloud Native 통합 모니터링, AI DevOps 운영자동화 시스템 중 주제를 선택합니다.
공식 페이지의 수강 후기 요약
공식 안내 페이지에 공개된 학습자 후기를 개별 문장 그대로 옮기지 않고 학습 경험 중심으로 요약했습니다.
- 머신러닝 개념을 실습으로 익히며 실전 감각을 키운 경험
- 기초 학습과 현업 데이터 분석가 특강을 통해 활용 흐름과 진로를 구체화한 경험
- 반복 실습으로 낯선 개념을 이해하고 클라우드·데이터 전처리·모델 비교·시각화를 경험한 과정
- EDA와 시각화를 직접 선택하며 데이터에서 질문을 만드는 분석 경험
- 배운 내용을 코드와 프로젝트로 확장하고 팀원과 협업한 경험
과정 정보와 출처
훈련시간·교과 구성·프로젝트 주제는 제공된 과정 개요서 네 건을 기준으로 정리했습니다. 모집 일정과 지원 조건은 변경될 수 있으므로 공식 안내에서 확인해 주세요.
- AI Native 기반 개발자 (Python, FastAPI)
- AWS Cloud 인프라 구축 엔지니어
- 심화 AI Agent 개발 및 FDE 인재양성과정 (조별 멘토)
- 심화 Cloud&AIOps 엔지니어 부트캠프