— 06 · 교육환경

연구실 수준의 학습 환경.

이론만으로 대규모 모델을 이해할 수 없습니다.
이노그리드 MLOps 멘토링 + 동국대 자체 GPU 서버으로 현장과 동일한 환경을 제공합니다

• GPU.01

  정규 이론·실습 환경
  

  Google Colab + 동국대 자체 GPU 서버(H200·A100·A6000)

  환경 구성에 시간을 쓰지 마세요.

  LoRA 파인튜닝, RAG 서빙, 클라우드 배포까지 — 현장 엔지니어와 동일한 스택으로 실습합니다. 동일한 스택으로 실습합니다.

  훈련생 전원
• SW.02

  이노그리드 MLOps 멘토링

  회당4h × 16회차 = 총 64시간 / CI/CD 파이프라인 실무 코칭

  두 거인의 언어를 모두 익힙니다.

  CNN·RNN·Transformer를 직접 구현하는 산업 표준 프레임워크. Keras 고수준 API와 함께 설계부터 학습, 평가까지 자유롭게 다룹니다.

  전 과정 사용
• SW.03

  HuggingFace Transformers

  NLP Ecosystem

  최신 NLP 생태계, 그대로 손에.

  BERT·GPT 사전학습 모델을 단 몇 줄로 로딩. 감성분석·NER·텍스트 분류를 직접 Fine-tuning하며 실서비스급 자연어 처리 역량을 쌓습니다.

  NLP 64h
• SW.04

  LangChain · LlamaIndex

  LLM App Framework

  내 데이터로 움직이는 AI를 만듭니다.

  RAG 파이프라인 구축, 벡터DB 연동, 자율 에이전트 체인 설계까지. 이론 강의가 아닌, 캡스톤 프로젝트에서 바로 작동하는 LLM 애플리케이션을 완성합니다.

  LLM 88h · 캡스톤 160h
• OPS.05

  Docker · MLflow

  MLOps Toolchain

  모델은 배포되어야 가치가 됩니다.

  컨테이너화·실험 추적·모델 버저닝·CI/CD까지. 노트북 안에 머무는 모델이 아닌, 운영 환경에서 살아 움직이는 시스템 설계 능력을 갖춥니다.

  MLOps 56h
• SVC.06

  FastAPI · REST API

  Model Serving

  학습한 모델을 서비스로 출시합니다.

  FastAPI로 빠르게 추론 API를 구성하고, AWS EC2 클라우드에 직접 배포. 모델이 사용자에게 닿는 마지막 마일을 직접 설계해봅니다.

  MLOps 56h 내