KDT AI 시스템 설계자 과정

PART 1 · Python 입문 (72시간)

• 변수·반복문·함수·리스트
• 파일 입출력과 디버깅
• 작은 예측 함수를 직접 작성
• Python 기초평가와 보완 실습

PART 2 · 딥러닝 속 수학 (60시간)

• 선형모델과 입력·출력의 관계
• 손실과 오차의 의미
• 미분과 기울기를 작은 계산에 연결
• 가중치 업데이트의 원리 확인

PART 3 · ANN, 첫 번째 신경망 (60시간)

• 단일 뉴런과 단층 학습 구조
• 순전파 계산 직접 구현
• 기울기와 역전파 직접 구현
• 작은 입력으로 개인별 코드 검증

PART 4 · MLP, 다층 신경망 (60시간)

• 활성화 함수와 다층 구조
• 다층 순전파·역전파 구현
• 작은 비선형 문제로 코드 검증
• 구조와 학습 조건 변경 비교

PART 5 · CNN, 이미지를 보는 모델 (60시간)

• 합성곱 연산과 필터의 의미
• 패딩 · 스트라이드 · 풀링의 역할
• 작은 합성곱 신경망의 순전파·역전파
• 개인별 구현과 테스트

PART 6 · RNN, 시간을 다루는 모델 (48시간)

• 짧은 시퀀스 입력과 순환 구조
• 순전파와 BPTT 직접 구현
• 기울기 흐름과 오류 확인
• 작은 입력으로 개인별 코드 검증

PART 7 · LSTM, 게이트와 상태 (30시간)

• Forget · Input · Output 게이트 동작
• 셀 상태와 은닉 상태의 흐름
• 안내를 받아 순전파·역전파 구현
• 계산 결과와 코드 단계별 확인

PART 8 · 트랜스포머, 구조와 어텐션 (60시간)

• 전체 구조와 정보 흐름 이해
• Q · K · V와 Self-Attention 계산
• 작은 어텐션 모듈 구현·검증
• 전체 역전파·LLM 사전학습과의 범위 구분

PROJECT 1 · 데이터 기반 모델 설계 (120시간)

• 데이터 입력·목표와 평가 기준 정의
• 직접 구현 기준모델 설계
• 계산 검증과 기준실험
• 오류 분석 및 프로젝트 리뷰

PROJECT 2 · 모델 검증·개선 (138시간)

• 기준모델 재현
• 구조·학습 조건 변경과 비교실험
• 오류 분석과 채택·기각 판단
• 재현 안내와 최종 보고서

과정 소개

• Python의 첫 줄에서
• AI가 배우는 원리까지
• AI 시스템 설계자는 모델을 실행하는 데서 멈추지 않습니다. Python 기초를 배우고, 예측·오차·기울기·가중치 수정을 직접 작성하며 AI가 학습하는 과정을 이해합니다. 라이브러리에 맡겼던 핵심 계산을 자신의 코드로 설명하고 바꾸는 역량을 기릅니다.
• 120일
• 월~금 · 일 6시간
• 720시간
• 총 교육시간
• 30명
• 한 기수 정원
• 0원
• KDT · 본인 부담

이런 고민을 하고 있다면

• Python도 처음인데 AI를 배울 수 있을지 걱정됩니다.
• 수식과 코드가 어떻게 연결되는지 모르겠습니다.
• 모델은 실행했지만 왜 학습하는지 설명하기 어렵습니다.
• 결과가 좋지 않을 때 무엇을 바꿔야 할지 모르겠습니다.

해결 방식

• AI의 학습을
• 직접 코드로 제작
• 예측값과 손실, 기울기를 직접 계산하고 Python 함수로 구현해 가중치가 바뀌는 과정을 확인합니다.
• 모델 구조와 학습 조건을 바꿔 결과를 비교하고, 실험을 근거로 더 나은 설계를 선택합니다. ※ 이 예시는 학습 흐름을 설명하기 위한 교육용 시연입니다. 실제 모델마다 계산 구조와 난이도는 다릅니다.
• 입력과 목표 정의
• 구조와 손실 선택
• 기울기·코드 검증
• 비교하고 채택·기각
• 두 그룹 사이의 경계선을 찾아가는 것 - 이것이 학습의 본질입니다
• # 1. 가중치 초기화
• W = np.random.randn(784, 10) * 0.01
• 2.31
• b = np.zeros(10)
• 2.3
• # 2. 순전파
• z = X @ W + b
• 2.05
• a = softmax(z)
• 1.78
• # 3. 손실 함수
• loss = -np.mean(np.log(a[range(N), y]))
• 1.42
• # 4. 역전파
• dZ = (a - one_hot(y)) / N
• 1.05
• dW = X.T @ dZ
• 0.78
• db = dZ.sum(axis=0)
• 0.52
• # 5. 경사하강법 업데이트
• W -= lr * dW
• 0.34
• b -= lr * db
• 0.21
• # → epoch 10: accuracy 94.2%
• 0.12

교육 안내

• 교육 기간
• 2026.10.07 ~ 2027.03.31
• 총 120일 · 720시간
• 강의 시간
• 월~금 09:00~16:00
• 점심 12:00~13:00 · 일 6시간
• 모집 정원
• 30명
• 교육 장소
• 포항시 남구 대이로 59번길 8

사용 도구

• Python
• Python 표준 라이브러리
• Jupyter
• 변수와 함수에서 시작해 모델의 예측·손실·기울기·가중치 업데이트를 자신의 코드로 작성합니다.
• 핵심 계산을 대신하는 딥러닝 프레임워크나 자동미분 없이 제한된 범위의 모델을 구현합니다.
• 수식과 코드, 실행 결과를 한 흐름에서 비교하는 실습 환경으로 활용합니다.
• 모델·손실·기울기·가중치 업데이트의 핵심 계산은 Python 기본 기능과 표준 라이브러리, 본인이 작성한 코드로 구현합니다.

일반 부트캠프와의 차이

• 라이브러리 사용법만 가르치는 AI 강의와
• 무엇이 다를까요?
• 같은 120일을 보내도, 원리를 다루느냐 안 다루느냐가 결과를 가릅니다.
• AI 시스템 설계자 과정
• 일반 AI 강의
• 라이브러리 강의
• 수학 원리부터 시작
• 수식과 코드를 함께 연결
• no
• 핵심 모델 직접 구현
• 예측·손실·기울기를 직접 코드로 구현
• partial
• 일부
• 역전파 수식 전개
• 계산 흐름을 단계별로 구현·검증
• 간단히
• Transformer 학습 범위
• 어텐션 계산부터 구조까지 직접 확인
• API 호출만
• 면접용 원리 설명력
• 설계 선택과 실험 결과까지 설명
• 제한적
• KDT 국비지원
• 본인 부담 0원
• 강의별 상이

추천 대상

• 모델 구현과 실험 기록은 이후 AI·ML 개발, 데이터 모델링, 모델 평가·연구 학습으로 이어갈 기반이 됩니다. 관심 직무에 필요한 도구·도메인·협업 역량은 개인별로 추가 보완해야 하며, 수료만으로 특정 기업이나 직무의 채용이 보장되지는 않습니다.
• Python부터 시작하는 입문자
• 코딩 경험은 없지만 반복 실습에 참여할 준비가 된 분
• 실행을 넘어 원리를 알고 싶은 분
• 모델이 왜 학습하는지 자신의 말과 코드로 설명하고 싶은 분
• AI·ML 진로 전환 준비자
• 직접 구현과 실험 기록으로 학습의 근거를 남기고 싶은 분
• 수식과 코드를 연결하고 싶은 분
• 계산의 의미를 이해하고 조건을 바꿔 검증하고 싶은 분
• Python부터 AI 개발을 시작하고 싶은 입문자
• 모델은 실행했지만 내부 계산을 설명하기 어려운 학습자
• 수식과 코드를 연결해 이해하고 싶은 비전공자·전공자
• 모델 구현과 실험 기록을 결과물로 남기고 싶은 진로 전환 준비자

지원 방법

• 1
• 지원서 제출
• 온라인 신청
• 신청하기 버튼을 눌러 지원서와 필수 정보를 작성합니다.
• 2
• 참여 자격 확인
• 개별 안내
• 국민내일배움카드와 평일 풀타임 참여 가능 여부를 확인합니다.
• 3
• 과정 적합성 인터뷰
• 학습 동기와 Python 학습 준비도, 직접 구현 과정의 참여 의지를 확인합니다.
• 4
• 최종 안내·합류
• 2026.10.07 개강
• 선발 결과와 참여 절차를 안내한 뒤 본 과정을 시작합니다.

강사

• Allie
• AI 시스템 설계 강사
• AI 모델의 학습 원리를 수학과 코드로 연결하고, 라이브러리 호출 너머의 구조를 이해할 수 있도록 원리 중심 교육을 진행합니다.
• 학습자가 경사하강법 · MLP · 역전파를 직접 구현하고, 결과를 분석해 모델을 개선할 수 있도록 단계별 실습과 피드백을 안내합니다.
• AI 모델 설계
• 수학 · 학습 원리
• 순수 Python 구현
• 모델 분석 · 개선

학습 지원

• 1:1 멘토링
• 원리와 수식에서 막히지 않도록 개별 코칭 제공
• 자체 교재
• 딥러닝 속 수학부터 Transformer까지 다루는 자체 출판 교재 제공
• 동기 스터디
• 풀타임 동기들과 함께하는 그룹 코드 리뷰 운영
• KDT 공식 수료증
• 고용노동부 K-디지털 트레이닝 정부 공식 인증 수료증 발급
• 추가 훈련수당
• 출석률 등 지급 요건을 충족하고 최근 5년 내 KDT 참여 이력이 없는 훈련생에게 월 최대 40만 원을 지원
• 기숙사 제공
• 기숙사는 선착순으로 제공하며 정원 도달 시 신청 마감

참여 전 확인사항

• Python 경험이 없어도 지원할 수 있도록 설계했지만, 풀타임 학습과 반복 실습에 참여할 준비가 필요합니다.
• 필수
• 평일 풀타임 참여
• 120훈련일의 수업·실습·프로젝트 일정에 지속적으로 참여합니다.
• 직접 계산하고 고치는 학습
• 완성 코드를 따라 쓰는 대신 작은 계산부터 직접 작성하고 오류를 고칩니다.
• 질문·설명·재시도
• 모르는 내용을 질문하고 자신의 코드를 설명하며, 피드백 후 다시 시도합니다.

수강료·수료 혜택

• 120일 · 총 720시간 정규과정
• 집체 600시간 · 실시간 비대면 120시간
• 모델 설계·검증 프로젝트 2개 · 총 258시간
• 추가 훈련수당 월 최대 40만 원 (최근 5년 내 KDT 참여 이력이 없는 훈련생 대상)

마무리

• Python의 첫 계산부터 시작해보세요.
• 훈련비·지원사항은 해당 기수 안내와 개인 자격 확인 후 적용됩니다.