AI 에이전트

Physical AI

데이터 사이언스

LLM

온디바이스 AI

로그인

클라우드를 넘어, 디바이스 안으로

AI 모델 경량화부터 디바이스 배포까지
온디바이스 AI 엔지니어 코스

AI 모델 경량화부터
디바이스 배포까지
온디바이스 AI 엔지니어 코스

SLM·VLM부터 임베디드·모바일까지, 디바이스 환경에서 AI를 구현하는 핵심 기술을 다룹니다.

SLM·VLM부터 임베디드·모바일까지,
디바이스 환경에서 AI를 구현하는 핵심 기술을 다룹니다.

교육 비용

27,515,400원 → 0원

100% 국비지원

교육 기간

약 9개월

교육 시간

오프라인 100%
/ 오전 9시~오후 6시 (월~금, 9시간)

오프라인 100% / 오전 9시~오후 6시 (월~금, 9시간)

교육 스택

SLM / VLM / Quantization / Knowledge Distillation / Edge AI 등

SLM / VLM / Quantization / Knowledge / Distillation / Edge AI 등

교육 혜택

  1. 실습 장비 지원 |  Raspberry Pi 5 · Galaxy S23

  1. 실습 장비 지원
    |  Raspberry Pi 5 · Galaxy S23

  1. 훈련 장려금 지급/ 월 최대 40만원 * 개인마다 지급액 상이

  1. 훈련 장려금 지급/ 월 최대 40만원
    * 개인마다 지급액 상이

  1. 실제 비즈니스 데이터 활용 실전 프로젝트 6회

  1. 실제 기업 과제 프로젝트 포트폴리오 * 기업 대외비 내용 제외

  1. 실제 기업 과제 프로젝트 포트폴리오
    * 기업 대외비 내용 제외

  1. 고사양 노트북·GPU 서버· AI 개발 도구 지원

  1. 우수 수료생 / 기업 인턴십 연계 기회

  1. 무제한 1:1 취업지원 / 자소서 첨삭 및 면접 코칭

커리큘럼
프로젝트
인턴십
취업지원
모집개요
커리큘럼
프로젝트
인턴십
취업지원
모집개요

기업 참여 AI 경진대회

기업 과제 수행

기업 초청 발표회

실제 기업 과제로 완성하는
실전형 포트폴리오

우수 프로젝트 선정 및 채용 연계 기회까지

온디바이스 엔지니어, 꼭 대학원 가야할까요?

연구직 외에도, 학사 기반으로 도전할 수 있는
실무형 온디바이스 직무가 있습니다

연구직 외에도,
학사 기반으로 도전할 수 있는
실무형 온디바이스 직무가 있습니다

온디바이스 SLM을 배우면, 모델 경량화부터 현장 배포까지 다루는 엔지니어로 커리어를 확장할 수 있습니다.

온디바이스 SLM을 배우면,
모델 경량화부터 현장 배포까지 다루는 엔지니어로 커리어를 확장할 수 있습니다.

석박사 중심 연구직
석박사 중심 연구직

역할

새로운 모델·알고리즘을 연구하고 발표

결과물

논문, 새로운 아키텍처, 파운데이션 모델

진입 경로

석·박사 학위 + 연구 논문 + 연구실 경험

학사 기반 실무형 직무
학사 기반 실무형 직무

역할

검증된 모델을 디바이스에 최적화·배포·운영

결과물

양산 가능한 제품·서비스, 실제 동작하는 AI 시스템

진입 경로

관련 전공 + 실무 경험 + 경량화·임베디드 기술

본 과정에서 온디바이스 SLM 실무 경험을
갖춘 후 도전할 수 있는 직무

온디바이스 AI 엔지니어

SLM을 디바이스 환경에 맞게 최적화하고 직접 추론까지 구현

모델 경량화 엔지니어

양자화·Pruning·Knowledge Distillation으로 모델 크기를 압축

임베디드 AI 엔지니어

Raspberry Pi 등 하드웨어 위에서 AI 모델을 동작시키는 시스템 설계

모바일 AI 개발자

Android·Kotlin 기반으로 스마트폰에서 SLM이 작동하는 앱 개발

Edge AI 시스템 엔지니어

Edge-Server 하이브리드 구조로 분산 AI 시스템 아키텍처 설계

AI 런타임·미들웨어 엔지니어

추론 엔진·런타임을 최적화해 자원 제약 환경에서 AI 성능 끌어올림

이미 시작된 온디바이스 AI 경쟁

기업들은 AI를 디바이스에 탑재하며
차세대 시장 주도권 경쟁에 나서고 있습니다.

기업들은 AI를 디바이스에 탑재하며
차세대 시장 주도권 경쟁에 나서고 있습니다.

폭발적으로 커지는 온디바이스 AI 시장

시장 규모는 2022년 24.7조 원에서 2030년 232.6조 원으로 약 9배 성장 예측

2028년에는 전체 PC의 80%, 스마트폰의 60%가 AI 탑재 전망

자동차 속 AI

Tesla FSD

주변 환경 인식·주행 보조, 운전자 주의 모니터링

현대차

플레오스 커넥트(차량용 AI 비서 · 차량 제어 · 커넥티드 카 서비스) 개발

스마트폰 속 AI

Galaxy AI

실시간 통역 · 사진 편집 · 음성 비서

Apple Intelligence

Siri 고도화 · 한국어 글쓰기 도구 · Genmoji

기업은 기술을 빠르게 도입하지만,
실제 역량과 디바이스 배포 경험을 갖춘 인재는 부족합니다.

기업이 꼽은

채용 애로사항 1위

"숙련 인재 부족”

"숙련 인재 부족”

"숙련 인재 부족”

2029년까지 부족할 것으로 예상되는
학사 기반 AI 인재

약 292,000명

약 292,000명

약 292,000명

실무 경쟁력을 갖추려면

실제 디바이스에서 작동하는
AI를 직접 구현해본 경험이 필요합니다

모델 이해를 넘어 경량화·최적화·배포까지, 실제 구현 역량을 포트폴리오로 증명해야 합니다.

모델 경량화

AI 모델을 디바이스 환경에 맞게 작고 가볍게 구현

추론 최적화

제한된 CPU·NPU·전력 환경에서도 빠르게 실행되도록 성능을 개선

디바이스 통합

최적화한 모델을 실제 보드·모바일·임베디드 환경에 탑재

멀티모달 시스템

텍스트·이미지·음성 등 다양한 입력을 처리하는 온디바이스 AI 기능을 구현

오직 KANT에서만

기업이 찾는
실무형 온디바이스 AI 역량을
하나의 커리큘럼에 담았습니다

팀스파르타 X 엔비디아*마이크로소프트

Member of 엔비디아 / Microsoft 파트너
글로벌 AI 기술력을 인정받은 팀스파르타가 설계한 AI-Native 교육기관, KANT
AI 학습 환경·기술 컨설팅·커리큘럼까지, AI 경쟁력을 갖추도록 설계했습니다

온디바이스 AI 엔지니어로 성장하기 위한
6단계 실전 로드맵

기초 학습부터 실무 프로젝트, 기업 검증과 취업지원까지 온디바이스 AI 엔지니어에게 필요한 역량을 단계적으로 쌓아갑니다.

step.1
공통 AI 교육

Python 기반 데이터 및 AI 리터러시 등 모든 과정에 필요한 기초를 학습합니다.


Python 기반 데이터 및 AI 리터러시 등 모든 과정에 필요한 기초를 학습합니다.

step.2
직무 기초·심화 이론 학습

머신러닝·딥러닝부터 SLM·VLM·경량화·디바이스 배포까지 온디바이스 AI 핵심 실무 역량을 단계적으로 학습합니다.

step.3
실무 프로젝트 6회

산업 현장 시나리오와 실제 데이터를 활용한 프로젝트를 진행합니다.

step.4
기업 연계형 AI 경진대회

실제 기업 문제를 기반으로 한 과제를 수행하며, AI 솔루션을 직접 도출하는 경험을 쌓습니다.

step.5
기업 초청 발표회

주요 기업 관계자 앞에서 프로젝트를 발표하고, 질의응답과 피드백을 통해 우수 프로젝트를 선정합니다.

주요 기업 관계자 앞에서 프로젝트를 발표하고,
질의응답과 피드백을 통해 우수 프로젝트를
선정합니다.

step.6
취업지원&인턴십 연계 기회

취업생 수 1위 내일배움캠프의 노하우로
이력서·포트폴리오·면접 준비부터 인턴십 연계까지 지원합니다.

취업생 수 1위 내일배움캠프의
노하우로 이력서·포트폴리오·면접 준비부터 인턴십 연계까지
지원합니다.

취업생 수 1위 내일배움캠프의 노하우로
이력서·포트폴리오·면접 준비부터 인턴십
연계까지 지원합니다.

KANT 수강생 한정 혜택

모델 학습에서 끝나지 않도록,
실습 디바이스·GPU·AI 개발 도구를 모두 지원합니다

실제 온디바이스 구현 실습 장비

Raspberry Pi 5

Galaxy S23

고성능 Windows 노트북 지원
고성능 Windows
노트북 지원
고성능 Windows
노트북 지원

RTX 5060 GPU

AI Agent 엔지니어란?

AI가 실제 업무를 수행하도록, 설계하고 구현하는 엔지니어

AI Agent는 상황과 목표를 이해하고, 필요한 도구를 활용해 판단·계획·실행하는 지능형 자율 시스템입니다.

인식

데이터를 이해하고

상황을 파악

추론 · 계획

목표 달성을 위한 경로와

필요한 도구를 선택

행동

외부 도구와 시스템을

활용해 작업 실행

학습 · 개선

결과를 바탕으로

다음 행동을 고도화

AI Agent 엔지니어란?

AI가 실제 업무를 수행하도록, 설계하고 구현하는 엔지니어

AI Agent는 상황과 목표를 이해하고, 필요한 도구를 활용해 판단·계획·실행하는 지능형 자율 시스템입니다.

인식

데이터를 이해하고

상황을 파악

추론 · 계획

목표 달성을 위한 경로와

필요한 도구를 선택

행동

외부 도구와 시스템을

활용해 작업 실행

학습 · 개선

결과를 바탕으로

다음 행동을 고도화

NVIDIA 클라우드 GPU 지원

고성능 GPU 기반 프로젝트 환경 제공

온디바이스 AI 개발 환경 제공
온디바이스 AI
개발 환경 제공

Claude Code

Android Studio

FAISS, Chroma

GCP 인프라 스택

*모델은 유사 사양으로 변경될 수 있으며, 일부 혜택은 한도가 제한될 수 있습니다.

* 코스별로 제공되는 혜택은 상이하며, 유사한 사양으로 모델이 변경될 수 있습니다.
** 한도 제한이 있을 수 있습니다.

**AI 이미지를 포함한 내용입니다.

온디바이스 AI 엔지니어 취업을 위한
실무 중심 커리큘럼

개념 학습에 그치지 않고, 직접 구현하고 운영하는 과정에서 실무 역량을 쌓습니다

Point 1

Raspberry Pi·NPU까지 다루는 하드웨어·시스템 이해

Raspberry Pi·NPU까지 다루는
하드웨어·시스템 이해

Point 2

양자화·Pruning·지식 증류로 완성하는 모델 경량화

Point 3

SLM·로컬 RAG로 구현하는 오프라인 AI 서비스

Point 4

모바일·엣지·서버를 잇는 분산/하이브리드 아키텍처

전체 펼치기

Step 1

ML/DL

선형대수

PyTorch

하드웨어 기초

온디바이스 AI 개발 기본기 완성 200h

온디바이스 AI를 구현하기 위해 필요한 머신러닝·딥러닝 기본기와 하드웨어/시스템 이해를 함께 다집니다.

온보딩 & 학습 환경 세팅

  • 개강 OT 및 과정 운영 방식 안내

  • GitHub, 학습 도구, 협업 채널 세팅

개발 협업 & 생성형 AI 이해

  • Git 저장소 관리, 브랜치, PR 협업 흐름

  • 생성형 AI와 프롬프트 엔지니어링, AI 윤리 이해

머신러닝 & 딥러닝 기본기

  • 앙상블, 피처 엔지니어링, 정규화, 교차 검증 이해

  • CNN, RNN, LSTM, YOLO, Transformer 구조 이해

  • PyTorch 기반 학습 루프 및 데이터 파이프라인 구축

선형대수 & 임베딩 이해

  • 벡터, 행렬 연산, 코사인 유사도와 임베딩 관계 이해

  • PCA, SVD 개념과 NumPy 기반 구현

하드웨어 & 시스템 이해

  • 스마트폰, Raspberry Pi, MCU의 연산 성능 제약 이해

  • Linux 파일 시스템과 CLI 기초

  • CPU, GPU, NPU 구조 차이와 임베디드 AI 추론 병목 분석

Step 2

Edge AI

Time Series

Computer Vision

SLM

Raspberry Pi

Optimization

엣지 AI 모델 구현 & 추론 최적화 336h

시계열·컴퓨터 비전 모델을 구현하고, SLM 구조 이해부터 임베디드 환경 배포와 모델 경량화·추론 최적화까지 학습합니다.

온디바이스 AI 기초

  • Edge AI와 Cloud AI 구조 비교

  • CPU, NPU, GPU 차이와 메모리 제한 모델 설계

  • latency, throughput, 배터리, 전력, 실시간성 개념 이해

  • RTOS와 Linux 차이 이해

시계열 데이터 모델링

  • 온디바이스 AI 적용 도메인 데이터 이해

  • 시계열 피처 엔지니어링과 노이즈 전처리

  • Optuna 기반 하이퍼파라미터 튜닝과 SHAP 모델 해석

  • 가변 데이터에 대응하는 모델 파이프라인 구축

Project 1

시계열 예측 모델 구축 프로젝트

  • 실무 데이터를 활용한 엔드투엔드 예측 모델 구축

  • EDA와 피처 엔지니어링을 통한 주요 변수 탐색

  • 과업 특성에 맞는 모델 설계 및 예측 결과 분석

컴퓨터 비전

  • ResNet, MobileNet, EfficientNet 구조 이해 및 모델 학습

  • YOLOv5, YOLOv8 기반 객체 탐지 모델 이해

  • 이미지 전처리, 데이터 증강, 라벨링 자동화

  • FPS, 메모리 점유율, 전력 소모량 기반 기기별 추론 성능 프로파일링

Project 2

컴퓨터 비전 결합 탐지 모델 구축 프로젝트

  • 컴퓨터 비전 기반 산업·비즈니스 문제 해결 프로젝트

  • 이미지·영상 데이터 수집 및 전처리

  • 전이학습 기반 CNN, 객체 검출, 이상 탐지 모델링

LLM/SLM 구조 이해

  • LLM과 SLM의 개념 및 활용 사례 이해

  • Self-Attention, Inference, KV Cache 구조 이해

  • 모델 크기, 컨텍스트 길이, 추론 속도의 관계 이해

  • PyTorch 기반 LLM/SLM 추론 실습

임베디드 시스템

  • Linux 기반 임베디드 환경 이해

  • Raspberry Pi 하드웨어 구조 및 기본 환경 설정

  • GPIO, I2C, SPI, UART 등 외부 장치 통신 이해

  • 실제 임베디드 프로젝트를 위한 시스템 구성 실습

모델 경량화

  • 임베디드·모바일 환경의 자원 제약 이해

  • Quantization, Pruning, Knowledge Distillation 적용 방식 이해

  • 모델 포맷 변환과 실행 환경별 모델 표현 방식 이해

  • 경량화 모델의 추론 성능 비교 및 검증

추론 최적화

  • 모델 추론 흐름과 병목 지점 분석

  • 지연 시간, 처리량, 메모리 사용량 기반 성능 최적화

  • 요청 단위 추론과 배치 기반 추론 비교

  • 비동기 처리, 큐잉, 스케줄링 기반 추론 구조 이해

  • 자원 제약 환경을 고려한 추론 최적화 설계

Step 3

SLM

RAG

Mobile

VLM

TFLite

Hybrid Architecture

온디바이스 AI 서비스 고도화 520h

SLM 기반 디바이스 제어, 로컬 RAG 챗봇, 모바일 멀티모달 앱, 엣지-서버 하이브리드 시스템까지 온디바이스 AI 서비스를 단계적으로 고도화합니다.

Project 3

자연어 기반 스마트 컨트롤러 구축 프로젝트

  • 자연어 명령을 이해해 실제 디바이스를 제어하는 온디바이스 SLM 기반 제어 시스템 구축

  • SLM 파인튜닝, 경량화, Raspberry Pi 배포, 하드웨어 제어까지 엔드투엔드 실습

  • 추론 지연시간, 메모리 사용량, 전력 소비를 고려한 온디바이스 최적화

RAG 시스템

  • RAG 기본 개념과 LLM 단독 추론 방식의 차이 이해

  • 문서 수집 및 chunking 전략

  • 임베디드 환경에서 동작 가능한 벡터 검색 구조 이해

  • 온디바이스 환경에서 RAG 적용 시 고려해야 할 제약 요소 학습

운영 최적화

  • 서비스 운영 환경의 자원 관리와 전력 사용량 모니터링

  • 메모리 병목, 성능 저하, 자원 이상 징후 탐지

  • 장애 유형과 대응 절차, 로그 기반 문제 원인 파악

  • 안정적 서비스 운영을 위한 모니터링 흐름 설계

Project 4

로컬 챗봇 구축 프로젝트

  • 인터넷 없이 동작하는 로컬 RAG + SLM 기반 현장 지식 챗봇 구축

  • 문서 수집, 전처리, 임베딩, 검색, 응답 생성까지 전체 파이프라인 구현

  • 메모리와 지연시간 제약을 고려한 임베디드 시스템 설계

모바일 온디바이스

  • Android 플랫폼 구조와 Kotlin 기반 앱 개발 기초

  • Activity, Service, Android Lifecycle 이해

  • 모바일 환경에 적합한 모델 형식과 실행 방식 이해

  • 모바일 앱 내 추론 결과 처리 및 UI 연동

  • 메모리·전력 제약을 고려한 모바일 추론 실습

멀티모달 시스템

  • VLM 개념과 이미지·텍스트 등 모달리티별 처리 방식 이해

  • 모달리티 결합 추론 구조와 정보 통합 방식 이해

  • 실시간 멀티모달 추론 흐름 설계

  • 제한된 자원 환경에서의 멀티모달 처리 전략 학습

Project 5

모바일 기반 멀티모달 AI 시스템 개발 프로젝트

  • 스마트폰 기반 이미지 + 텍스트 멀티모달 온디바이스 AI 앱 개발

  • CameraX, TFLite, SLM 연동

  • 모바일 자원 제약을 고려한 실시간 추론 시스템 구현

  • 접근성 서비스 응용 프로젝트 수행

분산/하이브리드 아키텍처

  • Edge-Server 하이브리드 아키텍처 이해

  • 엣지 디바이스와 서버 간 역할 분담 및 추론 위치 결정

  • FastAPI 기반 경량 API 서버와 Edge-Server 연동

  • Docker 기반 서비스 패키징

  • 네트워크 지연, 장애 대응, 보안과 안정성을 고려한 통합 설계

Project 6

산업 안전 에이전트 구축 프로젝트

  • 모바일, 엣지, 서버를 통합한 산업용 AI 시스템 구축

  • 실시간 멀티모달 안전 감지와 자동 상황 보고 구현

  • 분산/하이브리드 아키텍처 설계 및 구현

  • 실무 수준의 성능 최적화와 운영 전략 적용

Step 4

기업 참여 AI 경진대회

기업 과제&피드백

취업지원

최종 발표

기업 실무 프로젝트로 완성하는 취업 포트폴리오 460h

기업 실무 과제를 통해 온디바이스 AI 엔지니어의 역량을 검증하고 취업 포트폴리오로 완성합니다.

기업 연계 AI 경진대회

  • 기업 실제 데이터 기반 산업 문제 해결

  • 고밀도 몰입형 운영을 통해 기업 과제를 AI 기반으로 분석·설계·구현

기업 초청 발표회

  • 참여 기업 대상 프로젝트 최종 발표

  • 기업 피드백, 질의응답, 우수 프로젝트 선정

취업지원

  • 이력서·포트폴리오 정리 및 커리어 모듈 운영

  • 구직 활동 관리, 면접 대비, 실무 과제형 채용 대비

  • 기업 연계 프로그램 운영

수료식

  • 수료생 성과 공유, 우수 훈련생 시상

  • 취업 로드맵 안내 및 네트워킹 제공

전체 펼치기

Step 1

ML/DL

선형대수

PyTorch

하드웨어 기초

온디바이스 AI 개발 기본기 완성 200h

온디바이스 AI를 구현하기 위해 필요한 머신러닝·딥러닝 기본기와 하드웨어/시스템 이해를 함께 다집니다.

온보딩 & 학습 환경 세팅

  • 개강 OT 및 과정 운영 방식 안내

  • GitHub, 학습 도구, 협업 채널 세팅

개발 협업 & 생성형 AI 이해

  • Git 저장소 관리, 브랜치, PR 협업 흐름

  • 생성형 AI와 프롬프트 엔지니어링, AI 윤리 이해

머신러닝 & 딥러닝 기본기

  • 앙상블, 피처 엔지니어링, 정규화, 교차 검증 이해

  • CNN, RNN, LSTM, YOLO, Transformer 구조 이해

  • PyTorch 기반 학습 루프 및 데이터 파이프라인 구축

선형대수 & 임베딩 이해

  • 벡터, 행렬 연산, 코사인 유사도와 임베딩 관계 이해

  • PCA, SVD 개념과 NumPy 기반 구현

하드웨어 & 시스템 이해

  • 스마트폰, Raspberry Pi, MCU의 연산 성능 제약 이해

  • Linux 파일 시스템과 CLI 기초

  • CPU, GPU, NPU 구조 차이와 임베디드 AI 추론 병목 분석

Step 2

Edge AI

Time Series

Computer Vision

SLM

Raspberry Pi

Optimization

엣지 AI 모델 구현 & 추론 최적화 336h

시계열·컴퓨터 비전 모델을 구현하고, SLM 구조 이해부터 임베디드 환경 배포와 모델 경량화·추론 최적화까지 학습합니다.

온디바이스 AI 기초

  • Edge AI와 Cloud AI 구조 비교

  • CPU, NPU, GPU 차이와 메모리 제한 모델 설계

  • latency, throughput, 배터리, 전력, 실시간성 개념 이해

  • RTOS와 Linux 차이 이해

시계열 데이터 모델링

  • 온디바이스 AI 적용 도메인 데이터 이해

  • 시계열 피처 엔지니어링과 노이즈 전처리

  • Optuna 기반 하이퍼파라미터 튜닝과 SHAP 모델 해석

  • 가변 데이터에 대응하는 모델 파이프라인 구축

Project 1

시계열 예측 모델 구축 프로젝트

  • 실무 데이터를 활용한 엔드투엔드 예측 모델 구축

  • EDA와 피처 엔지니어링을 통한 주요 변수 탐색

  • 과업 특성에 맞는 모델 설계 및 예측 결과 분석

컴퓨터 비전

  • ResNet, MobileNet, EfficientNet 구조 이해 및 모델 학습

  • YOLOv5, YOLOv8 기반 객체 탐지 모델 이해

  • 이미지 전처리, 데이터 증강, 라벨링 자동화

  • FPS, 메모리 점유율, 전력 소모량 기반 기기별 추론 성능 프로파일링

Project 2

컴퓨터 비전 결합 탐지 모델 구축 프로젝트

  • 컴퓨터 비전 기반 산업·비즈니스 문제 해결 프로젝트

  • 이미지·영상 데이터 수집 및 전처리

  • 전이학습 기반 CNN, 객체 검출, 이상 탐지 모델링

LLM/SLM 구조 이해

  • LLM과 SLM의 개념 및 활용 사례 이해

  • Self-Attention, Inference, KV Cache 구조 이해

  • 모델 크기, 컨텍스트 길이, 추론 속도의 관계 이해

  • PyTorch 기반 LLM/SLM 추론 실습

임베디드 시스템

  • Linux 기반 임베디드 환경 이해

  • Raspberry Pi 하드웨어 구조 및 기본 환경 설정

  • GPIO, I2C, SPI, UART 등 외부 장치 통신 이해

  • 실제 임베디드 프로젝트를 위한 시스템 구성 실습

모델 경량화

  • 임베디드·모바일 환경의 자원 제약 이해

  • Quantization, Pruning, Knowledge Distillation 적용 방식 이해

  • 모델 포맷 변환과 실행 환경별 모델 표현 방식 이해

  • 경량화 모델의 추론 성능 비교 및 검증

추론 최적화

  • 모델 추론 흐름과 병목 지점 분석

  • 지연 시간, 처리량, 메모리 사용량 기반 성능 최적화

  • 요청 단위 추론과 배치 기반 추론 비교

  • 비동기 처리, 큐잉, 스케줄링 기반 추론 구조 이해

  • 자원 제약 환경을 고려한 추론 최적화 설계

Step 3

SLM

RAG

Mobile

VLM

TFLite

Hybrid Architecture

온디바이스 AI 서비스 고도화 520h

SLM 기반 디바이스 제어, 로컬 RAG 챗봇, 모바일 멀티모달 앱, 엣지-서버 하이브리드 시스템까지 온디바이스 AI 서비스를 단계적으로 고도화합니다.

Project 3

자연어 기반 스마트 컨트롤러 구축 프로젝트

  • 자연어 명령을 이해해 실제 디바이스를 제어하는 온디바이스 SLM 기반 제어 시스템 구축

  • SLM 파인튜닝, 경량화, Raspberry Pi 배포, 하드웨어 제어까지 엔드투엔드 실습

  • 추론 지연시간, 메모리 사용량, 전력 소비를 고려한 온디바이스 최적화

RAG 시스템

  • RAG 기본 개념과 LLM 단독 추론 방식의 차이 이해

  • 문서 수집 및 chunking 전략

  • 임베디드 환경에서 동작 가능한 벡터 검색 구조 이해

  • 온디바이스 환경에서 RAG 적용 시 고려해야 할 제약 요소 학습

운영 최적화

  • 서비스 운영 환경의 자원 관리와 전력 사용량 모니터링

  • 메모리 병목, 성능 저하, 자원 이상 징후 탐지

  • 장애 유형과 대응 절차, 로그 기반 문제 원인 파악

  • 안정적 서비스 운영을 위한 모니터링 흐름 설계

Project 4

로컬 챗봇 구축 프로젝트

  • 인터넷 없이 동작하는 로컬 RAG + SLM 기반 현장 지식 챗봇 구축

  • 문서 수집, 전처리, 임베딩, 검색, 응답 생성까지 전체 파이프라인 구현

  • 메모리와 지연시간 제약을 고려한 임베디드 시스템 설계

모바일 온디바이스

  • Android 플랫폼 구조와 Kotlin 기반 앱 개발 기초

  • Activity, Service, Android Lifecycle 이해

  • 모바일 환경에 적합한 모델 형식과 실행 방식 이해

  • 모바일 앱 내 추론 결과 처리 및 UI 연동

  • 메모리·전력 제약을 고려한 모바일 추론 실습

멀티모달 시스템

  • VLM 개념과 이미지·텍스트 등 모달리티별 처리 방식 이해

  • 모달리티 결합 추론 구조와 정보 통합 방식 이해

  • 실시간 멀티모달 추론 흐름 설계

  • 제한된 자원 환경에서의 멀티모달 처리 전략 학습

Project 5

모바일 기반 멀티모달 AI 시스템 개발 프로젝트

  • 스마트폰 기반 이미지 + 텍스트 멀티모달 온디바이스 AI 앱 개발

  • CameraX, TFLite, SLM 연동

  • 모바일 자원 제약을 고려한 실시간 추론 시스템 구현

  • 접근성 서비스 응용 프로젝트 수행

분산/하이브리드 아키텍처

  • Edge-Server 하이브리드 아키텍처 이해

  • 엣지 디바이스와 서버 간 역할 분담 및 추론 위치 결정

  • FastAPI 기반 경량 API 서버와 Edge-Server 연동

  • Docker 기반 서비스 패키징

  • 네트워크 지연, 장애 대응, 보안과 안정성을 고려한 통합 설계

Project 6

산업 안전 에이전트 구축 프로젝트

  • 모바일, 엣지, 서버를 통합한 산업용 AI 시스템 구축

  • 실시간 멀티모달 안전 감지와 자동 상황 보고 구현

  • 분산/하이브리드 아키텍처 설계 및 구현

  • 실무 수준의 성능 최적화와 운영 전략 적용

Step 4

기업 참여 AI 경진대회

기업 과제&피드백

취업지원

최종 발표

기업 실무 프로젝트로 완성하는 취업 포트폴리오 460h

기업 실무 과제를 통해 온디바이스 AI 엔지니어의 역량을 검증하고 취업 포트폴리오로 완성합니다.

기업 연계 AI 경진대회

  • 기업 실제 데이터 기반 산업 문제 해결

  • 고밀도 몰입형 운영을 통해 기업 과제를 AI 기반으로 분석·설계·구현

기업 초청 발표회

  • 참여 기업 대상 프로젝트 최종 발표

  • 기업 피드백, 질의응답, 우수 프로젝트 선정

취업지원

  • 이력서·포트폴리오 정리 및 커리어 모듈 운영

  • 구직 활동 관리, 면접 대비, 실무 과제형 채용 대비

  • 기업 연계 프로그램 운영

수료식

  • 수료생 성과 공유, 우수 훈련생 시상

  • 취업 로드맵 안내 및 네트워킹 제공

현직 튜터가 상주하며 학습 중 막히는 문제를 실시간으로 해결할 수 있도록 돕습니다.

이론만 배우고 끝나지 않도록

모델 최적화부터 디바이스 제어·산업 안전 에이전트까지,
6번의 단계별 실무 프로젝트

모델 최적화부터
디바이스 제어·산업 안전 에이전트까지,
6번의 단계별 실무 프로젝트

학습한 기술을 실제 디바이스와 서비스 환경에 적용하며, 취업 포트폴리오로 이어지는 프로젝트 경험을 쌓습니다.

Point 1

AI 모델 경량화와 디바이스 배포 역량

Point 2

카메라·이미지 데이터 실시간 처리 역량

Point 3

SLM·멀티모달 AI 모바일 구현 역량

Project 1
Project 2
Project 3
Project 4
Project 5
Project 6

Project 1

팀 프로젝트

시계열 예측 모델 구축 프로젝트

실무 데이터를 활용해 EDA부터 피처 엔지니어링·모델 설계·최적화까지 엔드투엔드 예측 모델을 구축합니다.

주요 활동

  • 실무 데이터 기반 EDA 및 피처 엔지니어링

  • 과업 특성에 따른 예측 모델 설계

  • 하이퍼파라미터 최적화

  • 설명 가능한 AI 기반 예측 결과 분석

기술 스택

Time Series

Feature Engineering

Optuna

Explainable AI

Project 1

Project 1

팀 프로젝트

시계열 예측 모델 구축 프로젝트

실무 데이터를 활용해 EDA부터 피처 엔지니어링·모델 설계·최적화까지 엔드투엔드 예측 모델을 구축합니다.

주요 활동

  • 실무 데이터 기반 EDA 및 피처 엔지니어링

  • 과업 특성에 따른 예측 모델 설계

  • 하이퍼파라미터 최적화

  • 설명 가능한 AI 기반 예측 결과 분석

기술 스택

Time Series

Feature Engineering

Optuna

Explainable AI

Project 2
Project 3
Project 4
Project 5
Project 6

지금까지 배운 역량을 실제 기업 과제로 검증합니다

기업 연계 AI 경진대회

기업의 실제 문제와 현장 데이터를 기반으로 AI 솔루션을 설계하고,
현직 멘토와 기업 피드백을 반영해 결과물의 완성도를 높입니다.

기업의 실제 문제와 현장 데이터를 기반으로
AI 솔루션을 설계하고, 현직 멘토와 기업 피드백을
반영해 결과물의 완성도를 높입니다.

기업 과제 배정

실제 기업의 문제를 기반으로 한 과제를 배정받습니다.

기업 과제 집중 수행

고밀도 몰입형 운영을 통해 기업 과제를 AI 기반으로 분석·설계·구현합니다.

고밀도 몰입형 운영을 통해 기업 과제를
AI 기반으로 분석·설계·구현합니다.

현직 멘토 밀착 피드백

프로젝트 과정에서 막히는 지점을 현직 멘토의 피드백으로 해결하며 완성도를 높입니다.

프로젝트 과정에서 막히는 지점을
현직 멘토의 피드백으로 해결하며 완성도를 높입니다.

기업초청 발표회

완성한 프로젝트를 실제 기업 담당자 앞에서 발표하고,
질의응답과 피드백을 통해 실무 커뮤니케이션 역량을 기릅니다.

우수 프로젝트 선정 및 참여 기업 채용 연계 기회

우수 프로젝트는 별도 선정되며, 참여 기업과 채용 연계 프로그램으로 이어질 수 있습니다.

우수 프로젝트는 별도 선정되며,
참여 기업과 채용 연계 프로그램으로 이어질 수 있습니다.

KANT의 끝은 수료가 아니라 취업

서류부터 면접까지,
취업될 때까지 현직자가 무제한으로 도와드립니다

개인별 강점/약점 리포트

수료생 개개인의 강점과 약점을 진단해
나만의 서류 방향성을 설계합니다.

수료생 개개인의 강점과 약점을 진단해
나만의 서류 방향성을 설계합니다.

이력서/포트폴리오 코칭

취업지원 기간 주 1회 이상 정기 멘토링을 통해 현직 튜터가 채용 포인트와 실제 합격 사례를 반영해, 나만의 포트폴리오를 설계하고 부족한 부분은 함께 개선합니다.

1:1 실전 면접 훈련

이력서 기반의 예상 질문 리스트와 모의 면접을 통해 실제 면접을 대비합니다.

이력서 기반의 예상 질문 리스트와 모의 면접을 통해 실제 면접을 대비합니다.

우수 수료생 인턴십 연계 기회

담당 매니저가 컨설팅을 통해 수료생의 역량을 진단하고, 적합한 협력사와 연결합니다.

100% 오프라인 실시간 교육 코스

혼자가 아닌 동료와 함께,
끝까지 완주하는 학습 환경

궁금한 내용을 바로 묻고 피드백 받을 수 있는
오프라인 환경에서 실무 역량을 키워보세요.

한국형 AI 전문가 교육 by Teamsparta

KANT가 취업까지
자신 있게 말할 수 있는 이유

한국형 AI 전문가 교육 by Teamsparta

KANT가 취업까지
자신 있게 말할 수 있는 이유

국내 대기업 대상 AI 교육 1,000회 이상

대기업 현직자가 선택한 팀스파르타의
AI 전문 교육

대기업 현직자 누적 수강생

20,000명

대기업 임직원 교육 만족도

4.6

/

5.0점

주요 훈련 대기업

수천 명이 선택한

취업 1위 부트캠프,
내일배움캠프 운영 노하우

2025년

취업생 수 1위

*25~26년 12월 기준

9,500명

수강생 수 1위

*최근 3년 국비 부트캠프 기준

최근 3개월 간 취업률

10명 중 7.5명

*25년 10월~12월 기준

880여 개의 협력사

인턴 연계 프로그램

*맞춤형 인턴십 연계

1위 부트캠프의 성과,
수료생의 취업으로 보여드립니다

100% 국비지원

비용 부담 없이 시작하세요!

27,515,400원

수강료 0원

국비지원 (KDT)

*정원 모집 완료 시, 조기 마감 될 수 있습니다.

매월 훈련장려금 최대 40만 원 지급

*개인마다 지급액이 상이할 수 있습니다.

온디바이스 AI 엔지니어 코스

모집 개요

모집 마감

현재 모집 준비 중입니다.

교육 기간

현재 모집 준비 중입니다.

교육 시간

오전 9시~오후 6시 (월~금, 9시간)
∙ 타 교육 및 직장 병행 불가

교육 방법

오프라인 100% / 서울시 구로구 구로동 170-10, 대륭포스트타워 7차 내 전용 캠퍼스 운영
*최대 600명 규모의 학습 공간 제공
*수업 종료 후(18:00~21:00) 자율 학습 공간 이용 가능

지원 자격

내일배움카드 발급이 가능한 분
∙ 최근 5년 이내 KDT 참여 이력 있는 경우 불가
∙ 해외 거주 중인 경우 불가

지원 절차

서류 지원

지원 동기 작성

지원 동기 작성

결과 발표

합격자 안내

합격자 안내

고용24 수강신청

매니저가 안내

매니저가 안내

입과 테스트 준비

슬랙 입장 후 스터디

슬랙 입장 후 스터디

입과 테스트 합격

최대 5회 응시

최대 5회 응시

최종 합류

베이스캠프 시작

베이스캠프 시작

입과 테스트 안내

  • 슬랙 커뮤니티 입장 후, 신청자에 한해 입과 테스트 준비 스터디에 참여할 수 있습니다.

  • 슬랙 커뮤니티 입장 후, 신청자에 한해
    입과 테스트 준비 스터디에 참여할 수 있습니다.

  • 입과 테스트는 최대 5회까지 응시할 수 있으며, 5회 모두 불합격 시 KANT 수강이 어렵습니다.

  • 입과 테스트는 최대 5회까지 응시할 수 있으며,
    5회 모두 불합격 시 KANT 수강이 어렵습니다.

그 외 상세한 절차 • 응시 방법은 FAQ에서 확인해 주세요.

자주 묻는 질문

신청/결제

정말 0원인가요?

신청/결제

정말 0원인가요?

신청/결제

매월 훈련장려금도 받을 수 있나요?

신청/결제

매월 훈련장려금도 받을 수 있나요?

신청/결제

지원 자격은 어떻게 되나요?

신청/결제

지원 자격은 어떻게 되나요?

교육/과정

코스 수강을 위해 노트북 및 장비 지원이 가능한가요?

교육/과정

코스 수강을 위해 노트북 및 장비 지원이 가능한가요?

교육/과정

취업 지원 시스템이 있나요?

교육/과정

취업 지원 시스템이 있나요?

교육/과정

대학원과 어떻게 다른가요?

교육/과정

대학원과 어떻게 다른가요?

교육/과정

입과 테스트는 어떻게 진행되나요?

교육/과정

입과 테스트는 어떻게 진행되나요?

교육/과정

훈련과정탐색표가 필요해요.

교육/과정

훈련과정탐색표가 필요해요.

본 사업은 고용노동부 AI캠퍼스 사업이며, 기관 사정에 따라 훈련의 변동성이 있습니다.
아직 궁금증이 풀리지 않았다면 ?

1:1 채팅 문의하기

Korea AI Native Technologists

Korea AI Native Technologists

AI시대, 인간의 가능성을 새로 정의합니다.

전액 무료

전액 무료

모델 경량화 실전 경험 만들기

모델 경량화 실전 경험 만들기