AI 에이전트

Physical AI

데이터 사이언스

LLM

온디바이스 AI

로그인

AI 엔지니어의 최상위 포지션

LLM을 직접 만들고 배포하는
실무형 엔지니어 코스

파인튜닝·RAG부터 vLLM 서빙·배포까지, LLM 엔지니어의 핵심 기술을 다룹니다.

파인튜닝·RAG부터 vLLM 서빙·배포까지,
LLM 엔지니어의 핵심 기술을 다룹니다.

교육 비용

27,515,400원 → 0원

100% 국비지원

교육 기간

약 9개월 26.07.27(월) ~ 27.05.07(금)

교육 시간

오프라인 100% / 오전 9시~오후 6시 (월~금, 9시간)

교육 스택

HuggingFace / vLLM / LangGraph / RAG / PEFT 등

교육 혜택

  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 5회

  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

AI가 주니어 개발자를 대체하는 시대

이런 고민 한번쯤 해보셨나요?

AI가 코드를 다 짜주는데, 나는 뭘 해야 하지?

개발자가 대체되면 어떡하지?

AI쪽으로 커리어 전환해야 할 것 같은데, 어떤 직무로 어떻게 시작하지?

AI쪽으로 커리어 전환해야 할 것 같은데,
어떤 직무로 어떻게 시작하지?

개발 경험만으로는 취업이 어려운데, AI 시대에 경쟁력을 갖추려면 어떻게 해야하지?

개발 경험만으로는 취업이 어려운데,
AI 시대에 경쟁력을 갖추려면 어떻게 해야하지?

많은 기업이 주니어 개발자 채용을 줄이는 현재, AI 시대에 대체되지 않고 더 큰 경쟁력이 되는 직무는 없을까?
많은 기업이 주니어 개발자 채용을 줄이는 현재,
AI 시대에 대체되지 않고 더 큰 경쟁력이 되는 직무는 없을까?
많은 기업이 주니어 개발자 채용을 줄이는 현재,
AI 시대에 대체되지 않고 더 큰 경쟁력이 되는
직무는 없을까?

AI 개발의 최전선, LLM 엔지니어

개발자의 역할은 AI로 바뀌고 있지만, LLM 엔지니어는 AI를 만드는 사람입니다.

학습
학습

도메인 데이터로 모델을
Fine-tuning합니다

도메인 데이터로
모델을 Fine-tuning합니다

설계
설계

RAG 파이프라인을 설계하고
검색 품질을 최적화합니다

RAG 파이프라인을 설계하고
검색 품질을 최적화합니다

서빙
서빙

GPU 인프라 위에 고성능
LLM 서버를 운영합니다

GPU 인프라 위에
고성능 LLM 서버를 운영합니다

품질
품질

Hallucination을 방지하고
응답 안전성을 설계합니다

Hallucination을 방지하고
응답 안전성을 설계합니다

외부 API에 의존하지 않고, 기업 내부 데이터와 GPU 인프라를 활용해 자체 LLM 서비스를 구축, 서빙, 운영하는 직무
외부 API에 의존하지 않고, 기업 내부 데이터와
GPU 인프라를 활용해 자체 LLM 서비스를 구축, 서빙, 운영하는 직무
AI 스택에서 가장 깊고, 가장 대체하기 어려운 포지션

지금 기업이 찾는 건, LLM을 이해하고
직접 구현할 수 있는 엔지니어 입니다.

AI 도입은 가속화되고 있지만, LLM을 직접 다룰 수 있는 인력은 여전히 부족합니다.

Demand

기업의 AI 도입이 늘수록,
LLM 엔지니어 수요는 커지고 있습니다.

85%

2026년 국내 기업 85%가 생성형 AI 도입 예정

Supply

LLM을 직접 구축하고 운영할 수 있는
엔지니어는 아직 부족합니다

17%

국내 AI 인력 5.7만 명 중 딥러닝 보유자

AI 인력 채용 확대 계획

대기업 69% ∙ 중견기업68.7% ∙ 중소기업 56.2%

기업이 꼽은 1위 애로 사항

숙련 인재 부족

*출처 : 한국은행 「AI 전문인력 현황과 수급 불균형」(2025.12) / CIO 코리아 (2025.08)

AI 인프라 강화와
자체 AI 구축·도입에 나선 기업들

AI 인프라 강화와 자체 생성형 AI 모델
구축을 적극 도입하는 기업들

금융

금융 특화 LLM 구축

케이뱅크: 업스테이지와 협업, 금융 특화 프라이빗 LLM

신한은행: AI 업무 비서 'AI ONE'

KB국민은행: KB-GPT, KB Gen AI 포털

빅테크 / IT 통신사

자체 파운데이션 모델 개발

네이버: 하이퍼클로바X

SK텔레콤: 에이닷엑스(A.X)

카카오: 카나나(Kanana)

제조·서비스

사내 AI 도입 확산

삼성전자 · AI 코딩 어시스턴트 '클라인' 도입

삼성SDS · LG CNS · SK AX · 그룹 + 외부 고객사 AI 구축

LLM 엔지니어 vs AI Agent 엔지니어

두 직무의 차이를 확인하고, 커리어 방향을 고민해 보세요.

두 직무의 차이를 확인하고,
커리어 방향을 고민해 보세요.

LLM 엔지니어

하는 일

AI 모델을 직접 학습 · 설계 · 운영

핵심 역량

수학 · 딥러닝 · 시스템 · 인프라

진입 장벽

개발·CS 전공자 우대 - 수학·딥러닝 선수 지식 필수

연봉/희소성

AI 직무 중 최상위 연봉 · 국내 인재 극소수

대체 가능성

기술이 발전할수록 수요가 커지는 포지션 - AI 자체를 만드는 역할

AI 에이전트 개발자

하는 일

LLM을 가져다 조합해 서비스 구현

핵심 역량

프롬프팅 · API · 프레임워크 · 오케스트레이션

진입 장벽

개발 기초가 있으면 누구나 시작 가능

연봉/희소성

수요 빠르게 증가 중 · 다양한 배경에서 진입 가능

대체 가능성

AI 기술 발전에 따라 다양한 배경에서 진입 가능하며 경쟁이 심화되는 방향 - AI를 활용하는 사람

시장을 리드하거나, 안주한 채로 AI에 대체되거나

LLM 엔지니어로 취업하는
가장 확실한 방법,
KANT AI 전문가 양성 과정

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

LLM 엔지니어로 성장하기 위한
6단계 실전 로드맵

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

기초 학습부터 실무 프로젝트,
기업 검증과 취업지원까지 LLM 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

AI 모델링부터 RAG, LLM 서빙까지
단계적으로 배우며, 기본기와 실무
응용력을 함께 키웁니다.

AI 모델링부터 RAG, LLM 서빙까지 단계적으로
배우며, 기본기와 실무 응용력을 함께 키웁니다.

step.3
실무 프로젝트 5회

실무 시나리오와 유사한 방식으로 실제 비즈니스 데이터를
활용한 프로젝트를 진행합니다.

실무 시나리오와 유사한 방식으로 실제 비즈니스 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.

LLM 엔지니어 취업을 위한 실무 중심 커리큘럼

LLM 엔지니어 취업을 위한
실무 중심 커리큘럼

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

Point 1

Transformer까지 직접
구현하는 딥러닝 기본기

Transformer까지 직접 구현하는 딥러닝 기본기

Point 2

청킹·검색·평가까지 직접
설계하는 RAG 파이프라인

청킹·검색·평가까지 직접 설계하는 RAG 파이프라인

Point 3

Fine-tuning과 Agent로 완성,도메인 특화 LLM 서비스

Fine-tuning과 Agent로 완성하는
도메인 특화 LLM 서비스

Point 4

vLLM·GKE 기반 Private LLM 배포·서빙·운영

전체 펼치기

Step 1

Python

Git

선형대수

ML/DL 기초

PyTorch

LLM 개발 기본기 완성 200h

LLM 서비스를 만들기 위해 필요한 AI 기초, 수학적 이해, 머신러닝·딥러닝 기본기를 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 AI 개념, AI 윤리, 데이터 프라이버시 및 AI 규제 이해

선형대수 & 수학 기초

  • 벡터/행렬 연산, 내적과 코사인 유사도

  • 고유값·특이값 분해, PCA, NumPy 기반 구현

머신러닝 심화

  • 앙상블 기법, 편향-분산 트레이드오프

  • 피처 엔지니어링, 정규화, 교차 검증 및 하이퍼파라미터 튜닝

딥러닝 모델 이해 및 활용

  • 퍼셉트론, CNN/RNN/LSTM, Transformer 아키텍처

  • PyTorch 기반 학습 루프 및 데이터 파이프라인 구축

Step 2

Ollama

Hugging Face

LangChain

RAG

Fine-tuning

LLMOps

오픈소스 LLM & RAG 서비스 구현 336h

오픈소스 LLM을 직접 실행하고, 데이터 수집·API 서버·RAG·Fine-tuning을 연결해 실제 Q&A 서비스를 구현합니다.

딥러닝 실전 & 프롬프트 엔지니어링

  • Attention, Transformer, PPO, RLHF 개념 이해

  • Structured Output, JSON Mode, Reasoning 모델 프롬프팅, System Prompt 설계

Project 1

오픈소스 LLM 활용

  • Ollama 기반 로컬 LLM 실행

  • Hugging Face Transformers와 Sentence Transformers 활용

  • 로컬 LLM과 클라우드 API 비교

데이터 수집 & API 서버 구축

  • 공공데이터·소셜미디어 API 활용 및 Playwright 동적 크롤링

  • FastAPI, Pydantic, 비동기 처리 기반 로컬 LLM 연동 API 구현

LangChain

  • LangChain 아키텍처와 LCEL 이해

  • 프롬프트 템플릿, 출력 파서, Memory, Callbacks, 스트리밍 활용

Project 2

기초 프로젝트

  • PyTorch 기반 모델 설계 및 구현

  • 데이터 전처리·학습·평가 전체 파이프라인 경험

  • 의료 이미지 분류(CNN), 텍스트 분류(Transformer), Atari 게임 AI(강화학습) 중 팀 프로젝트 수행

RAG 기초/심화

  • 청킹 전략, 문서 임베딩, Vector DB(ChromaDB/Qdrant) 활용

  • Hybrid Search, Re-ranking, Query Transformation 적용

  • GraphRAG, 멀티모달 RAG, CAG, RAGAS 평가 이해

Context Engineering

  • Context 구조 설계 패턴 이해

  • Memory 시스템(Mem0), Skills 패턴, Context 압축 및 최적화

LLMOps

  • LangSmith 기반 트레이싱

  • 프롬프트 버전 관리, LLM 모니터링, 평가 체계, 가드레일 구현

  • Prompt Injection, OWASP LLM Top 10, Red Teaming 개념 이해

LLM Fine-tuning

  • Fine-tuning 데이터셋 준비와 Synthetic Data 생성

  • SFT, LoRA, QLoRA, DPO, Hugging Face TRL 활용

Project 3

RAG 기반 Q&A 서비스

  • 데이터 수집부터 고급 RAG 파이프라인 구축, Gradio 데모까지 구현

  • Agentic RAG, Self-RAG, Corrective RAG, 멀티모달 RAG 중 1개 적용

  • 고객 상담 / 의료·건강 / 법률 상담 / 요리 레시피 Q&A 중 팀 주제 수행

  • Context Engineering과 LLMOps를 적용한 Q&A 서비스 완성

Step 3

AI Agent

LangGraph

MCP

GKE

vLLM

CI/CD

Private LLM 통합 서비스 런칭 520h

AI Agent, 클라우드 인프라, LLM 서빙을 결합해 프로덕션 수준의 Private LLM 통합 서비스를 완성합니다.

AI Agent

  • Tool Calling과 LangGraph 기반 Agent 구현, ReAct·Plan-and-Execute·Reflection 추론 패턴

  • HITL, MCP 서버 구축 및 외부 시스템 연동

  • Multi-Agent 시스템 설계, Agent 평가·디버깅

Project 4

실전 프로젝트

  • 도메인 특화 Fine-tuning(LoRA/QLoRA), LangGraph 워크플로우, Gradio 데모 UI 구현

  • 도메인 특화 리서치 / 코드 생성·리뷰 / 멀티턴 상담 에이전트 중 팀 프로젝트 수행

클라우드 인프라

  • On-prem/Cloud/Hybrid 비교, GCP 핵심 서비스(Compute Engine/Cloud Run/GKE) 이해

  • Docker·Kubernetes 기반 배포, Terraform·Ansible 구성 관리, GPU 인프라 구성

Private LLM 서빙

  • LLM 서빙 아키텍처 이해, vLLM 기반 고성능 서빙

  • GPTQ/AWQ/GGUF 양자화, GKE 배포, CI/CD 파이프라인(GitHub Actions/ArgoCD), 모니터링·스케일링

Project 5

프라이빗 LLM 통합 서비스 런칭 프로젝트

  • Fine-tuning 모델 + RAG + AI Agent 통합 서비스 개발, MCP 기반 외부 시스템 연동

  • GKE 배포·CI/CD 파이프라인으로 프로덕션 수준 완성

  • 기업 내부 지식관리 / 고객 응대 자동화 / 도메인 특화 리서치 어시스턴트 중 팀 프로젝트 수행

Step 4

기업 참여 AI 경진대회

기업 과제&피드백

취업지원

최종 발표

기업 실무 프로젝트로 완성하는 취업 포트폴리오 460h

기업 실무 과제를 통해 LLM 엔지니어 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

Python

Git

선형대수

ML/DL 기초

PyTorch

LLM 개발 기본기 완성 200h

LLM 서비스를 만들기 위해 필요한 AI 기초, 수학적 이해, 머신러닝·딥러닝 기본기를 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 AI 개념, AI 윤리, 데이터 프라이버시 및 AI 규제 이해

선형대수 & 수학 기초

  • 벡터/행렬 연산, 내적과 코사인 유사도

  • 고유값·특이값 분해, PCA, NumPy 기반 구현

머신러닝 심화

  • 앙상블 기법, 편향-분산 트레이드오프

  • 피처 엔지니어링, 정규화, 교차 검증 및 하이퍼파라미터 튜닝

딥러닝 모델 이해 및 활용

  • 퍼셉트론, CNN/RNN/LSTM, Transformer 아키텍처

  • PyTorch 기반 학습 루프 및 데이터 파이프라인 구축

Step 2

Ollama

Hugging Face

LangChain

RAG

Fine-tuning

LLMOps

오픈소스 LLM & RAG 서비스 구현 336h

오픈소스 LLM을 직접 실행하고, 데이터 수집·API 서버·RAG·Fine-tuning을 연결해 실제 Q&A 서비스를 구현합니다.

딥러닝 실전 & 프롬프트 엔지니어링

  • Attention, Transformer, PPO, RLHF 개념 이해

  • Structured Output, JSON Mode, Reasoning 모델 프롬프팅, System Prompt 설계

Project 1

오픈소스 LLM 활용

  • Ollama 기반 로컬 LLM 실행

  • Hugging Face Transformers와 Sentence Transformers 활용

  • 로컬 LLM과 클라우드 API 비교

데이터 수집 & API 서버 구축

  • 공공데이터·소셜미디어 API 활용 및 Playwright 동적 크롤링

  • FastAPI, Pydantic, 비동기 처리 기반 로컬 LLM 연동 API 구현

LangChain

  • LangChain 아키텍처와 LCEL 이해

  • 프롬프트 템플릿, 출력 파서, Memory, Callbacks, 스트리밍 활용

Project 2

기초 프로젝트

  • PyTorch 기반 모델 설계 및 구현

  • 데이터 전처리·학습·평가 전체 파이프라인 경험

  • 의료 이미지 분류(CNN), 텍스트 분류(Transformer), Atari 게임 AI(강화학습) 중 팀 프로젝트 수행

RAG 기초/심화

  • 청킹 전략, 문서 임베딩, Vector DB(ChromaDB/Qdrant) 활용

  • Hybrid Search, Re-ranking, Query Transformation 적용

  • GraphRAG, 멀티모달 RAG, CAG, RAGAS 평가 이해

Context Engineering

  • Context 구조 설계 패턴 이해

  • Memory 시스템(Mem0), Skills 패턴, Context 압축 및 최적화

LLMOps

  • LangSmith 기반 트레이싱

  • 프롬프트 버전 관리, LLM 모니터링, 평가 체계, 가드레일 구현

  • Prompt Injection, OWASP LLM Top 10, Red Teaming 개념 이해

LLM Fine-tuning

  • Fine-tuning 데이터셋 준비와 Synthetic Data 생성

  • SFT, LoRA, QLoRA, DPO, Hugging Face TRL 활용

Project 3

RAG 기반 Q&A 서비스

  • 데이터 수집부터 고급 RAG 파이프라인 구축, Gradio 데모까지 구현

  • Agentic RAG, Self-RAG, Corrective RAG, 멀티모달 RAG 중 1개 적용

  • 고객 상담 / 의료·건강 / 법률 상담 / 요리 레시피 Q&A 중 팀 주제 수행

  • Context Engineering과 LLMOps를 적용한 Q&A 서비스 완성

Step 3

AI Agent

LangGraph

MCP

GKE

vLLM

CI/CD

Private LLM 통합 서비스 런칭 520h

AI Agent, 클라우드 인프라, LLM 서빙을 결합해 프로덕션 수준의 Private LLM 통합 서비스를 완성합니다.

AI Agent

  • Tool Calling과 LangGraph 기반 Agent 구현, ReAct·Plan-and-Execute·Reflection 추론 패턴

  • HITL, MCP 서버 구축 및 외부 시스템 연동

  • Multi-Agent 시스템 설계, Agent 평가·디버깅

Project 4

실전 프로젝트

  • 도메인 특화 Fine-tuning(LoRA/QLoRA), LangGraph 워크플로우, Gradio 데모 UI 구현

  • 도메인 특화 리서치 / 코드 생성·리뷰 / 멀티턴 상담 에이전트 중 팀 프로젝트 수행

클라우드 인프라

  • On-prem/Cloud/Hybrid 비교, GCP 핵심 서비스(Compute Engine/Cloud Run/GKE) 이해

  • Docker·Kubernetes 기반 배포, Terraform·Ansible 구성 관리, GPU 인프라 구성

Private LLM 서빙

  • LLM 서빙 아키텍처 이해, vLLM 기반 고성능 서빙

  • GPTQ/AWQ/GGUF 양자화, GKE 배포, CI/CD 파이프라인(GitHub Actions/ArgoCD), 모니터링·스케일링

Project 5

프라이빗 LLM 통합 서비스 런칭 프로젝트

  • Fine-tuning 모델 + RAG + AI Agent 통합 서비스 개발, MCP 기반 외부 시스템 연동

  • GKE 배포·CI/CD 파이프라인으로 프로덕션 수준 완성

  • 기업 내부 지식관리 / 고객 응대 자동화 / 도메인 특화 리서치 어시스턴트 중 팀 프로젝트 수행

Step 4

기업 참여 AI 경진대회

기업 과제&피드백

취업지원

최종 발표

기업 실무 프로젝트로 완성하는 취업 포트폴리오 460h

기업 실무 과제를 통해 LLM 엔지니어 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

오픈소스 LLM 활용부터 Private LLM 서비스 런칭까지,
5번의 단계별 실무 프로젝트

오픈소스 LLM 활용부터
Private LLM 서비스 런칭까지,
5번의 단계별 실무 프로젝트

학습한 기술을 실제 서비스 형태로 구현하며, 취업 포트폴리오로 이어지는 프로젝트 경험을 쌓습니다.

Point 1

오픈소스 LLM과 딥러닝 모델 구현 역량

Point 2

RAG·Fine-tuning 고도화 역량

Point 3

Private LLM 프로덕션 서빙·배포 역량

Project 1

Project 1

개인 프로젝트

오픈소스 LLM 활용 프로젝트

Ollama와 Hugging Face Transformers를 활용해 로컬 LLM을 실행하고, 클라우드 LLM API와 비교하며 모델 선택 기준을 이해합니다.

주요 활동

  • Ollama 기반 로컬 LLM 실행

  • Hugging Face Transformers 활용

  • Sentence Transformers 기반 임베딩 적용

  • 로컬 LLM과 클라우드 API 비교

  • 모델 선택 기준 및 벤치마크 이해

기술 스택

Ollama

Hugging Face Transformers

Sentence Transformers

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

Project 1

개인 프로젝트

오픈소스 LLM 활용 프로젝트

Ollama와 Hugging Face Transformers를 활용해 로컬 LLM을 실행하고, 클라우드 LLM API와 비교하며 모델 선택 기준을 이해합니다.

주요 활동

  • Ollama 기반 로컬 LLM 실행

  • Hugging Face Transformers 활용

  • Sentence Transformers 기반 임베딩 적용

  • 로컬 LLM과 클라우드 API 비교

  • 모델 선택 기준 및 벤치마크 이해

기술 스택

Ollama

Hugging Face Transformers

Sentence Transformers

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.

현직 멘토 밀착 피드백

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.

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.

KANT 수강생 한정 혜택

최상의 교육을 위한 최신 개발 환경 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

Private LLM 개발 환경 지원

Claude Code, OpenAI API, vLLM, SGLang 실습 환경 제공

GCP·GKE 기반 Private LLM 배포 실습

*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.

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.

LLM 엔지니어 코스

모집 개요

모집 마감

26.07.06(일) 23:59까지

교육 기간

약 9개월 26.07.27(월) ~ 27.05.07(금)

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

AI 시대 대체되지 않는 엔지니어로 취업

AI 시대 대체되지 않는 엔지니어