🏆30분
중간 점검 - 아홉 주를 정리하고 남은 세 주로
Day 5: 발표 & 중간 회고 - 아홉 주를 정리하고 남은 세 주로
중간 점검 - 아홉 주를 정리하고 남은 세 주로
발표 & 포트폴리오 > Day 5: 발표 & 중간 회고 - 아홉 주를 정리하고 남은 세 주로
학습 목표
- 아홉 주차까지의 산출물을 정리하고 남은 세 주차를 준비한다
- 최종 산출물 체크리스트를 확인한다
- 향후 계획을 확정한다
요구사항
아홉 주차 중간 점검
아홉 주차까지의 산출물 체크리스트
W1~W7: 기술 구현
- LLM API 활용 코드
- RAG 파이프라인 (기초 + 심화)
- AI Agent (기초 + 멀티 에이전트)
- QLoRA 파인튜닝 모델
- Knowledge Graph (Neo4j)
W8: 통합 시스템
- End-to-End 제조 AI 어시스턴트
- Docker Compose 배포
- FastAPI API 서버
- Streamlit UI
W9: 발표 & 포트폴리오
- README.md (배지, 문제 정의, 아키텍처)
- API 문서 (FastAPI /docs)
- 아키텍처 문서 (docs/ARCHITECTURE.md)
- 운영 매뉴얼 (docs/OPERATIONS.md)
- 데모 스크립트 + 백업 영상
- 발표 슬라이드 (12장+)
- 예상 Q&A (10문항)
- GitHub 프로필 최적화
- STAR 프로젝트 서술 (3버전)
- KPT 회고
- 남은 세 주차와 그 이후 계획
여기까지 왔습니다
12주 과정 가운데 아홉 주차까지를 마쳤습니다.
여러분은 이제:
- LLM API를 자유롭게 활용할 수 있습니다
- RAG 시스템을 설계하고 구현할 수 있습니다
- AI Agent를 구축하고 오케스트레이션할 수 있습니다
- Knowledge Graph를 설계하고 쿼리할 수 있습니다
- QLoRA로 도메인 특화 모델을 파인튜닝할 수 있습니다
- End-to-End AI 시스템을 통합하고 배포할 수 있습니다
- 기술을 이야기로 전달할 수 있습니다
이 모든 것을 증명하는 포트폴리오가 GitHub에 있습니다.
아직 세 주차가 남았습니다.
W10 비전 AI 외관검사에서 이미지로 불량을 판별하고,
W11 설비 예지보전에서 센서 데이터로 고장 시점을 예측하며,
W12 스마트 팩토리 최적화에서 이 모두를 캡스톤으로 묶습니다.
오늘 만든 문서와 데모, 발표 자료가 그 캡스톤의 재료가 됩니다.
참고 리소스:
평가 기준
- • 전체 프로젝트 완성도 (동작하는 시스템)
- • 기술 문서 품질 (README, API, 아키텍처)
- • 발표 스킬 (전달력, 시간 관리, Q&A)
- • 포트폴리오 완성도 (GitHub 프로필, STAR)
- • 회고의 깊이와 향후 계획의 구체성
AI로 학습하기 — 꿀팁
여기까지의 학습 회고 & 성장 스토리 정리AI 학습 팁
지금까지의 학습 회고문을 AI와 함께 정리해 두면 남은 세 주차의 결과물을 덧붙이기 쉽고, 취업·협업 기회로도 이어집니다.
나는 제조 AI 12주 과정에서 아홉 주차까지 마쳤습니다. 주요 프로젝트: {프로젝트 제목과 핵심 성과 붙여넣기}. 배운 기술: {기술 목록 붙여넣기}. 가장 어려웠던 점과 극복 방법: {내용 붙여넣기}. 이 내용을 바탕으로 (1) LinkedIn 게시물용 짧은 회고(300자), (2) 기술 블로그용 구조화된 회고 목차(5섹션), (3) 남은 세 주차(비전 AI 외관검사, 설비 예지보전, 스마트 팩토리 최적화)에서 채울 것과 그 이후 심화 학습 로드맵을 작성해줘.이 팁이 도움이 됐나요?