1강부터 3강까지 지도를 그렸다. 인공지능·머신러닝·딥러닝·생성형 AI 가 포함관계로 놓였고, "학습한다"는 손잡이를 돌리는 일이었고, ChatGPT·Claude 는 그 지도의 가장 안쪽이었다.

지도는 걸어보기 전엔 쓸모를 모른다. 이번 강은 그 지도를 실전에 써먹는다. 특정 회사의 실제 공고를 그대로 베끼지 않는다. 대신 여러 AI 채용공고에서 공통으로 자주 보이는 문구를 모아 하나로 합친, 합성한 예시 공고를 만든다. 이 문구들을 지도 위에 한 줄씩 찍어본다. 뜻을 설명하는 건 아직 미룬다. 지금은 "어디에 있는 말인가"만 잡는다.

예시 공고 문구

AI 채용공고를 여러 장 겹쳐보면 자주 겹치는 요구사항이 있다. 그걸 추려 모았다.

• 머신러닝/딥러닝 기반 서비스 개발 경험
• 지도학습 기반 분류·회귀 모델 설계 및 학습 경험
• PyTorch, TensorFlow 등 딥러닝 프레임워크 활용 경험
• LLM(GPT, Claude 등) API 연동 및 프롬프트 엔지니어링 경험
• RAG 파이프라인 설계, 벡터DB(Pinecone, Milvus 등) 사용 경험
• 모델 서빙, MLOps 파이프라인 구축 경험
• 대용량 데이터 파이프라인 설계 및 전처리 경험

지금 이 목록을 처음 보는 비전공자라면 절반은 낯설다. 그런데 지도가 있으면 낯선 말도 위치는 짚을 수 있다.

공고 문구	지도에서의 위치	자세히는
"머신러닝/딥러닝 기반 개발"	1강 지도의 원 두 개(ML·DL)를 그대로 부른 것	1강
"지도학습 기반 분류·회귀 모델"	머신러닝 중 정답을 보여주며 배우는 갈래	5강
"PyTorch, TensorFlow 등 활용"	딥러닝(신경망)을 실제로 짜는 도구	3부(9~11강)
"LLM API 연동, 프롬프트 엔지니어링"	지도 가장 안쪽, 생성형 AI를 가져다 쓰는 일	4부(12~16강)
"RAG, 벡터DB"	모델이 모르는 내 문서를 검색해 붙여주는 구조	5부(17~20강)
"모델 서빙, MLOps"	학습이 끝난 모델을 서비스로 돌리는 인프라	6부(21~23강)
"데이터 파이프라인, 전처리"	학습 재료(데이터)를 모으고 다듬는 일	22강

이 표 한 장이 사실 이 편 전체의 로드맵이다. 지금은 뜻을 몰라도 된다. "이건 저기쯤 있는 말이구나" 하고 위치만 잡아도, 처음 보는 공고 앞에서 얼어붙지 않는다.

공고가 이 문구를 전부 요구하는 건 아니다

한 가지 흔히 하는 착각을 짚는다. 이 문구들을 한 공고에 다 모아뒀다고 해서, 실제 지원자가 이걸 전부 갖춰야 한다는 뜻은 아니다.

정리하면

지도를 그리고 나면, 낯선 채용공고 문구도 위치는 짚을 수 있다. 뜻은 해당 강의에서 하나씩 연다.

1. 01

   공고 문구를 지도 위에 찍었다

   "머신러닝", "LLM", "RAG", "MLOps" 같은 말이 전부 앞서 그린 지도의 어딘가에 놓인다.

2. 02

   지금은 위치만, 뜻은 나중에

   각 칸의 속을 여는 건 해당 강의 몫이다. 2부부터 그 순서대로 연다.

3. 03

   공고 문구를 다 갖출 필요는 없다

   직무마다 무게가 다르다. 그 차이는 7부(24강)에서 다시 본다.

Part 1이 끝났다. 인공지능·머신러닝·딥러닝·생성형 AI 가 포함관계로 놓였고(1강), "학습한다"는 손잡이를 돌리는 일이었고(2강), ChatGPT·Claude 는 그 지도의 가장 안쪽이었고(3강), 이 지도로 공고 한 장을 읽어봤다(4강).

다음 강의부터는 지도의 둘째 땅, 머신러닝 자체로 들어간다. 첫 순서는 정답을 보여주며 가르치는 방식, 지도학습이다.