머신러닝과 AI에 관한 7개의 Andrew Ng 과정을 통한 나의 여정

솔직히 인정하건대, Andrew Ng의 과정을 듣기 시작하니 멈출 수가 없었습니다 :D 지난 몇 달간 Coursera와 DeepLearning.AI에서 그의 7개 과정을 완료했습니다. 각 과정은 이전 과정 위에 쌓이며 머신러닝과 AI가 실제로 어떻게 작동하는지에 대한 더 명확한 그림을 제공했습니다. 처음부터 시작하신다면 가장 합리적이라고 생각하는 순서로 이 과정들에 대한 제 평가를 공유합니다:

• Machine Learning Specialization
• ChatGPT Prompt Engineering for Developers
• Generative AI for Everyone
• Building system with chatGPT API
• Neural Networks and Deep Learning
• Functions, Tools, and Agents with LangChain
• Vector Databases: from Embeddings to Applications

1. Machine Learning Specialization - 탄탄한 기초

이 초보자 친화적인 3개 과정 전문화는 머신러닝 개념과 애플리케이션에 대한 탄탄한 기초를 제공합니다. 과정은 회귀와 분류 같은 지도 학습 알고리즘에서 비지도 학습과 강화 학습 같은 더 고급 기법으로 진행됩니다. Python의 실습 코딩 연습이 좋았고, 프로그래밍 경험이 제한적이어도 접근 가능했습니다. 최고의 입문 머신러닝 과정 중 하나입니다.

2. Generative AI for Everyone - 과대 광고 풀어내기

비기술적 대상을 겨냥한 이 과정은 생성형 AI의 애플리케이션과 한계를 설명하며 이를 이해하기 쉽게 만듭니다. 콘텐츠가 잘 구성되어 있어 장단점의 균형을 맞추고 일반적인 미신을 불식시킵니다. 효과적인 프롬프트 작성을 포함해 구상부터 출시까지 생성형 AI를 이해하고 싶은 분에게 훌륭한 과정입니다.

3. Neural Networks and Deep Learning - 핵심 모델 이해하기

이 과정은 딥러닝이 지도 학습에 어떻게 적용되는지, 주요 모델 범주(CNN, RNN 등)와 언제 적용해야 하는지를 좀 더 깊이 다루기 시작합니다. "Machine Learning Specialization" 이후에 이 과정을 수강하면 일부 내용이 중복될 수 있습니다. 그런 부분은 건너뛰셔도 됩니다.

4. 첫 번째 Gen AI 애플리케이션을 만들 준비가 되었다고 느낄 때

첫 번째 애플리케이션, 특히 Gen AI 애플리케이션을 만들기 시작할 준비가 되었다고 느끼면 "ChatGPT Prompt Engineering for Developers", "Building system with chatGPT API" 과정부터 시작하세요.

이 과정들은 애플리케이션을 구축할 때 생각해야 할 가장 중요한 단계의 개요를 제공하므로 많은 시간을 절약해 줍니다. 물론 샘플 코드도 함께 제공되어 매우 실용적입니다.

ChatGPT Prompt Engineering for Developers

이 과정은 초보자와 고급 학습자 모두에게 유익합니다. Andrew와 OpenAI의 Isa Fulford가 가르칩니다. 프롬프트 엔지니어링의 뉘앙스와 대규모 언어 모델(LLM) 사용에 초점을 맞춥니다. 과정은 LLM의 핵심 개념을 훌륭하게 설명하고 프롬프트 엔지니어링의 모범 사례에 대한 실용적인 통찰을 제공합니다. 다양한 애플리케이션에서 LLM API의 힘을 이해하고 활용하고자 하는 분들에게 특히 가치가 있습니다. 예를 들어, 나중에 애플리케이션에서 사용할 수 있도록 GPT에게 JSON 형식으로 답변을 출력하도록 요청하는 방법 등을 다룹니다.

Building Systems with the ChatGPT API

Prompt Engineering 과정의 후속으로, 이 1시간짜리 세션은 LLM 초보자에게 완벽합니다. 실습 예제를 제공하고 대규모 언어 모델을 사용해 다단계 시스템을 효율적으로 구축하는 방법을 가르칩니다. 프롬프트 엔지니어링과 대규모 언어 모델 애플리케이션에 관심 있는 분들에게 훌륭한 입문서입니다. 실제 코드 예제와 함께 다음에 대한 안내가 감사했습니다:

• "Moderation API"를 사용해 사용자 입력 검증, 프롬프트 인젝션 방지하는 방법
• 사고의 연쇄(Chain of thought) 추론
• 프롬프트 체이닝
• 출력 평가

5. 더 깊이 들어갈 준비가 되었나요?

이 과정들 이후, Gen AI 애플리케이션 구축에 더 깊이 들어가고 싶으시다면 "Functions, Tools, and Agents with LangChain"과 "Vector Databases: from Embeddings to Applications" 두 과정이 완벽합니다.

벡터 데이터베이스가 무엇인지, 어떻게 작동하는지, 멀티모달 생성형 AI 애플리케이션을 구축하는 데 어떻게 도움이 되는지 이해하는 것은 정말 멋진 일입니다.

돌아보면, 이 과정들이 서로 얼마나 잘 연결되어 있는지 감사합니다. 이론적 지식뿐만 아니라 무언가를 만들기 시작할 수 있는 실용적인 자신감도 주었습니다. 저처럼 비기술적 배경에서 오신다면, 이것이 진정으로 최고의 학습 경로라고 생각합니다.

6. 업데이트 (2025년 11월): 실전에 적용하기

"이 배움을 실제 프로젝트에 활용하기를 기대한다"고 말한 것을 기억하시나요? 실제로 해냈습니다.

이 과정들을 완료한 후, 75일 동안 https://stratum.chandlernguyen.com/을 만들었습니다 — Andrew가 가르친 것을 정확히 적용한 9개 에이전트 AI 마케팅 플랫폼입니다: LLM 프롬프트 엔지니어링, 함수 호출, 사고의 연쇄 추론, 멀티 에이전트 시스템.

이 플랫폼은 11개의 전략 프레임워크(SWOT, Porter's Five Forces, Blue Ocean Strategy 등)와 점진적 학습을 사용합니다 — AI 에이전트가 대화할 때마다 여러분의 비즈니스에 대해 더 똑똑해진다는 의미입니다. 실행이 아닌 전략적 인텔리전스가 필요한 중소기업과 마케팅 에이전시를 위해 설계되었습니다.

완벽한가요? 분명히 아닙니다 (아직 배우는 중이니까요!). 하지만 라이브 상태이고, 작동 중이며, Andrew의 과정에서 배운 것을 적용한 직접적인 결과물입니다. 때때로 최고의 학습 방법은 실제로 무언가를 만드는 것입니다.

이러한 AI 개념이 실제 제품으로 어떻게 전환되는지 궁금하시다면, STRAŦUM: 75일 만에 (혼자, 10일간 아프면서) 만든 9개 에이전트 마케팅 애플리케이션 또는 https://stratum.chandlernguyen.com/에서 더 읽어보실 수 있습니다.

여전히 코딩하고, 여전히 배우고, 여전히 Andrew의 가르침을 실제 문제에 적용하고 있습니다.

이 과정들을 수강하셨거나 비슷한 학습 여정에 계신가요? 무엇이 효과가 있었는지(또는 없었는지) 듣고 싶습니다.

감사합니다,

Chandler