이 글은 2023 시점의 환경을 반영합니다. 이 주제의 최신 내용은 다음을 참고하세요 Andrew Ng의 7개 강의를 들은 지 2년, 2026년의 저라면 실제로 택할 학습 경로.
머신러닝과 AI의 세계에 깊은 관심을 가진 사람으로서, 저는 Andrew Ng · 제휴 링크: Chandler에게 수수료가 지급될 수 있어요.의 가르침에 끌리게 되었습니다. 지난 몇 달간 그의 과정 7개를 완료했는데, 각 과정은 진화하는 머신러닝과 AI 분야에 대한 고유한 통찰을 제공했습니다. 이 과정들에 대한 제 평가와 이 과정들이 제 이해를 어떻게 형성했는지 공유합니다:
- Machine Learning Specialization · 제휴 링크: Chandler에게 수수료가 지급될 수 있어요.
- ChatGPT Prompt Engineering · 제휴 링크: Chandler에게 수수료가 지급될 수 있어요. for Developers
- Generative AI for Everyone · 제휴 링크: Chandler에게 수수료가 지급될 수 있어요.
- Building system with chatGPT · 제휴 링크: Chandler에게 수수료가 지급될 수 있어요. API
- Neural Networks and Deep Learning · 제휴 링크: Chandler에게 수수료가 지급될 수 있어요.
- 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 짧은 과정은 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.
머신러닝 여정을 이어 가면서, Andrew의 과정이 다루는 폭넓은 주제에 감사하게 됩니다. 이 과정들은 AI 시스템을 구축하고, 적용하고, 책임감 있게 확장할 수 있도록 균형 잡힌 시각과 실행 가능한 기술을 주었습니다. 앞으로 실제 프로젝트에서 이 배움을 활용하기를 기대합니다.
6. 업데이트 (2025년 11월): 실전에 적용하기
"이 배움을 실제 프로젝트에 활용하기를 기대한다"고 말한 것을 기억하시나요? 실제로 해냈습니다.
이 과정들을 완료한 후, 75일 동안 STRAŦUM을 만들었습니다 — Andrew가 가르친 것을 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 사용했습니다 — AI 에이전트가 대화할 때마다 여러분의 비즈니스에 대해 더 똑똑해지도록 설계되었다는 의미입니다. 실행이 아닌 전략적 인텔리전스가 필요한 중소기업과 마케팅 에이전시를 위해 설계되었습니다.
완벽한가요? 분명히 아닙니다 (아직 배우는 중이니까요!). 하지만 작동했고, Andrew의 과정에서 배운 것을 적용한 직접적인 결과물입니다. 때때로 최고의 학습 방법은 실제로 무언가를 만드는 것입니다.
이러한 AI 개념이 실제 제품으로 어떻게 전환되는지 궁금하시다면, 출시 이야기를 읽어보세요. STRAŦUM은 운영을 종료했습니다 — 첫 버전은 MIT 라이선스 오픈소스 참조 구현입니다.
여전히 코딩하고, 여전히 배우고, 여전히 Andrew의 가르침을 실제 문제에 적용하고 있습니다.
Chandler