강의 소스 수집 전략 (2026)
목표
데이터분석 및 MLOps 7개 모듈 + 생성형 AI 6개 모듈의 강의목표 정의를 위해 필요한 참고 자료·실무 사례를 체계적으로 수집·정리
수집 카테고리 & 구체적 소스
1️⃣ 교육 설계 방법론 (필수)
학습목표를 효과적으로 정의하기 위한 이론적 기초
| # | 주제 | 출처 예시 | 수집 방법 |
|---|---|---|---|
| 1-A | Bloom의 분류학 & 개정판 | Wikipedia / Coursera 교육 설계 가이드 | WebSearch + WebFetch |
| 1-B | ABCD 학습목표 작성법 | Instructional Design 교과서 / 논문 | WebSearch |
| 1-C | 역설계(Backward Design) 원칙 | Understanding by Design (Wiggins & McTighe) 요약 | WebSearch |
수집 전략:
/ingest
- URL: "ABCD learning objectives 작성법 instructional design"
- URL: "Bloom's taxonomy revised 2001 Anderson & Krathwohl"
- URL: "backward design curriculum planning"2️⃣ Python 데이터분석 실무 (모듈 1-2, 5용)
강의 목표 설정 시 실제 업계 표준 스킬·도구 참고
| # | 모듈 | 주제 | 출처 예시 |
|---|---|---|---|
| 2-A | M1 | Python 기초 (AI Native 개발) | Python official docs + Real Python articles |
| 2-B | M1 | 환경설정 (venv, poetry, conda) | Python Packaging Guide |
| 2-C | M2 | EDA & 통계 (pandas, numpy) | Kaggle Micro-Courses / Real Python |
| 2-D | M2 | 데이터 시각화 (matplotlib, seaborn) | Matplotlib official tutorial |
| 2-E | M5 | Feature Engineering 실무 | Kaggle competitions / scikit-learn docs |
수집 전략:
/ingest
- URL: "Real Python pandas tutorial"
- URL: "Kaggle EDA notebook examples"
- URL: "Feature Engineering best practices machine learning"
- /note-wiki (3개 이상 소스 비교 분석: pandas vs polars, EDA workflows)3️⃣ 머신러닝 & 딥러닝 실무 (모듈 3-5용)
모델 개발·평가·최적화의 현실적 강의 목표 도출
| # | 모듈 | 주제 | 출처 예시 |
|---|---|---|---|
| 3-A | M3 | Decision Tree / Ensemble (scikit-learn) | scikit-learn docs + Fast.ai |
| 3-B | M3 | DL 기초 (TensorFlow/PyTorch) | TensorFlow tutorials |
| 3-C | M5 | 하이퍼파라미터 최적화 | Scikit-optimize / Optuna docs |
| 3-D | M5 | 모델 평가 지표 (ROC, AUC, F1 등) | Google ML Crash Course |
수집 전략:
/ingest
- URL: "scikit-learn decision tree ensemble tutorial"
- URL: "TensorFlow Keras beginner tutorial"
- URL: "hyperparameter tuning machine learning"
- /note-wiki (머신러닝 모델 평가 방법론 종합 분석)4️⃣ MLOps & 모델 서빙 (모듈 4, 6용)
실무 파이프라인의 강의 목표화
| # | 모듈 | 주제 | 출처 예시 |
|---|---|---|---|
| 4-A | M4 | FastAPI 기초 (REST API) | FastAPI official docs |
| 4-B | M4 | Docker 컨테이너화 | Docker docs + Docker tutorial |
| 4-C | M6 | MLOps 파이프라인 (전체 흐름) | Google Cloud MLOps / AWS SageMaker docs |
| 4-D | M6 | 모델 모니터링 & 거버넌스 | MLflow / Kubeflow 사례 |
수집 전략:
/ingest
- URL: "FastAPI tutorial REST API"
- URL: "Docker for machine learning models"
- URL: "MLOps pipeline architecture 2024"
- /note-wiki (FastAPI + Docker + MLOps 통합 학습 경로 설계)5️⃣ 생성형 AI 실무 기술 (생성형 AI 모듈 1-6용) ⭐ 신규
생성형 AI 6개 모듈의 강의목표 설정 및 강의안 작성을 위한 기술 기초
| # | 모듈 | 주제 | 출처 예시 |
|---|---|---|---|
| 5-A | Gen-1 | Transformer & Self-Attention | Papers with Code / TensorFlow.org |
| 5-B | Gen-1 | Prompt Engineering 기법 | OpenAI Cookbook / Anthropic Prompt Engineering Guide |
| 5-C | Gen-2 | NLP 기초 & Tokenization | Hugging Face Course / NLP with Transformers |
| 5-D | Gen-2 | Fine-tuning 실무 | Hugging Face Hub / LoRA 논문 |
| 5-E | Gen-3 | Vector DB 기초 이론 | Pinecone / Weaviate 공식 문서 |
| 5-F | Gen-3 | Embedding & 유사도 검색 | OpenAI Embeddings / Sentence Transformers |
| 5-G | Gen-4 | LangChain 프레임워크 | LangChain 공식 문서 / 실전 예제 |
| 5-H | Gen-4 | Agent & 도구 연계 | LangChain Agents / ReAct 논문 |
| 5-I | Gen-5 | RAG 아키텍처 | LlamaIndex / RAG Survey 논문 |
| 5-J | Gen-5 | RAG 평가 & 최적화 | RAGAS Framework / 평가 지표 |
| 5-K | Gen-6 | AI Agent 설계 | AutoGPT / AgentGPT 오픈소스 사례 |
| 5-L | Gen-6 | 멀티모달 & 실행 구조 | Multimodal LLM (GPT-4V) / Claude Vision |
수집 전략:
/ingest
- URL: "Transformer architecture attention mechanism tutorial"
- URL: "Prompt engineering best practices 2024"
- URL: "Vector database similarity search fundamentals"
- URL: "LangChain RAG implementation guide"
- URL: "AI agent design patterns multi-agent systems"
- /note-wiki (Transformer → LLM → RAG → Agent 진화 경로 종합 분석)6️⃣ SKALA 교재 & 현업 역량 요구사항 (모든 모듈용)
교재와 일관되게 정의하기 + 실무 연계성 확보
| 출처 | 수집 내용 | 활용처 |
|---|---|---|
| SKALA 2기 자료 | 강의안·교재 상세정보·학생 피드백 | 학습목표 검증 & 난이도 조정 |
| Job Postings (Indeed, LinkedIn) | Data Scientist 직무 기술 요구사항 | 학습목표와 현업 요구의 맵핑 |
| DAP 내부 사례 | 현재 팀의 모델 개발 프로세스 | 실무 중심 사례 (강의 사례 제시) |
| 인더스트리 리포트 | 2024-25 Data Science / ML 트렌드 | 선제적 기술 선정 |
수집 전략:
# SKALA 2기 정보
- SKALA 3기 담당자(PM/운영팀)에게 문의: 2기 교재·강의안·학생 피드백
- raw/에 파일 저장 후 /ingest 활용
# 현업 역량
/curate (RSS 기반 최신 자료 발굴)
자체 지식 활용: [[global-profile#담당-기술-스택]] 현황 정리수집 상태
| 카테고리 | 상태 | 수집된 Sources 수 | 일정 |
|---|---|---|---|
| 1. 교육 설계 방법론 | ✅ 완료 | 3개 | 2026-04-27 |
| 2. Python 데이터분석 | ✅ 완료 | 5개+ | 2026-04-26 |
| 3. ML/DL 실무 | ✅ 완료 | 5개+ | 2026-04-26 |
| 4. MLOps & 서빙 | ✅ 완료 | 4개+ | 2026-04-26 |
| 5. 생성형 AI 기술 | ⏳ 진행중 | 6개 (일부) | 2026-05-15 예정 |
| 6. SKALA & 현업 | ⏳ 진행중 | 0개 | 2026-05-01 예정 |
관련 문서
- 프로젝트: lecture-planning-2026 — 강의 계획 & 진행도
- 개념: learning-objectives-abcd — ABCD 학습목표 프레임워크
- 참고: bloom-taxonomy — Bloom’s Taxonomy 분류법