SKALA 3기 전체 커리큘럼 구조 (2026)

📊 4단계 프로그래시브 러닝 경로

구성: 기초 → 엔지니어링 → 데이터/AI → 프로젝트 (총 ~288시간)

---

🔷 Phase 1: 기초 코딩 & 웹개발 (약 88시간)

담당 교과목과의 연계도

직접적 연계 약 — 당신의 강의 개설을 위한 학생 사전 역량

교과	시간	주요 내용
프로그래밍 기초	24h	Git환경 설정 · IDE · AI 코딩 입문
Front-End 기술	24h	HTML/CSS · JavaScript · Vue.js
데이터베이스	16h	SQL · DBMS · 데이터모델링
Back-end 개발	24h	Java · Spring Boot · REST API

강의안 전략

당신이 담당하지 않으므로, MLOps 선행 개념만 강조:

• 데이터베이스 강의 시: “데이터 파이프라인의 중요성” 언급
• Back-end 강의 시: “모델 서빙 API의 역할” 소개

---

🔶 Phase 2: 클라우드 & DevOps (약 48시간)

담당 교과목과의 연계도

간접 연계 — 당신의 MLOps 모듈 기초 기술 확보

교과	시간	주요 내용
Cloud 기초	16h	Container · Docker · 클라우드 아키텍처
K8s & DevOps	16h	Kubernetes · CI/CD · 운영
DevOps 실무	16h	Git · Jenkins · ArgoCD

강의안 전략

“MLOps 기초” 수준의 이해만 필요:

• 모델 배포 시 Docker & K8s의 역할 설명
• lecture-planning-2026 Module 6 (MLOps 배포)과 연계: 배포 환경 구축

---

🟢 Phase 3: 데이터분석 & 생성형 AI (약 152시간) ⭐ 당신의 담당 영역

3-A: 데이터분석 및 MLOps (136시간)

7개 모듈 — 상세 내용

• Module 1: Python 이해
• Module 2: EDA & 기초통계
• Module 3: ML/DL 이해
• Module 4: FastAPI 심화
• Module 5: 모델 최적화
• Module 6: MLOps 배포
• Module 7: Mini-project

3-B: 생성형 AI (120시간)

6개 모듈 — 상세 내용

• Gen-1: Prompt Engineering
• Gen-2: LLM & Fine-tuning
• Gen-3: Vector DB
• Gen-4: LangChain
• Gen-5: RAG Pipeline
• Gen-6: AI Agent

강의안 전략

Phase 1, 2의 기초 기술 위에 구축:

• Python 문법 (Phase 1 프로그래밍 기초)
• 데이터베이스 쿼리 (Phase 1 데이터베이스)
• API/서빙 아키텍처 (Phase 1-2 Back-end/DevOps)
• 실무 중심의 end-to-end 파이프라인 설계

---

🔵 Phase 4: 프로젝트 & 운영

구성 및 시간

교과	시간	주요 내용
SW Mini-project	16h	웹 서비스 개발
AI 서비스 개발 Mini-project	TBD	생성형 AI 활용 서비스 개발 ⭐ 당신의 캡스톤
프로젝트 관리	TBD	개발방법론 · PM 기초
선도기업 특강	TBD	현장 재직자 특강
기타	TBD	오리엔테이션 · 수료식

강의안 전략

AI 서비스 개발 Mini-project가 최종 통합점:

• 데이터분석 + 생성형 AI의 실무 프로젝트
• 예시: “기업 내부 문서 검색 서비스” (RAG + Vector DB + FastAPI)

---

🎯 강의안 설계 원칙

원칙	설명
누적 학습 경로	Phase 1 기초 → Phase 3 심화 로직 흐름 명시
선행 개념 재사용	각 모듈별 강의 시 “이전에 배운 X를 여기서 활용” 명시
실무 사례 연계	각 강의 목차마다 현실의 MLOps 파이프라인과 맵핑
Hands-on 설계	이론 → 실습 → 프로젝트의 3단계 구조

---

관련 문서

• 프로젝트: lecture-planning-2026 — 당신의 강의 계획 & 진행도
• 개념: agentic-ai-curriculum — Agentic AI 교육과정 원칙