고용24 국민내일배움카드 훈련과정명은
AI 에이전트 ML 엔지니어 AI 캠프입니다.
교육비
(훈련수당 + 장려금 지원)
본 과정은 솔트룩스AI캠퍼스 에서
운영하는 과정으로
파트너기관: 코드랩아카데미
(가산동) 에서 교육진행됩니다.
솔트룩스 · 파트너사
인턴십 & 취업 연계 지원
우수 수료생 솔트룩스 및 파트너사 채용 연계 기회
훈련비 전액 국비 지원
+ 매월 훈련수당 지급
교육비 O원 + 매월 최대 40만원 훈련수당 지급
기업이 쓰는 방식 그대로,
바로 실무가 되는 수업
솔트룩스 현직 AI 엔지니어의 생생한 실무 교육
솔트룩스의 검증된 기술
루시아 AI 무료 제공
교육 기간 동안 솔트룩스 자체 AI 플랫폼 무료 제공
ML 모델링 역량을 더 깊게
쌓고 싶은 분
기초 머신러닝에 더해 딥러닝 심화, LLM
파인튜닝까지 역량을 끌어올리고 싶은 분
도메인에 특화된
AI를 구축하고 싶은 분
특정 도메인(의료·금융·법률 등)에 특화된
LLM과 AI 시스템을 직접 구축하고 싶은 분
AI 파인튜닝 및 Multi-Agent 개발
포트폴리오가 필요하신 분
AI 기업의 ML 엔지니어, AI 리서처로의
취업을 목표로 하는 분
이 과정은 모델을 가져다 쓰는 수준을 넘어
도메인에 맞게 학습·개선·배포하는
목표로 합니다.
고급 ML·DL 모델링
데이터 특성에 최적화된 ML/DL 모델을 설계·학습·평가
하고, 성능 한계를 분석하여 최적화합니다.
LLM 파인튜닝 전문화
LoRA, QLoRA 등 PEFT 기법으로 도메인 특화 LLM을
효율적으로 파인튜닝하고 성능을 검증합니다.
멀티 에이전트 시스템 설계
LangChain/LangGraph 기반으로 역할이 분리된 멀티
에이전트 워크플로우를 설계·구현합니다.
MLOps 및 모델 서비스화
학습된 모델을 AWS 클라우드에 배포하고 모델 버전 관리,
모니터링, CI/CD를 구축합니다.
실제 비즈니스 문제를 해결하여
지능형 ML 서비스를 구현할 수 있는
도메인 특화 고급 ML Engineer 양성
사용 기술 스택
Python
PyTorch
HuggingFace
LoRA/QLoRA
LangChain
LangGraph
Vector DB
MLflow
Docker
AWS SageMaker
vLLM/TGI
LUXIA
혜택 1
성적 우수자
인턴십 기회 제공
수업 성과와 프로젝트 역량을 바탕으로
우수자에게 인턴십 기회 제공
혜택 2
성적 우수자 솔트룩스
서류전형 면제 혜택
우수 수료생에게 솔트룩스 입사 지원 시
서류전형 면제 혜택 제공
혜택 3
취업 연계 지원 및
취업 코칭
솔트룩스 및 파트너 기업 채용 연계와
포트폴리오 코칭 및 면접 준비 지원
혜택 4
훈련비 전액 국비지원
내일배움카드 발급자라면 누구나 훈련비 전액 국비지원 수혜 가능
혜택 5
매월 훈련수당+장려금 지급
출석률에 따른 훈련수당+장려금 지급
(월 40만원 지원)
혜택 6
기업 기준 포트폴리오 완성
단순 실습 결과물이 아닌, 서비스 구현 흐름이 드러나는 AI 프로젝트 완성
혜택 7
현업 전문가 강사진
솔트룩스 현직 AI 연구원 및 엔지니어가 직접 강의하는 생생한 실무 교육
혜택 8
GPU 실습 환경 제공
LLM 파인튜닝 및 딥러닝 모델 학습을 위한 고성능 실습 환경 무상 제공
혜택 9
LLM 플랫폼 루시아 무료 제공
솔트룩스 자체 엔터프라이즈 AI 플랫폼을 교육기간 동안 무료로 사용
주최
선도기업
운영기관
파트너기관
AI 에이전트 ML 엔지니어는 어떤 일을 하나요?
AI 에이전트 ML 엔지니어는 머신러닝·딥러닝 모델을 학습하고, LLM 파인튜닝과
AI 에이전트 시스템을 설계하는 직무입니다.
데이터 분석, 모델 성능 개선, MLOps, 모델 배포까지 이해하고 실제 AI 서비스에 적용하는 역할을 합니다.
AI 에이전트 ML 엔지니어 과정에서는 무엇을 배우나요?
AI 에이전트 ML 엔지니어 과정에서는 Python, 머신러닝, 딥러닝, PyTorch, HuggingFace, LoRA, LLM 파인튜닝, LangGraph, MLflow, MLOps를 학습합니다.
AI 모델을 파인튜닝하고 서비스 목적에 맞도록 Agent를 구성하는 실무 역량을 기릅니다.
머신러닝 엔지니어 취업을 위해 어떤 역량이 필요한가요?
머신러닝 엔지니어 취업을 위해서는 Python 기반 데이터 처리, 머신러닝 모델링, 딥러닝 프레임워크 활용, 모델 평가, 성능 개선, 배포 경험이 필요합니다.
최근에는 LLM 활용, 파인튜닝, MLOps 역량도 중요한 취업 경쟁력으로 평가됩니다.
비전공자도 AI 에이전트 ML 엔지니어 과정을 따라갈 수 있나요?
비전공자도 Python 기초부터 데이터 분석, 머신러닝, 딥러닝, LLM 파인튜닝까지 단계적으로 학습하면 AI·ML 엔지니어 취업을 준비할 수 있습니다.
중요한 것은 수학 이론을 모두 아는 것보다 실제 데이터를 다루고 모델을 개선해본 프로젝트 경험입니다.
LLM 파인튜닝은 왜 AI·ML 엔지니어에게 중요한가요?
LLM 파인튜닝은 기존 대규모 언어모델을 특정 업무나 도메인에 맞게 추가 학습시키는 기술입니다.
기업에서는 범용 AI를 그대로 쓰는 것보다 자사 데이터와 업무 목적에 맞게 모델을 최적화해야 하므로,
LLM 파인튜닝 경험은 AI·ML 엔지니어 포트폴리오에서 중요한 강점이 됩니다.
LangGraph는 AI 에이전트 개발에서 왜 필요한가요?
LangGraph는 LLM 기반 AI 에이전트의 작업 흐름을 그래프 구조로 설계할 수 있는 도구입니다.
단순 챗봇이 아니라 여러 단계의 판단, 도구 호출, 반복 실행, 조건 분기 등이 필요한 AI 에이전트 시스템을 만들 때 활용됩니다.
MLOps는 ML 엔지니어 취업에 왜 중요한가요?
MLOps는 머신러닝 모델을 개발한 뒤 실제 서비스에 배포하고 운영, 모니터링, 개선하는 과정입니다.
ML 엔지니어는 모델을 만드는 것에서 끝나는 것이 아니라, 서비스 환경에서 안정적으로 동작하도록 관리할 수 있어야 하므로 MLOps 역량이 중요합니다.
AI 에이전트 ML 엔지니어 과정에서 어떤 포트폴리오를 만들 수 있나요?
AI 에이전트 ML 엔지니어 과정에서는 LLM 파인튜닝 모델, 도메인 특화 AI 모델, 멀티 에이전트 시스템, 머신러닝 모델 성능 개선 프로젝트,
MLOps 기반 모델 배포 프로젝트 등을 포트폴리오로 구성할 수 있습니다.
취업 시에는 문제 정의, 데이터 처리, 모델 개선, 배포 과정까지 보여주는 것이 좋습니다.
AI 에이전트 서비스 개발자 과정과 ML 엔지니어 과정의 차이는 무엇인가요?
AI 에이전트 서비스 개발자 과정은 LLM을 활용한 챗봇, RAG, AI 웹서비스 개발과 배포에 초점을 둡니다.
반면 AI 에이전트 ML 엔지니어 과정은 머신러닝·딥러닝 모델 개발, LLM 파인튜닝, 모델 성능 개선, MLOps처럼 AI 모델 자체를 다루는 역량에 더 초점을 둡니다.
AI 에이전트 ML 엔지니어 과정 수료 후 어떤 직무로 취업할 수 있나요?
과정 수료 후에는 ML 엔지니어, AI 엔지니어, LLM 엔지니어, MLOps 엔지니어, 데이터 기반 AI 서비스 개발자 직무를 목표로
취업을 준비할 수 있습니다. 특히 모델 학습, 파인튜닝, 배포 경험을 갖춘 포트폴리오가 있으면 AI 개발 직무 지원에 도움이 됩니다.
원하시는 과정을 선택하시면 1:1 상담을 진행해드립니다.
성적우수자 파트너사 채용 연계
파트너 기업 채용연계 면접 지원
매월 최대 40만원 훈련수당 지급
실제 서비스 구현의 실전 포트폴리오
