공식 무료 학습 자료
AI 기업과 플랫폼이 공개한 무료 강좌 · 학습 경로 · 튜토리얼 · 활용 사례를 한국어 제목 · 요약과 함께 제공합니다. 학습은 각 공식 페이지에서 진행됩니다.
데이터 사이언스 에이전트를 위한 Tabular Foundation Models
Tabular Foundation Models for Data Science Agents
Tabular Foundation Model이 인맥락 학습으로 별도 학습 없이 새로운 데이터셋을 예측하는 방식을 배웁니다.
공식 페이지 ↗
A2A 프로토콜: 에이전트 간 상호 통신 표준
A2A: The Agent2Agent Protocol
오픈 프로토콜 A2A를 활용해 서로 다른 프레임워크와 팀의 AI 에이전트를 연동하는 법을 배웁니다.
공식 페이지 ↗
Agentic AI 실무 과정
Agentic AI
Andrew Ng 교수와 함께 다단계 반복 워크플로우를 통해 스스로 행동하는 에이전트형 AI를 구축합니다.
공식 페이지 ↗
AI 기반 게임 만들기
Building an AI-Powered Game
처음부터 끝까지 재미있는 대화형 게임을 만들며 LLM 활용법을 배웁니다.
공식 페이지 ↗
AI 브라우저 에이전트 구축
Building AI Browser Agents
웹사이트를 탐색하고 상호작용하는 에이전트를 만들고 신뢰성을 높이는 법을 배웁니다.
공식 페이지 ↗
AI 에이전트 API 탐색을 위한 Knowledge Graph
Knowledge Graphs for AI Agent API Discovery
지식 그래프를 구축하여 AI 에이전트가 상황에 맞는 API를 올바른 순서로 호출하도록 만드는 법을 배웁니다.
공식 페이지 ↗
AI 에이전트 거버넌스 구축 전략
Governing AI Agents
에이전트 워크플로우에 데이터 거버넌스를 통합하여 안전하고 정확한 데이터 처리를 보장하는 법을 배웁니다.
공식 페이지 ↗
AI 에이전트 평가하기
Evaluating AI Agents
구조화된 평가를 통해 AI 에이전트를 체계적으로 평가하고 개선하는 방법을 배웁니다.
공식 페이지 ↗
AI 에이전트를 위한 Semantic Caching 도입
Semantic Caching for AI Agents
의미 기반 캐싱을 통해 응답 속도를 높이고 AI 에이전트 운영 비용을 절감하는 전략을 알아봅니다.
공식 페이지 ↗
AI 에이전트를 위한 음성 인터페이스 구현
Voice for AI Agents and Applications
임베디드, 기존 에이전트 결합, 도구 호출 등 3가지 패턴으로 AI에 음성 기능을 통합하는 법을 배웁니다.
공식 페이지 ↗
Anthropic MCP로 풍부한 맥락의 AI 앱 개발하기
MCP: Build Rich-Context AI Apps with Anthropic
Model Context Protocol을 활용해 도구, 데이터, 프롬프트에 접근하는 AI 앱을 구축합니다.
공식 페이지 ↗
Anthropic과 함께하는 에이전트 스킬 확장
Agent Skills with Anthropic
에이전트에 전문 지식을 부여하여 코딩, 리서치, 데이터 분석 워크플로우의 신뢰도를 높입니다.
공식 페이지 ↗
Anthropic과 함께하는 컴퓨터 유즈 구현
Building toward Computer Use with Anthropic
AI 어시스턴트가 컴퓨터를 직접 사용하고 작업을 수행하도록 구축되는 방식을 배웁니다.
공식 페이지 ↗
Apache Airflow로 GenAI 워크플로우 자동화
Orchestrating Workflows for GenAI Applications
생성형 AI 프로토타입을 Apache Airflow를 활용해 자동화된 파이프라인으로 전환하는 법을 배웁니다.
공식 페이지 ↗
AutoGen으로 구현하는 AI 에이전트 디자인 패턴
AI Agentic Design Patterns with AutoGen
AutoGen 프레임워크를 사용해 복잡한 AI 앱 구현을 위한 다양한 역할과 기능의 멀티 에이전트 시스템을 구축합니다.
공식 페이지 ↗
Cerebras 기반 초고속 LLM 추론 구현
Fast LLM Inference with Cerebras
Cerebras의 Wafer-Scale Engine을 활용해 실시간 응답이 가능한 LLM 애플리케이션을 구축합니다.
공식 페이지 ↗
ChatGPT API로 시스템 구축하기
Building Systems with the ChatGPT API
복잡한 업무를 자동화하고 LLM 호출을 연계해 최적의 결과물을 얻는 시스템 구축법을 배웁니다.
공식 페이지 ↗
Chroma와 함께하는 AI 고급 검색(Retrieval)
Advanced Retrieval for AI with Chroma
검색 결과의 관련성을 높이는 고급 검색 기법을 배우고, 저품질 쿼리를 개선하기 위해 LLM을 활용하는 법을 익힙니다.
공식 페이지 ↗
Claude Code: 고성능 에이전트 코딩 어시스턴트
Claude Code: A Highly Agentic Coding Assistant
Claude Code를 활용하여 코드베이스를 탐색하고 수정하며 개발 효율을 극대화하는 법을 배웁니다.
공식 페이지 ↗
crewAI 기반 멀티 AI 에이전트 시스템
Multi AI Agent Systems with crewAI
AI 에이전트 팀을 설계하여 비즈니스 워크플로우를 자동화하고 단일 LLM의 한계를 뛰어넘는 성능을 구현합니다.
공식 페이지 ↗
CrewAI로 멀티 에이전트 시스템 설계 및 배포
Design, Develop, and Deploy Multi-Agent Systems with CrewAI
도구와 메모리를 공유하며 협업하는 실무 수준의 멀티 에이전트 시스템을 설계하고 배포합니다.
공식 페이지 ↗
crewAI로 배우는 실용 멀티 AI 에이전트
Practical Multi AI Agents and Advanced Use Cases with crewAI
복잡한 비즈니스 문제를 해결하기 위해 협업하는 에이전트를 구축합니다.
공식 페이지 ↗
Document AI: OCR부터 에이전트 기반 문서 추출까지
Document AI: From OCR to Agentic Doc Extraction
차트·표·양식 등 시각적 요소를 분석하여 문서 정보를 정확하게 추출하는 에이전트 시스템을 구축합니다.
공식 페이지 ↗
DSPy와 MLflow로 에이전트 앱 최적화
DSPy: Build and Optimize Agentic Apps
DSPy와 MLflow를 활용해 AI 에이전트의 성능을 설계, 디버깅하고 최적화하는 과정을 다룹니다.
공식 페이지 ↗
한국어 제목 · 요약은 AI 가 원문을 번역 · 요약한 내용입니다. 강좌 내용과 수강 조건은 각 공식 페이지 기준입니다.