만들고 싶은 결과물에 맞춰, 배울 순서를 찾아보세요.

1. 1차시 · 모델 행동과 대안

   바꾸려는 행동·사용자·비AI 및 비튜닝 대안을 정합니다.

   산출물: 목표 합의서

2. 2차시 · 선수와 자원 확인

   개발·ML 선수 증거와 모델 라이선스·장비·비용 범위를 확인합니다.

   산출물: 선수/자원 점검

완료 확인 BR-ML·Python/ML·Git·분할·GPU/VRAM 준비가 없으면 구현을 시작하지 않습니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 비튜닝 기준선

   프롬프트 또는 적합한 검색 보조 대안을 동일 질문으로 비교합니다.

   산출물: 비튜닝 기준선

2. 2차시 · 데이터와 평가 권리

   훈련·평가 데이터 사용권·누출 위험·평가 질문을 확인합니다.

   산출물: 권리표·평가질문

완료 확인 B9-F·권리 데이터·비튜닝 기준선을 먼저 확보하며 RAG 구축 과정 전체를 필수 선수로 묶지 않습니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 대안과 비용 비교

   기준선의 부족한 행동과 튜닝이 필요한 이유를 비교합니다.

   산출물: 선택 근거

2. 2차시 · 사람의 진행 판정

   AI 반례를 검토한 뒤 사람이 진행·보완·보류를 결정합니다.

   산출물: 진행/보완/보류 기록

완료 확인 효익 근거·권리·평가·자원이 부족하면 보완 또는 미튜닝 결정을 정당한 결과로 남깁니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 데이터 분할

   중복·개인정보·편향과 분할 기준을 확인합니다.

   산출물: Dataset Card·분할 기록

2. 2차시 · 재현 환경

   버전·설정·난수·자원·환경과 중단 조건을 명시합니다.

   산출물: 환경 명세

완료 확인 진행 판정이 있을 때만 준비하며 학습·검증·시험 데이터의 누출을 차단합니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 최소 실험 실행

   제한된 데이터·자원으로 재현 가능한 작은 실험을 수행합니다.

   산출물: 초기 adapter·학습 로그

2. 2차시 · 초기 추론 확인

   사전 정의 질문으로 비튜닝 기준선과 동작을 비교합니다.

   산출물: 추론 로그·초기 비교

완료 확인 권리·자원 게이트 통과 시에만 작은 실험을 수행하고 adapter를 자체 기반 모델이라고 부르지 않습니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 과적합과 품질

   학습·검증·시험 차이와 목표 행동의 전후를 확인합니다.

   산출물: 전후 평가

2. 2차시 · 안전과 자원

   개인정보 재현·유해 출력·자원 사용과 비용 한계를 점검합니다.

   산출물: 안전 시험·자원 기록

완료 확인 학습 손실만으로 품질을 입증하지 않고 별도 평가셋·안전·비용으로 판단합니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 분야 오류 검토

   도메인 질문에서 오류 유형과 영향 범위를 검토합니다.

   산출물: 검토 기록

2. 2차시 · 제한된 수정 실험

   데이터·설정 중 원인과 관련된 부분을 수정해 비교합니다.

   산출물: 수정 실험·변경 이유

완료 확인 분야 검토자가 판단할 범위를 명시하고 시험 데이터에 맞춰 무분별하게 수정하지 않습니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 재현 확인

   기록된 환경·데이터·설정으로 실험과 추론을 확인합니다.

   산출물: 검증 adapter·재현 기록

2. 2차시 · 모델카드 초안

   기반 모델·어댑터·용도·금지·평가·권리를 정리합니다.

   산출물: Model Card 초안

완료 확인 실험·추론 재현 여부와 실패 조건을 기록하고 모델카드에 권리·한계를 표시합니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 실험 사례 구성

   문제·대안·진행 판단·실험·평가를 한 사례로 묶습니다.

   산출물: 사례·평가 견본

2. 2차시 · 한계 설명

   데이터 범위·잔여 오류·기여·비용을 문서화합니다.

   산출물: 모델 문서·한계 기록

완료 확인 검증된 결과와 교육용 예시를 분리하고 개선되지 않은 조건도 포함합니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 비공개 추론 검토

   허용 사용자·요청·로그·자료 보존 범위에서 추론을 확인합니다.

   산출물: 비공개 추론·권한 기록

2. 2차시 · 운영과 복구

   자원·비용·중단·이전 설정 복원·사람 대응을 문서화합니다.

   산출물: 운영 비용·매뉴얼

완료 확인 로컬 서빙 확장 시 RUN 선수 역량을 별도 확인하며 여기서 전체 Docker·Ollama 이수를 주장하지 않습니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 오류 기반 개선

   평가 실패 원인을 분석하고 작은 변경을 선택합니다.

   산출물: 개선 설정/adapter

2. 2차시 · 회귀와 변경 기록

   고정 평가셋으로 전후와 안전 조건을 다시 비교합니다.

   산출물: 회귀 결과·변경 기록

완료 확인 새 오류 개선이 기존 품질·안전 평가를 악화시키지 않는지 확인합니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.

1. 1차시 · 최종 증거와 시연

   비튜닝 비교·데이터카드·모델카드·재현·평가를 제시합니다.

   산출물: 최종 모델/데이터카드·증거팩

2. 2차시 · 튜닝 판단 방어

   튜닝·미튜닝 선택 이유와 잔여 위험·운영 범위를 설명합니다.

   산출물: 최종 시연·판단·인계

완료 확인 고급 구현자는 adapter·재현·전후 평가를 제출합니다. 비개발 의사결정 참여를 모델 적응 엔지니어 수료로 표시하지 않습니다.

먼저 자신의 판단과 초안을 만들고, AI의 누락·반례 검토를 거쳐 본인이 최종 수정합니다.