패스트캠퍼스 환급챌린지 : 테디노트의 RAG 비법노트 강의 도전 각오

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

 

 

안녕하세요! Sadie 입니다. 

RAG 학습 기록에 '꾸준함'이라는 날개를 달아줄 패스트캠퍼스 50일 환급 챌린지에 참여하게 되었습니다. 취업이라는 목표를 향해 나아가는 저의 각오를 공유합니다. 

 

1. 이번 챌린지에 참여하게 된 이유는 무엇인가요?

 이 챌린지에 참여하게 된 가장 큰 이유는 '습관'이라는 강력한 무기를 만들기 위해서입니다. 이번 50일 챌린지를 통해 매일 정해진 분량을 학습하고, 배운 내용을 정리하여 기록하는 의무감을 갖게 됩니다. 이 의무감을 발판 삼아 매일 공부하는 습관과 기록하는 습관이라는 두 마리 토끼를 잡고자 합니다. 50일 동안 RAG의 원리와 랭체인 활용법을 단순히 지식으로 쌓는 것을 넘어, 직접 코드를 구현하고 '나만의 RAG 시스템'을 구축할 수 있는 수준까지 이해도를 끌어올리고, 이 지속 가능한 성장 루틴을 내재화하는 것이 최종 목표입니다.

2. 이 강의(또는 학습 주제)를 선택한 이유는 무엇인가요?

 저는 인공지능 분야, 특히 자연어 처리(NLP) 기반의 솔루션 개발 직무 (예: AI 엔지니어, 챗봇/대화형 AI 개발자, LLM 프롬프트 엔지니어)에 취업하고자 이 강의를 선택했습니다. 이 직무들에서 RAG 기술의 이해와 구현 능력은 단순한 스킬을 넘어 현업에서 서비스의 신뢰도를 결정하는 필수 역량이기 때문입니다. RAG의 장점으로는 답변 생성 과정에서 외부 정보 활용이 가능하고, 사용자에게 더 맞춤화된 답변을 제공할 수 있으며, 검증 가능한 출처를 기반으로 답변을 제공해 환각 현상을 최소화할 수 있다는 것입니다. 

 

> RAG(Retrieval-Augmented Generation)의 필요성: LLM의 한계를 넘어서

 현재 LLM(Large Language Model, 대규모 언어 모델)은 뛰어난 능력을 보여주지만, 다음과 같은 치명적인 실무적 한계를 가지고 있습니다.

첫째, 확장성 문제입니다. 모델이 학습을 마친 시점에 머무르기 때문에, 정보가 계속 변화하는 상황에서 지속적으로 최신 정보나 실시간 데이터를 반영하기 어렵습니다. 

둘째, 신뢰성 문제입니다. LLM이 사실과 다른 내용을 그럴듯하게 지어내는 환각(Hallucination) 현상은 의료, 금융, 법률 등 정확성이 생명인 전문 분야에서 특히 치명적입니다.

셋째, 유연성 문제입니다. LLM 이전의 스크립트 방식 챗봇은 수동적인 대화 흐름을 따랐습니다. 고객의 의도를 확인하고, 요청된 정보를 가져와 정해진 스크립트로 답을 제공한 방식 입니다. 이는 간단한 질문에는 잘 작동했지만, 고객이 예상 시나리오에서 벗어난 질문을 하면 챗봇은 즉흥적으로 대응할 능력이 없었습니다. 하지만 기업 입장에서는 스크립트를 매번 업데이트하는 것이 비현실적이거나 불가능했습니다. 

 RAG는 이러한 문제를 해결하는 가장 실질적이고 비용 효율적인 방법론입니다. 기업들이 보유한 사내 문서, 특허 정보, 기술 매뉴얼, 혹은 최신 데이터베이스 등 신뢰할 수 있는 외부 지식(Context)을 기반으로 LLM이 답변을 생성하도록 유도합니다. 이를 통해 도메인 특화된 정확한 답변을 제공하고, 답변의 출처까지 명시하여 서비스의 신뢰도를 극대화할 수 있습니다. 저는 체계적인 학습을 통해 이러한 RAG의 핵심 역할을 이해하고 실제 구현하는 전문가가 되는 것을 목표로 합니다.

 

> 실무 경쟁력 확보: 랭체인 활용 능력의 구체화

 이 강의는 RAG 구현의 핵심 도구인 랭체인(LangChain)을 활용하여 RAG 시스템을 구축하는 실무적인 방법을 다룹니다. 랭체인은 다양한 데이터 소스(PDF, 웹, DB 등)를 LLM에 연결하고, 검색과 생성 단계를 유기적으로 조합하는 AI 애플리케이션 개발 프레임워크입니다. 저는 단순히 RAG 개념을 아는 것을 넘어 다양한 데이터 소스를 효과적으로 분할(Text Split) 및 임베딩하고 VectorDB(벡터 데이터베이스)와의 연동을 통해 검색 효율성을 극대화하는 방법, 복잡한 사용자 쿼리에 대응하기 위해 검색과 생성의 여러 단계를 연결하는 Agent 시스템 설계 능력 등을 집중적으로 학습할 계획입니다. 이 기술은 기업들이 자체적인 지식 기반 LLM 챗봇 서비스를 개발하거나 기존 시스템에 AI를 통합할 때 즉시 투입 가능한 전문성을 확보하는 전략적인 선택이라고 판단했기 때문에, 이 강의를 완주하고 제 것으로 만드는 것이 목표입니다. 

3. 50일 동안 이루고 싶은 목표는 무엇인가요? (습관 형성, 스킬 성장 관점 등)

 50일 동안 두 가지 측면에서 명확한 목표를 가지고 임하겠습니다.

• 스킬 성장 관점: RAG 실질적 이해 및 구현 능력 확보
  강의에서 다루는 RAG의 원리와 랭체인 활용법을 단순히 지식으로 쌓는 것을 넘어, 직접 코드를 구현하고 디버깅하면서 '나만의 RAG 시스템'을 구축할 수 있는 수준까지 이해도를 끌어올리겠습니다.
• 습관 형성 관점: 지속 가능한 성장 루틴 내재화
  50일 동안 매일 학습하고 기록하는 과정을 통해 꾸준함의 가치를 체화하고, 챌린지가 끝난 후에도 이 루틴을 취업 후 실무 역량 개발까지 이어나갈 수 있는 단단한 학습 습관을 내재화하는 것이 최종 목표입니다.

4. 이전에는 왜 공부 습관을 유지하기 어려웠나요?

 이전 학습 경험을 돌이켜보면, 외부의 강제적인 의무감(ex. 시험 제도)이 사라진 이후 학습의 지속성에 어려움을 겪었던 것이 사실입니다. 학생 시절에는 주어진 목표를 달성하는 것에 익숙했지만, 성인이 되어 스스로 목표를 설정하고 관리하는 자기 주도 학습의 영역에서는 시행착오가 있었습니다. 이전에는 목표를 설정하더라도 그 과정을 체계적으로 관리하고 점검할 의무감이 부족했고, 이는 곧 스스로에게 부여하는 책임감이 부족했기 때문이었습니다. 하지만 저는 이러한 시행착오를 통해 스스로 설정한 목표(취업 및 전문성 확보)를 향해 꾸준히 달리는 내재적 동기가 가장 강력하며, 이를 뒷받침할 체계적인 계획의 필요성을 깨달았습니다. 이번 챌린지는 이러한 과거의 경험을 바탕으로, '외부의 강제성'이 아닌, '자발적인 의무감'을 기반으로 체계적인 학습 습관을 구축하는 중요한 전환점이 될 것입니다.

5. 이번에는 어떤 방식으로 다르게 해 볼 계획인가요? (환경, 전략, 마음가짐 등)

  [기록을 통한 피드백 루프 구축 및 학습 체계화 전략]

 이번 챌린지에서는 과거의 수동적인 학습 방식에서 벗어나, 능동적이고 체계적인 학습 전략을 통해 실질적인 성장을 이끌어내고자 합니다.

 첫째, 공개 기록을 통해 학습 피드백 루프를 구축하는 것입니다. 매일 강의를 수강한 직후, 학습 내용을 요약 정리하여 블로그에 포스팅할 것입니다. 이 공개적인 기록은 저에게 강력한 자발적 의무감을 부여할 뿐만 아니라, '아는 것'과 '설명할 수 있는 것'의 차이를 명확히 파악하여 학습의 깊이를 더하는 중요한 피드백 수단이 될 것입니다.

 둘째, 실무 적용 관점에서의 내용을 체계화 하는 것입니다. 강의를 들은 후 정리하는 과정에서는 단순히 이론을 나열하지 않고, RAG의 각 구성 요소(Retriever, Generator)가 현업 프로젝트에서 어떻게 활용될 수 있는지 실제 문제 해결 관점에서 재구성할 것입니다. 이러한 스스로의 개념화 과정을 통해 내용을 완전히 제 것으로 만들고, 50일간의 꾸준한 기록을 단기적인 성과가 아닌 장기적인 실무 역량으로 전환하여 증명해 보이겠습니다.

https://fastcampus.info/4oKQD6b

11월이니까, 강의 1+1 쿠폰 이벤트 3일 앵콜💟 (~11/13 23:59) | 패스트캠퍼스