00. AWS Certified AI Practitioner 시험 준비

AI를 이해하고 AWS에서 AI를 활용하는 방법

최근 IT 분야에서 가장 빠르게 변화하고 있는 기술 중 하나가 바로 AI(Artificial Intelligence)입니다.

특히 ChatGPT와 같은 Generative AI의 등장으로 AI는 더 이상 데이터 과학자나 AI 개발자만의 영역이 아닙니다.

Cloud Engineer, Solution Architect, Project Manager, Business Analyst, IT Manager 등 다양한 IT 직군에서도 AI가 무엇인지, 어떤 문제를 해결할 수 있는지, 어떤 AWS 서비스를 사용해야 하는지 이해하는 것이 중요해지고 있습니다.

AWS에서도 이러한 흐름에 맞춰 AWS Certified AI Practitioner 자격증을 제공하고 있습니다.

이 시리즈에서는 단순히 시험 문제를 암기하는 것이 아니라,

AI란 무엇인가? → Machine Learning은 무엇인가? → Generative AI는 어떻게 동작하는가? → Foundation Model이란 무엇인가? → AWS에서는 AI를 어떻게 구현하는가? → 시험은 어떻게 준비하는가?

라는 흐름으로 AI를 처음 접하는 사람도 이해할 수 있도록 정리해 보겠습니다.

---

📚 전체 학습 Roadmap

                 Artificial Intelligence
                         │
                         ▼
                 Machine Learning
                         │
                         ▼
                  Deep Learning
                         │
                         ▼
                  Generative AI
                         │
                         ▼
                 Foundation Model
                         │
             ┌───────────┴───────────┐
             ▼                       ▼
            LLM                     RAG
             │                       │
             └───────────┬───────────┘
                         ▼
                 AWS AI Services
                         │
             ┌───────────┴───────────┐
             ▼                       ▼
       Amazon Bedrock        Amazon SageMaker
                         │
                         ▼
                 Responsible AI
                         │
                         ▼
              Security & Governance
                         │
                         ▼
            AWS AI Practitioner

---

01. AWS Certified AI Practitioner란 무엇인가?

AI를 처음 공부한다면 무엇부터 알아야 할까?

AWS Certified AI Practitioner는 AWS가 제공하는 Foundational Level의 AI 자격증입니다.

AI/ML과 Generative AI의 기본 개념을 이해하고, AWS의 AI 서비스를 어떤 상황에서 사용할 수 있는지를 이해하는 것이 핵심입니다.

중요한 점이 하나 있습니다.

이 시험은 AI 모델을 직접 개발하는 시험이 아닙니다.

따라서 복잡한 수학 공식이나 Machine Learning 알고리즘을 직접 구현하는 능력을 요구하는 시험이라기보다는,

"AI를 이해하고 적절한 AI 기술과 AWS 서비스를 선택할 수 있는가?"

에 더 가깝습니다.

---

AWS AI Practitioner 시험 영역

AIF-C01의 주요 Domain은 다음과 같습니다.

	Domain	주요내용비중
1	Fundamentals of AI and ML	20%
2	Fundamentals of Generative AI	24%
3	Applications of Foundation Models	28%
4	Responsible AI	14%
5	Security, Compliance & Governance	14%

여기서 가장 눈여겨볼 부분은 Domain 2 + Domain 3입니다.

둘을 합치면 **52%**입니다.

즉,

Generative AI + Foundation Model

을 제대로 이해하는 것이 시험 준비에서 매우 중요합니다.

---

시험에서 무엇을 공부해야 할까?

AI / ML

• Artificial Intelligence
• Machine Learning
• Deep Learning
• Neural Network
• Supervised Learning
• Unsupervised Learning
• Reinforcement Learning
• Training
• Inference
• Classification
• Regression
• Clustering

Generative AI

• Generative AI
• Large Language Model
• Foundation Model
• Transformer
• Token
• Embedding
• Prompt
• Prompt Engineering
• Hallucination
• RAG
• Fine-tuning

AWS

• Amazon Bedrock
• Amazon SageMaker AI
• Amazon Rekognition
• Amazon Textract
• Amazon Comprehend
• Amazon Transcribe
• Amazon Polly
• Amazon Translate

Responsible AI

• Bias
• Fairness
• Explainability
• Transparency
• Privacy
• Safety

Security

• IAM
• Encryption
• Data Protection
• Compliance
• Governance
• Shared Responsibility

---

이 시리즈의 학습 방법

이 시리즈에서는 단순 암기보다는 다음과 같은 방식으로 공부합니다.

AI 개념
   ↓
ML 개념
   ↓
Deep Learning
   ↓
Generative AI
   ↓
Foundation Model
   ↓
RAG / Fine-tuning
   ↓
AWS Bedrock / SageMaker
   ↓
Responsible AI
   ↓
Security
   ↓
시험 문제

다음 글에서는 가장 기본적인 질문부터 시작해 보겠습니다.

AI란 도대체 무엇일까요?

---

02. AI란 무엇인가?

AI · Machine Learning · Deep Learning · Generative AI 완벽 이해하기

AI를 공부하다 보면 다음과 같은 용어를 만나게 됩니다.

• AI
• Machine Learning
• Deep Learning
• Neural Network
• Generative AI
• LLM
• Foundation Model

처음 보면 서로 다른 기술처럼 보이지만 사실은 하나의 큰 구조 안에 포함되는 개념입니다.

---

1. Artificial Intelligence란?

Artificial Intelligence, 즉 AI는 인간이 수행하는 지능적인 작업을 컴퓨터가 수행할 수 있도록 하는 기술을 의미합니다.

예를 들어:

• 사람의 얼굴을 인식한다.
• 음성을 텍스트로 변환한다.
• 번역한다.
• 상품을 추천한다.
• 사진을 분석한다.
• 질문에 답한다.
• 새로운 글이나 이미지를 생성한다.

이런 작업들은 모두 AI의 활용 사례입니다.

---

2. Machine Learning

Machine Learning은 AI를 구현하는 대표적인 방법입니다.

기존 Programming은 사람이 직접 규칙을 작성합니다.

Rules + Data
     ↓
  Program
     ↓
   Result

반면 Machine Learning은 데이터에서 패턴을 학습합니다.

Training Data
     ↓
Machine Learning
     ↓
   Model
     ↓
New Data
     ↓
 Prediction

예를 들어 이메일 Spam Detection을 생각해 보겠습니다.

과거 이메일 데이터를 학습하면 AI 모델이 Spam 이메일의 특징을 학습합니다.

새로운 이메일이 들어오면:

"이 이메일은 Spam일 가능성이 높다."

라고 판단할 수 있습니다.

---

3. Deep Learning

Deep Learning은 Machine Learning의 한 종류입니다.

특히 Neural Network를 여러 층으로 구성하여 복잡한 패턴을 학습하는 방식입니다.

AI
└── Machine Learning
    └── Deep Learning
        └── Neural Network

오늘날 이미지 인식, 음성 인식, 자연어 처리, Generative AI 등 많은 AI 기술이 Deep Learning을 기반으로 발전했습니다.

---

4. Generative AI

기존 AI가 주로

"무엇인지 판단하는 AI"

였다면 Generative AI는

"새로운 콘텐츠를 만들어내는 AI"

라고 이해하면 쉽습니다.

예를 들어:

AI	Generative AI
사진에 고양이가 있는지 판단	고양이 사진 생성
이메일이 Spam인지 판단	이메일 작성
문장의 감정 분석	새로운 문장 생성
음성을 Text로 변환	음성 생성

---

5. Large Language Model

LLM은 Large Language Model의 약자입니다.

대표적으로 ChatGPT와 같은 AI 서비스가 LLM을 활용합니다.

LLM은 매우 많은 텍스트 데이터를 학습하여 인간의 언어를 이해하고 새로운 텍스트를 생성할 수 있습니다.

---

6. Foundation Model

Foundation Model은 다양한 AI 애플리케이션의 기반으로 사용할 수 있는 대규모 AI 모델입니다.

                  Foundation Model
                         │
          ┌──────────────┼──────────────┐
          ▼              ▼              ▼
         Text          Image        Multimodal
          │
          ▼
         LLM

AWS AI Practitioner 시험에서는 Foundation Model을 어떻게 선택하고 활용하는가가 매우 중요합니다.

---

7. AI의 전체 구조

지금까지 배운 내용을 합쳐보겠습니다.

Artificial Intelligence
        │
        └── Machine Learning
                │
                └── Deep Learning
                        │
                        └── Neural Network
                                │
                                └── Transformer
                                        │
                                        └── Foundation Model
                                                │
                                                └── Generative AI
                                                        │
                                                        └── LLM

물론 실제 AI 분야는 이보다 훨씬 복잡하지만, AI Practitioner 시험을 준비하는 관점에서는 이 관계를 이해하는 것이 중요합니다.

---

03. Machine Learning 핵심 개념 완벽 이해하기

AWS AI Practitioner 시험에서 반드시 알아야 할 ML 개념

이제부터 본격적인 시험 준비입니다.

Machine Learning에서는 몇 가지 개념을 반드시 이해해야 합니다.

---

1. Training과 Inference

가장 중요한 개념 중 하나입니다.

Training

데이터를 이용하여 AI 모델이 패턴을 학습하는 과정입니다.

Training Data
      ↓
    Model
      ↓
   Learning
      ↓
Trained Model

Inference

학습된 모델을 사용하여 새로운 데이터에 대한 결과를 만드는 과정입니다.

New Data
    ↓
Trained Model
    ↓
Prediction

쉽게 말하면:

Training = 공부하는 과정

Inference = 시험을 보는 과정

이라고 생각하면 됩니다.

---

2. Supervised Learning

정답이 포함된 데이터를 이용하여 학습합니다.

예를 들어:

Email → Spam
Email → Not Spam
Email → Spam
Email → Not Spam

이 데이터를 학습하면 새로운 이메일이 들어왔을 때 Spam인지 판단할 수 있습니다.

대표적인 문제:

• Classification
• Regression

---

3. Unsupervised Learning

정답이 없는 데이터를 이용합니다.

예를 들어 고객 데이터가 있다고 해보겠습니다.

Customer A
Customer B
Customer C
Customer D
...

AI가 고객들의 특징을 분석하여 비슷한 고객끼리 그룹으로 묶을 수 있습니다.

대표적인 방법이 Clustering입니다.

---

4. Reinforcement Learning

Agent가 환경과 상호작용하면서 Reward와 Penalty를 통해 학습합니다.

        Environment
             ↑
             │
          Reward
             │
          Agent
             │
           Action
             ↓
        Environment

게임 AI나 로봇 등의 문제에서 활용할 수 있습니다.

---

5. Classification vs Regression

시험에서 자주 비교되는 개념입니다.

Classification

결과가 Category입니다.

예:

이 이메일은 Spam인가?

Spam
Not Spam

Regression

결과가 연속적인 숫자입니다.

예:

이 집의 가격은 얼마인가?

$500,000
$520,000
$750,000

---

6. Overfitting

AI 모델이 Training Data를 너무 잘 외워버리는 문제입니다.

Training Data
     ↓
 Model
     ↓
Training에서는 매우 정확
     ↓
새로운 데이터에서는 성능 저하

쉽게 말하면:

공부한 문제는 잘 풀지만 새로운 문제는 못 푸는 상태

입니다.

---

7. 주요 평가 지표

시험에서는 다음 용어의 의미를 알아두는 것이 좋습니다.

• Accuracy
• Precision
• Recall
• F1 Score

특히 Precision과 Recall의 차이를 이해하는 것이 중요합니다.

---

04. Generative AI 완벽 이해하기

LLM · Token · Prompt · Embedding · RAG

AWS AI Practitioner에서 매우 중요한 부분입니다.

Generative AI는 단순히 "ChatGPT 같은 AI"라고 이해하면 부족합니다.

AI가 어떻게 데이터를 처리하고 답변을 만들어내는지 기본 구조를 이해해야 합니다.

---

1. Generative AI란?

Generative AI는 학습한 패턴을 기반으로 새로운 콘텐츠를 생성하는 AI입니다.

생성할 수 있는 콘텐츠는 다양합니다.

• Text
• Image
• Audio
• Video
• Code

---

2. Foundation Model

Foundation Model은 다양한 AI 애플리케이션의 기반이 되는 대규모 모델입니다.

예를 들어 하나의 Foundation Model을 기반으로:

Foundation Model
      │
      ├── Chatbot
      ├── Summarization
      ├── Translation
      ├── Content Generation
      └── Coding Assistant

와 같은 다양한 애플리케이션을 만들 수 있습니다.

---

3. Token

LLM은 우리가 입력하는 문장을 그대로 이해하는 것이 아니라 Token이라는 단위로 처리합니다.

예를 들어 문장을 여러 개의 token으로 분리한 뒤 모델이 처리한다고 생각하면 됩니다.

따라서 LLM을 이해하려면:

Token = 모델이 텍스트를 처리하는 기본 단위

라는 개념을 기억하면 좋습니다.

---

4. Prompt

Prompt는 AI 모델에게 제공하는 입력입니다.

예를 들어:

"AWS Certified AI Practitioner 시험을 쉽게 설명해줘."

이 문장이 Prompt입니다.

---

5. Prompt Engineering

Prompt를 잘 설계하여 원하는 결과를 얻는 방법입니다.

좋은 Prompt에는 다음과 같은 요소를 넣을 수 있습니다.

Role
+
Context
+
Task
+
Constraints
+
Output Format

예:

"당신은 AWS Solution Architect입니다.
AWS Bedrock과 SageMaker의 차이를 초보자가 이해할 수 있도록 표로 설명하세요."

이렇게 구체적으로 지시하면 더 원하는 형태의 결과를 얻을 가능성이 높아집니다.

---

6. Embedding

Embedding은 텍스트 등의 데이터를 숫자 벡터로 변환하여 의미를 표현하는 방법입니다.

예를 들어:

"AWS Cloud"
      ↓
[0.12, 0.82, 0.31, ...]

이런 형태의 벡터로 표현할 수 있습니다.

의미가 비슷한 문장은 벡터 공간에서도 서로 가까운 위치에 나타날 수 있습니다.

---

7. Vector Database

Embedding을 저장하고 유사한 정보를 검색하기 위해 사용할 수 있는 데이터베이스입니다.

Documents
    ↓
Embedding
    ↓
Vector Database
    ↓
Similarity Search

---

8. RAG

RAG는 Retrieval-Augmented Generation의 약자입니다.

LLM이 가진 지식만 사용하는 것이 아니라 외부 문서를 검색해서 답변에 활용하는 방식입니다.

User Question
      ↓
Document Search
      ↓
Relevant Information
      ↓
Prompt + Information
      ↓
LLM
      ↓
Answer

예를 들어 회사 내부 문서를 AI에게 제공하면:

"우리 회사의 휴가 정책은?"

과 같은 질문에 회사 문서를 검색하여 답변하도록 만들 수 있습니다.

---

9. RAG vs Fine-tuning

시험에서 중요한 비교입니다.

 

구분	RAG	Fine-tuning
목적	외부 지식 활용	모델 자체를 특정 목적에 맞게 조정
데이터 변경	문서 업데이트가 쉬움	추가 학습 필요
최신 정보	유리	상대적으로 불리
활용	내부 문서 검색	특정 업무/스타일 학습

쉽게 말하면:

RAG = 필요한 정보를 찾아서 알려준다

Fine-tuning = 모델을 특정 목적에 맞게 추가 학습한다

---

05. AWS에서 AI를 구현한다면?

Amazon Bedrock · SageMaker AI · AWS AI Services

이제 AI 개념을 AWS 서비스와 연결해 보겠습니다.

시험에서는 단순히 서비스 이름을 외우기보다는:

"어떤 상황에서 어떤 서비스를 사용하는가?"

를 이해하는 것이 중요합니다.

---

1. Amazon Bedrock

Generative AI 애플리케이션을 만들 때 가장 중요한 AWS 서비스 중 하나입니다.

Amazon Bedrock을 이용하면 다양한 Foundation Model을 활용하여 Generative AI 애플리케이션을 구축할 수 있습니다.

기본적인 개념은 다음과 같습니다.

Application
     ↓
Amazon Bedrock
     ↓
Foundation Model
     ↓
Response

예를 들어:

• Chatbot
• Text Generation
• Summarization
• Q&A
• AI Assistant

등을 구축할 수 있습니다.

---

2. Amazon SageMaker AI

SageMaker AI는 Machine Learning 모델을 구축하고 학습하고 배포하는 데 사용하는 AWS 서비스입니다.

Data
 ↓
Training
 ↓
ML Model
 ↓
Deployment
 ↓
Inference

따라서 간단하게 구분하면:

Bedrock → Foundation Model / Generative AI 활용

SageMaker AI → Machine Learning 모델 구축 및 관리

라고 이해하면 좋습니다.

---

3. AWS AI Services

AWS에는 특정 AI 기능을 쉽게 사용할 수 있는 다양한 서비스가 있습니다.

 

Service	주요 기능
Amazon Rekognition	이미지/비디오 분석
Amazon Textract	문서에서 텍스트 및 데이터 추출
Amazon Comprehend	자연어 처리
Amazon Transcribe	음성 → 텍스트
Amazon Polly	텍스트 → 음성
Amazon Translate	언어 번역
Amazon Lex	대화형 AI

시험에서는 서비스 이름만 외우기보다는 문제 상황 → 서비스로 연결해서 기억하는 것이 좋습니다.

예를 들어:

이미지 분석 → Rekognition

PDF/문서에서 데이터 추출 → Textract

음성을 Text로 변환 → Transcribe

Text를 음성으로 변환 → Polly

번역 → Translate

---

4. Responsible AI

AI가 발전할수록 AI를 "잘 만드는 것"뿐만 아니라 책임 있게 사용하는 것도 중요합니다.

대표적인 개념은:

• Fairness
• Bias
• Transparency
• Explainability
• Privacy
• Safety
• Accountability

입니다.

예를 들어 AI가 특정 그룹에 대해서만 지속적으로 불리한 판단을 한다면 Bias와 Fairness 문제가 발생할 수 있습니다.

---

5. AI Security

AI 시스템에서도 기존 Cloud Security 원칙이 중요합니다.

대표적으로:

• IAM
• Encryption
• Access Control
• Data Protection
• Monitoring
• Compliance
• Governance

등을 고려해야 합니다.

특히 AI에서는 사용자의 데이터가 모델 학습이나 Prompt에 사용될 수 있기 때문에 민감한 데이터 보호가 중요합니다.

---

6. 시험에서 서비스 선택 문제를 만났다면?

다음과 같이 생각하면 쉽습니다.

Generative AI / Foundation Model
              ↓
         Amazon Bedrock

ML Model 개발 / Training / Deployment
              ↓
       Amazon SageMaker AI

Image / Video 분석
              ↓
       Amazon Rekognition

Document 분석
              ↓
        Amazon Textract

Speech → Text
              ↓
       Amazon Transcribe

Text → Speech
              ↓
          Amazon Polly

Translation
              ↓
        Amazon Translate

이런 식으로 문제의 요구사항과 AWS 서비스를 연결하는 연습이 필요합니다.

---

06. AWS AI Practitioner 시험 준비 Guide

무엇을 보고 어떻게 공부할 것인가?

마지막으로 실제 시험 준비 방법을 정리해 보겠습니다.

시험 준비에서 가장 중요한 것은 공부 순서입니다.

---

STEP 1. 시험 범위를 먼저 확인한다

가장 먼저 AWS 공식 Exam Guide를 확인합니다.

시험이 무엇을 평가하는지 먼저 알아야 합니다.

특히 다음 5개 Domain을 기억합니다.

AI / ML Fundamentals       20%
Generative AI              24%
Foundation Models          28%
Responsible AI             14%
Security / Governance      14%

---

STEP 2. AI 기본 개념을 공부한다

처음부터 AWS 서비스를 외우지 않는 것을 추천합니다.

먼저:

AI
 ↓
Machine Learning
 ↓
Deep Learning
 ↓
Generative AI
 ↓
Foundation Model
 ↓
LLM

의 관계를 이해합니다.

---

STEP 3. Generative AI를 집중적으로 공부한다

AIF-C01에서는 Generative AI가 매우 중요합니다.

다음 개념은 반드시 설명할 수 있어야 합니다.

• Foundation Model
• LLM
• Token
• Prompt
• Prompt Engineering
• Embedding
• Vector Database
• RAG
• Fine-tuning
• Hallucination
• Multimodal AI

---

STEP 4. AWS 서비스를 연결한다

이제 AWS 서비스를 공부합니다.

특히:

Generative AI

Amazon Bedrock

Machine Learning

Amazon SageMaker AI

Image / Video

Amazon Rekognition

Document

Amazon Textract

NLP

Amazon Comprehend

Speech

Amazon Transcribe / Polly

Translation

Amazon Translate

---

STEP 5. Responsible AI와 Security를 공부한다

많은 사람들이 AI 모델과 AWS 서비스만 공부하고 이 부분을 소홀히 합니다.

하지만 시험에서는 별도의 Domain으로 출제됩니다.

다음 개념을 정리합니다.

Responsible AI
 ├── Bias
 ├── Fairness
 ├── Explainability
 ├── Transparency
 ├── Privacy
 └── Safety

Security
 ├── IAM
 ├── Encryption
 ├── Data Protection
 ├── Compliance
 └── Governance

---

STEP 6. Practice Question을 풀어본다

개념을 공부한 다음에는 반드시 문제를 풀어봐야 합니다.

추천 순서는:

개념 공부
   ↓
AWS 서비스 정리
   ↓
Practice Questions
   ↓
틀린 문제 분석
   ↓
관련 개념 재학습
   ↓
Practice Exam

중요한 것은 정답만 확인하지 않는 것입니다.

문제를 틀렸다면:

왜 이 답이 정답인가?

뿐만 아니라

왜 다른 답은 틀렸는가?

까지 확인하는 것이 좋습니다.

---

🎥 추천 학습 자료

가장 먼저 AWS 공식 자료를 이용하는 것을 추천합니다.

① AWS Certified AI Practitioner 공식 페이지

시험 구조, 시험 등록, 준비 자료 등을 확인할 수 있습니다.

AWS Certification
https://aws.amazon.com/certification/certified-ai-practitioner/

② AWS 공식 Exam Guide

실제 시험 범위를 확인하기 위한 가장 중요한 자료입니다.

https://docs.aws.amazon.com/aws-certification/latest/ai-practitioner-01.html

③ AWS Skill Builder

AWS 공식 학습 플랫폼입니다.

AI Practitioner 관련 Learning Plan과 교육 콘텐츠를 활용하는 것을 추천합니다.

https://skillbuilder.aws/

---

📌 시험 직전에는 무엇을 공부해야 할까?

시험 하루 전까지 새로운 내용을 계속 공부하기보다는 핵심 개념을 빠르게 반복하는 것이 좋습니다.

AI / ML

AI
ML
Deep Learning
Supervised
Unsupervised
Reinforcement
Training
Inference
Classification
Regression
Overfitting

Generative AI

Foundation Model
LLM
Token
Prompt
Embedding
RAG
Fine-tuning
Hallucination
Transformer
Multimodal

AWS

Bedrock
SageMaker AI
Rekognition
Textract
Comprehend
Transcribe
Polly
Translate
Lex

Responsible AI

Bias
Fairness
Explainability
Transparency
Privacy
Safety

Security

IAM
Encryption
Data Protection
Compliance
Governance

---

🎯 마지막으로 기억해야 할 것

AWS AI Practitioner 시험을 준비하면서 가장 중요한 것은 서비스 이름을 많이 외우는 것이 아닙니다.

다음 질문에 답할 수 있어야 합니다.

AI란 무엇인가?

Machine Learning은 어떻게 학습하는가?

Generative AI는 기존 AI와 무엇이 다른가?

Foundation Model이란 무엇인가?

LLM은 어떻게 동작하는가?

RAG와 Fine-tuning의 차이는 무엇인가?

AWS에서 Generative AI를 사용하려면 어떤 서비스를 사용하는가?

AI를 안전하고 책임 있게 사용하려면 무엇을 고려해야 하는가?

이 질문에 답할 수 있다면 AWS AI Practitioner 시험의 상당 부분을 이해한 것입니다.

---

🚀 최종 학습 Roadmap

        ① AI Practitioner
                │
                ▼
        ② AI Fundamentals
                │
                ▼
        ③ Machine Learning
                │
                ▼
        ④ Generative AI
                │
                ▼
        ⑤ Foundation Model
                │
          ┌─────┴─────┐
          ▼           ▼
        RAG       Fine-tuning
          │           │
          └─────┬─────┘
                ▼
          AWS Bedrock
                │
                ▼
       AWS AI Services
                │
                ▼
        Responsible AI
                │
                ▼
      Security & Governance
                │
                ▼
       Practice Questions
                │
                ▼
       AWS AI Practitioner

마무리

AI를 공부하는 가장 좋은 방법은 시험을 위해 AI를 공부하는 것이 아니라, AI를 이해한 후 시험에 연결하는 것이라고 생각합니다.

특히 IT 분야에서 앞으로 AI는 특정 기술팀의 영역을 넘어 Cloud, Application, Data, Security, Business 전반에 영향을 미치는 핵심 기술이 될 것입니다.

따라서 AWS AI Practitioner를 준비하는 과정 자체가 단순히 하나의 자격증을 취득하는 것 이상의 의미가 있습니다.

AI를 이해하고 → AI의 가능성을 이해하고 → AWS에서 어떻게 구현하는지 이해하고 → 실제 비즈니스 문제에 적용할 수 있는 능력

이것이 이번 시리즈의 최종 목표입니다.

Next → AWS AI Practitioner 핵심 개념부터 하나씩 자세히 알아보기