Week 1: 온보딩 + LLM 기초

1) 학습목표 (행동동사)

• 핵심 개념을 자신의 언어로 설명할 수 있다.
• 실습을 통해 최소 1개 결과를 15분 내 재현할 수 있다.
• 실패 신호를 식별하고 복구 절차를 적용할 수 있다.
• 산출물을 다음 주 실습 입력으로 재사용할 수 있다.

2) 사전지식 체크 (Yes/No)

• 사용하는 도구에 로그인할 수 있다.
• 입력 데이터와 민감정보를 구분할 수 있다.
• 출력 형식(표/JSON/체크리스트)을 지정해본 적이 있다.
• 결과 검증(출처/반례/재현성)을 알고 있다.
• 이전 주차 산출물을 준비했다.

3) 배경지식 강의 (25분)

주차 앵커

• LLM 한계/환각/검증 습관/데이터 동의 거부

핵심 설명

• LLM은 정답기가 아니라 확률 기반 생성기다.
• 환각은 고장이라기보다 모델 특성이다.
• 검증 루틴(출처, 반례, 재현성)이 실무 안전장치다.
• 데이터 재사용 동의는 기본값 거부로 설정한다.

오해/반례

• 오해: “한 번 잘 나오면 계속 잘 나온다.”
• 반례: 입력 맥락이 바뀌면 품질이 급락할 수 있다.
• 대응: 목표/형식/제약/검증 항목을 함께 명시한다.

4) 강사 데모 (15분)

• 데모 주제: 요약/표/체크리스트 즉시 성공 3종
• 데모 입력: 실제 업무/생활형 샘플 데이터
• 데모 출력: 실행 가능한 결과물 1개
• 데모 중 체크: 결과의 사실성/형식 준수/설명 가능성

5) 핸즈온 (50분)

실습 과제

• 동일 질문을 2개 모델에 입력하고 차이와 검증 결과를 기록

성공 기준

• 15분 내 동작 결과 1개 생성
• 출력 형식 준수
• 검증 로그 1건 이상 작성

실패 신호

• 결과가 모호하고 실행 항목이 없음
• 형식이 깨짐(표/JSON 누락)
• 사실성 의심인데 검증 근거 없음

복구 절차

1. 목표를 한 문장으로 재정의
2. 출력 형식과 필수 필드 명시
3. 제약 조건 추가(길이/톤/금지)
4. 반례 질문 실행
5. 개선판(v1/v2) 재실행

6) 워크북 확장 (30분)

• 기본: 수업 실습 1회 재현
• 표준: 입력을 바꿔 2회 확장
• 도전: 제약 조건 추가해 품질 개선
• 주차 과제: 개인 적용 3건 + 팀 문제 후보 3개

7) 제출물/평가 루브릭

제출물

• 실습 로그(입력/출력/문제/개선)
• 검증 로그(출처/반례/재현성)
• 주차 워크시트

평가 기준 (100)

8) 다음 주 연결

• Week2에서 프롬프트 구조화와 페르소나 설계로 연결

Week1 추가 필수: 온보딩 안전 설정 5분

아래 항목을 반드시 거부로 설정한다.

• 모델 학습/서비스 향상 데이터 제공 동의
• 대화 기록 제품 개선 사용 동의
• 기타 분석 목적 데이터 제공 동의

민감정보 업로드 금지 원칙을 확인하고 더미 데이터로 실습한다.