Cert Notes/ 출퇴근 학습 노트
로드맵
KOEN
CLF-C02 · FoundationalCloud Practitioner - Foundational
DVA-C02 · AssociateDeveloper - Associate
SAA-C03 · AssociateSolutions Architect - Associate
SOA-C02 · AssociateCloudOps Engineer - Associate
SAP-C02 · ProfessionalSolutions Architect - Professional
DOP-C02 · ProfessionalDevOps Engineer - Professional
SCS-C03 · SpecialtySecurity - Specialty
MLA-C01 · AssociateMachine Learning Engineer - Associate
AIF-C01 · FoundationalAI Practitioner - Foundational
  • Week 1
    • 1.AI·머신러닝·딥러닝의 관계와 차이
    • 2.학습 유형: 지도·비지도·강화학습
    • 3.ML이 적합한 문제 vs 아닌 문제
    • 4.핵심 용어: 모델·학습·추론·특성·레이블·과적합
    • 5.Week 1 종합: AI/ML 기초 복습
  • Week 2
    • 1.ML 수명주기 개요: 데이터에서 운영까지의 한 바퀴
    • 2.데이터: 정형/비정형, 데이터 분리, 그리고 품질의 힘
    • 3.모델 평가 기초: 정확도·정밀도·재현율과 과적합/과소적합
    • 4.ML 개발에서 사람의 역할: 라벨링, 피드백, 반복 개선
    • 5.Week 2 종합: ML 수명주기와 데이터 한눈에 복습
  • Week 3
    • 1.생성형 AI란 무엇인가: 전통 ML과의 차이, 그리고 파운데이션 모델
    • 2.LLM은 어떻게 작동하나: 토큰, 임베딩, 컨텍스트 윈도우, 추론
    • 3.프롬프트 엔지니어링 기초: 좋은 프롬프트, Zero/Few-shot, 그리고 한계
    • 4.생성형 AI의 한계와 위험: 환각, 편향, 비결정성, 그리고 적합한 사용처
    • 5.Week 3 종합 복습: 생성형 AI 기초 한눈에 묶기
  • Week 4
    • 1.Amazon Bedrock: 파운데이션 모델을 빌려 쓰는 완전관리형 서비스
    • 2.Amazon SageMaker: 직접 ML 모델을 학습하고 배포하는 플랫폼
    • 3.AWS AI 서비스 (1): 이미지·문서·텍스트·음성을 다루는 관리형 API
    • 4.AWS AI 서비스 (2) + Amazon Q: 챗봇·검색·추천·예측과 생성형 비서
    • 5.Week 4 종합: AWS AI/ML 서비스 전체 지도
  • Week 5
    • 1.책임 있는 AI의 원칙: 공정성·편향·투명성·설명가능성·견고성·프라이버시
    • 2.AWS의 책임 있는 AI 도구: SageMaker Clarify, Model Monitor, Bedrock Guardrails, AI Service Cards
    • 3.AI 보안: IAM 최소권한, 데이터 암호화, PII 보호, PrivateLink, 책임 공유 모델
    • 4.데이터 거버넌스와 규정 준수: 데이터 출처·품질, 모델 거버넌스, 감사·로깅, 생성형 AI의 법적·윤리 고려
    • 5.Week 5 종합 복습: 책임 있는 AI·보안·거버넌스를 하나로 묶기
  • Week 6
    • 1.도메인 복습 1: AI/ML 기초 + 생성형 AI 기초 핵심 총정리
    • 2.도메인 복습 2: 파운데이션 모델 응용(AWS AI 서비스) 핵심 총정리
    • 3.도메인 복습 3: 책임 있는 AI + 보안·거버넌스 핵심 총정리
    • 4.전체 모의고사 페이스: 5개 도메인 종합 문제
    • 5.D-Day 마무리: 시험 구성, 키워드→서비스 번역표, 자주 틀리는 함정
DEA-C01 · AssociateData Engineer - Associate
MLS-C01 · SpecialtyMachine Learning - Specialty
합격 후기
← AIF-C01/Week 3/Day 3
AIF-C01· AssociateWeek 3 · Day 3읽기 약 9분

Day 3 - 프롬프트 엔지니어링 기초: 좋은 프롬프트, Zero/Few-shot, 그리고 한계

같은 모델, 같은 질문이라도 "어떻게 묻느냐"에 따라 답의 질이 천차만별이다. "글 좀 써줘"와 "초등학교 4학년이 이해할 수 있게, 5문장으로, 친근한 말투로 광합성을 설명해줘"는 완전히 다른 결과를 낳는다. 이 "모델에게 잘 묻는 기술"이 **프롬프트 엔지니어링(prompt engineering)**이다.

생성형 AI는 모델을 새로 학습시키지 않아도, 프롬프트만 잘 쓰면 원하는 결과의 상당 부분을 얻을 수 있다. 학습·파인튜닝이 비싸고 느린 데 비해, 프롬프트는 즉시·무료로 바꿀 수 있다. 그래서 AIF 시험에서 "가장 빠르고 비용이 적게 드는 개선 방법"을 물으면 프롬프트 엔지니어링이 자주 답이 된다. 오늘은 좋은 프롬프트의 요소, Zero-shot / Few-shot 같은 핵심 기법, 그리고 프롬프트만으로는 넘지 못하는 한계를 본다.

좋은 프롬프트의 구성 요소

좋은 프롬프트는 운이 아니라 구조에서 나온다. 보통 다음 요소들을 명확히 담는다.

요소설명예시
지시(Instruction)무엇을 해야 하는지"다음 리뷰의 감정을 분류하라"
맥락(Context)배경 정보"우리는 가전 쇼핑몰이다"
입력 데이터(Input)처리할 대상"리뷰: '배송이 너무 느렸다'"
출력 형식(Output format)답의 형태"긍정/부정/중립 중 한 단어로만"

여기부터는 Pro 전용입니다

Week 1은 누구나 무료로 볼 수 있어요. Week 2부터의 전체 학습 자료와 모의고사·무제한 복습은 Pro 플랜에서 이용할 수 있습니다.

Pro 알아보기로그인
이전LLM은 어떻게 작동하나: 토큰, 임베딩, 컨텍스트 윈도우, 추론Week 3 · Day 2다음 생성형 AI의 한계와 위험: 환각, 편향, 비결정성, 그리고 적합한 사용처Week 3 · Day 4