컴퓨터 공학 학위는 이제 선택 사항입니다.
하지만 실력은 선택 사항이 아닙니다.
이 문장은 많은 사람들을 화나게 할 것입니다. 그리고 그들 대부분은 4년 동안 많은 돈을 들여 취득한 자격증이 시장에서 조용히 재평가되고 있는 사람들일 것입니다. 그 분노를 이해합니다. 하지만 현실은 변하지 않습니다. 2026년, AI 엔지니어링 직무에 채용하는 기업들은 당신이 어디서 강의를 들었는지가 아니라 무엇을 만들 수 있는지를 보고 있습니다.
컴퓨터 공학 학위가 쓸모없다는 말이 아닙니다. 학위가 있다면 도움이 됩니다. 제 말은 학위가 더 이상 관문이 아니라는 것입니다. 이제 관문은 증명입니다. 작동하는 무언가를 만들 수 있고, 왜 작동하는지 설명할 수 있으며, 실제로 누군가가 볼 수 있는 곳에 배포할 수 있느냐가 전부입니다. 그것이 바로 시험입니다.
다음은 학위 없이 그 시험을 통과하는 완벽한 경로입니다. 동기부여용 잡담도, "그냥 자신을 믿어" 같은 말도 없습니다. 실제 스택을 순서대로, 당신을 채용하게 만드는 정확한 프로젝트들과 이미 노트북에 있는 도구들을 사용해 각 요소를 배우는 정확한 방법을 알려드립니다.
왜 기존의 길은 망가졌는가
전통적인 길은 학위를 받고, 정문을 통해 지원하고, 허락을 기다리라고 말했습니다. 그 길은 자격증이 희소한 것이라고 가정했습니다. 하지만 더 이상 그렇지 않습니다.
실제로 일어난 일은 이것입니다. AI 도구들은 개념을 이해하는 것과 그것으로 구축하는 것 사이의 거리를 좁혔습니다. 10년 전만 해도 아이디어를 작동하는 소프트웨어로 바꾸려면 수년간의 축적된 문법 지식이 필요했습니다. 이제 문법은 가장 싼 부분입니다. 희소한 부분은 무엇을 구축할지, 어떻게 구조화할지, 왜 한 접근 방식이 다른 것보다 나은지 아는 것입니다. 이것들은 판단 능력이며, 판단은 졸업장에서 나오지 않습니다. 무언가를 만들고, 부수고, 다시 만드는 과정에서 나옵니다.
따라서 지금 채용되는 사람들은 가장 인상적인 성적표를 가진 사람들이 아닙니다. 그들은 자신이 만든 것들의 공개적인 흔적을 가진 사람들입니다. 실제 프로젝트로 가득한 GitHub 저장소. 누군가 클릭할 수 있는 데모. 어려운 문제를 어떻게 해결했는지 설명하는 스레드. 그 흔적은 학위보다 더 가치 있습니다. 왜냐하면 그것은 고용주가 실제로 알아야 하는 정확한 것, 즉 당신이 일을 할 수 있는지 여부를 증명하기 때문입니다.
대부분의 사람들이 저지르는 실수는 흔적을 쌓는 대신 준비하는 데 몇 달을 보내는 것입니다. 그들은 하나 더 강의를 듣고, 하나 더 튜토리얼을 보고, 자격이 있다고 느낄 때까지 기다립니다. 그 느낌은 결코 오지 않습니다. 커리큘럼을 끝낸다고 AI 엔지니어가 되는 것이 아닙니다. AI 시스템을 구축함으로써 AI 엔지니어가 됩니다. 처음에는 형편없게, 그다음에는 덜 형편없게, 결국 만든 것들이 실제로 작동할 때까지 말이죠.
2026년 AI 엔지니어의 실제 모습
스택을 배우기 전에 정의를 정확히 하세요. 대부분의 사람들이 잘못된 목표를 조준하고 있기 때문입니다.
AI 엔지니어는 머신러닝 연구자가 아닙니다. 당신은 기초 모델을 처음부터 훈련시키거나 새로운 아키텍처에 대한 논문을 발표하지 않습니다. 그것은 다른 직업이며, 깊은 수학과 일반적으로 고급 학위가 필요합니다.
AI 엔지니어는 이미 존재하는 모델로 구축합니다. Claude, GPT 또는 오픈 모델을 가져와 유용한 작업을 수행하는 시스템에 연결합니다. 데이터에 연결하고, 도구를 제공합니다. 검색, 메모리, 에이전트 루프, 그리고 가드레일을 구축하여 원시 모델을 제품으로 만듭니다. 가장 강력한 구성 요소가 언어 모델인 시스템 구축자입니다.
이 구분이 중요한 이유는 무엇을 실제로 배워야 하는지 알려주기 때문입니다. 이 직무에서 뛰어나기 위해 역전파(backpropagation)를 이해할 필요는 없습니다. 모델에 올바른 컨텍스트를 제공하는 방법, 다단계 작업이 무너지지 않도록 구조화하는 방법, 출력을 검증하는 방법, 그리고 전체를 안정적으로 실행되도록 배포하는 방법을 이해해야 합니다. 이것들은 엔지니어링 기술이며, 그 모든 것은 학위 없이도 배울 수 있습니다.
순서대로 배우는 스택
다음 순서대로 배우세요. 각 단계는 이전 단계 위에 구축됩니다. 건너뛰는 것은 사람들이 가장 흔히 좌초하는 이유입니다. 데이터를 다루기 전에 에이전트를 만들려고 하다가 왜 아무것도 작동하지 않는지 궁금해하기 때문입니다.
1. Python. 함수, 클래스, async. Python 마법사가 될 필요는 없습니다. 코드를 읽고, 스크립트를 작성하고, AI 코딩 어시스턴트가 생성하는 것을 이해할 수 있을 정도로 유창하면 됩니다. Async가 특히 중요한 이유는 대부분의 AI 작업이 API 호출을 기다리는 것을 포함하고, 블로킹 코드는 당신이 구축하는 모든 것을 병목 현상에 빠뜨리기 때문입니다.
2. SQL과 데이터 처리. 거의 모든 실제 AI 애플리케이션은 데이터를 다룹니다. 데이터를 가져오고, 정리하고, 형태를 만들어야 합니다. SQL은 이를 위한 보편적인 언어이며 수십 년 동안 거의 변하지 않았습니다. 즉, 안전하고 영구적인 기술입니다.
3. Git, 커맨드 라인, Linux 기초. 모든 진지한 도구가 존재하는 환경입니다. Claude Code는 터미널에서 실행됩니다. 배포는 Linux 서버에서 이루어집니다. 버전 관리는 작업을 잃지 않고 협업하는 방법입니다. 터미널을 사용할 수 없는 AI 엔지니어를 고용하는 사람은 없습니다.
4. REST API와 LLM API 통합. 여기서 AI 엔지니어링이 실제로 시작됩니다. 모델을 프로그래밍 방식으로 호출하고, 응답을 처리하고, 속도 제한을 관리하고, 오류를 처리하는 방법을 배웁니다. 모든 AI 제품은 근본적으로 잘 구조화된 일련의 API 호출입니다.
5. 임베딩과 벡터 검색. 이것이 기계가 단순히 키워드를 일치시키는 대신 의미를 이해하는 방법입니다. 텍스트를 벡터로 변환하고, 저장하고, 유사성으로 검색합니다. 이것은 모든 검색 시스템의 기초이며, 대부분의 초보자가 건너뛰고 나중에 후회하는 개념입니다.
6. RAG, 처음부터 끝까지 구축. 검색 증강 생성(Retrieval Augmented Generation). 모델이 추측하는 대신 실제 정보로 답변하도록 자체 문서에 대한 접근 권한을 부여합니다. 이것은 현재 응용 AI에서 가장 수요가 많은 기술입니다. 거의 모든 회사가 자체 데이터에 대한 질문에 답변할 수 있는 시스템을 원하기 때문입니다.
7. 에이전트 프레임워크와 도구 사용. 답변하는 모델에서 행동하는 모델로 전환합니다. 도구를 호출하고, 다단계 작업을 실행하며, 실제 작업을 수행합니다. 이것이 최전선이며, 여기서 능숙해지면 여전히 단일 프롬프트만 작성하는 군중과 차별화됩니다.
8. 배포와 기본 MLOps. 노트북에서만 실행되는 프로젝트는 취미입니다. 실제 환경에서 실행되고, 모니터링되며, 안정적으로 유지하는 방법을 알아야 합니다. 이것이 "데모를 만들었어요"와 "제품을 출시했어요"의 차이입니다.
9. AI 개발 도구. Claude Code, Cursor, 그리고 당신을 극적으로 빠르게 만드는 에이전틱 도구들. 이것들을 마스터하는 것은 반칙이 아닙니다. 그것이 실제 업무입니다. AI를 사용하여 더 빠르게 구축할 수 없는 AI 엔지니어는 전동 공구를 거부하는 목수와 같습니다.
실제로 채용되는 3가지 프로젝트
아무도 강의를 수강했다고 채용하지 않습니다. 증거를 보고 채용합니다. 이 세 가지를 구축하면 전체 스택을 다루는 증거를 갖게 됩니다.
프로젝트 1. 자체 데이터를 사용한 RAG 애플리케이션.
실제 문서 모음을 가져오세요. 노트, PDF 세트, 회사의 공개 문서, 무엇이든 좋습니다. 그것들을 수집하고, 임베딩하고, 벡터를 저장하고, 오직 그 데이터에만 기반하여 질문에 답변하는 시스템을 구축하세요. 이 단일 프로젝트는 검색, 임베딩, 청킹, 그리고 환각 방지 능력을 증명합니다. 이것은 당신이 구축할 수 있는 가장 직접적으로 채용 가능한 것입니다. 왜냐하면 그것이 바로 기업들이 원하는 것이기 때문입니다.
프로젝트 2. 도구를 사용하는 AI 에이전트.
답변만 하는 것이 아니라 행동하는 에이전트를 구축하세요. 최소 두 개의 실제 도구(검색 API, 계산기, 파일 작성기, 캘린더)를 호출합니다. 계획하고, 실행하고, 도구가 실패하는 경우를 처리합니다. 이것은 프롬프팅이 아닌 에이전트 설계를 이해한다는 것을 증명하며, 이는 대부분의 초보자가 실제로 시연하지 못하는 기술입니다.
프로젝트 3. 배포된 풀스택 AI 제품.
위 중 하나를 가져와 출시하세요. 실제 인터페이스, 백엔드, 낯선 사람이 방문하여 사용할 수 있는 공개 URL이 있는 곳에 배포하세요. 이것은 고용주가 가장 걱정하는 것, 즉 "내 컴퓨터에서는 작동해요"를 넘어 출시할 수 있다는 것을 증명합니다. 배포된 프로젝트 하나는 이력서에 있는 로컬 프로젝트 열 개보다 가치 있습니다.
세 가지 프로젝트. 풀스택 커버리지. 공개 증거. 이 포트폴리오는 이 특정 직무에서 대부분의 학위를 능가합니다.
각 부분을 실제로 배우는 방법
대부분의 가이드가 생략하는 부분입니다. 이것을 배우기 위해 500달러짜리 강의를 살 필요가 없습니다. 노트북에 최고의 튜터가 이미 있습니다. 모델을 사용하여 모델로 구축하는 데 필요한 기술을 가르치세요.
다음 프롬프트를 사용하여 Claude를 스택의 모든 기술에 대한 구조화된 튜터로 만드세요:
<code-segment id="0" lang="text">
당신은 [SKILL, 예: 임베딩과 벡터 검색]에 대한 나의 코딩 튜터입니다.
저는 AI 엔지니어가 되기 위해 배우고 있으며 컴퓨터 공학 학위가 없습니다.
이론 우선이 아닌 구축 우선 방식으로 가르쳐 주세요.
- 핵심 개념을 평이한 언어로 하나의 구체적인 비유와 함께 설명해 주세요.
- 오늘 당장 실행할 수 있는 가장 작은 작동 코드 예제를 주세요.
- 혼자서 할 수 있는 약간 더 어려운 연습 문제를 하나 주세요.
- 제 시도를 공유하면, 비판하고 시니어 엔지니어가 다르게 했을 점을 지적해 주세요.
저는 읽기보다 만들고 부수면서 배운다고 가정하세요.
다음 단계로 넘어가기 전에 제가 각 단계를 완료할 때까지 기다려 주세요.
</code-segment>
이 단일 프롬프트는 대부분의 유료 강의를 대체합니다. 당신의 수준에 적응하고, 정확한 질문에 답하며, 실제로 이해할 때까지 넘어가지 않습니다.
프로젝트의 경우 Claude Code를 사용하여 뼈대를 만들고 모든 줄을 이해하도록 강제하세요. 맹목적으로 복사하지 마세요. 코드를 생성한 후 다음을 실행하세요:
<code-segment id="1" lang="text">
방금 작성한 코드를 한 줄씩 설명해 주세요.
각 섹션에 대해 무엇을 하는지와 왜 명백한 대안보다
이 접근 방식을 선택했는지 설명해 주세요. 그런 다음 프로덕션에서
가장 깨지기 쉬운 부분과 그것을 어떻게 고칠지 지적해 주세요.
</code-segment>
이것이 인터뷰에서 설명할 수 없는 코드 더미 대신 실제 이해를 구축하는 방법입니다. 인터뷰에서 실패하는 사람들은 설명할 수 없는 프로젝트를 만든 사람들입니다. 그런 사람이 되지 마세요.
학위 없이 채용되는 방법
포트폴리오는 필요하지만 충분하지는 않습니다. 또한 눈에 띄어야 합니다. 아무도 찾을 수 없는 증거를 채용하지 않기 때문입니다.
공개적으로 구축하세요. 구축하는 모든 프로젝트에 대해 글을 쓰세요. 무엇을 만들었는지, 어려운 부분은 무엇이었는지, 어떻게 해결했는지에 대한 스레드. 이것은 두 가지 효과가 있습니다. 누군가 당신의 이름을 검색할 때 나타나는 공개적인 흔적을 만들고, 자신의 작업을 설명할 수 있을 만큼 충분히 이해하도록 강제합니다. 고용주들은 점점 더 구인 게시판이 아니라 공개적인 구축 활동을 통해 엔지니어를 찾고 있습니다.
오픈 소스에 기여하세요. 사용하는 AI 프로젝트를 찾아 무언가를 수정하세요. 버그, 문서 개선, 작은 기능. 실제 프로젝트에 병합된 풀 리퀘스트는 어떤 학위도 줄 수 없는 자격 증명입니다. 그것은 다른 사람의 코드베이스에서 작업할 수 있다는 것을 증명하며, 이것이 실제 업무의 대부분입니다.
요청이 아닌 증거와 함께 직접 연락하세요. "기회를 찾고 있습니다"라고 보내지 마세요. "귀사 제품이 가진 정확한 문제를 해결하는 이것을 만들었습니다. 여기 데모가 있습니다."라고 보내세요. 증거를 첨부하세요. 이것은 일자리를 요청하는 행위 자체에서 기술을 증명하기 때문에 효과적입니다.
다음은 그 아웃리치를 위한 템플릿입니다:
<code-segment id="2" lang="text">
제목: [귀사 제품의 특정 문제]를 해결하는 [무언가]를 만들었습니다
[이름]님 안녕하세요,
[그들의 제품이나 문제에 대한 구체적이고 실제적인 관찰]을 발견했습니다.
이를 해결하는 작동 프로토타입을 만들었습니다: [라이브 데모 링크]
[구체적인 기술적 접근 방식]을 사용했으며, 여기에 코드가 있습니다: [저장소 링크]
저는 다음 역할을 찾고 있는 AI 엔지니어입니다. 이것이 유용하다면,
15분만 시간을 내어 제가 어떻게 제대로 구축할지 설명드리고 싶습니다.
[당신의 이름]
</code-segment>
그 이메일은 증거를 앞세우고 거의 아무것도 요구하지 않기 때문에 효과적입니다. 무시당하는 일반적인 지원서의 정반대입니다.
프리랜서로 들어가세요. 직접 채용이 느리다면 작은 유료 프로젝트를 맡으세요. 지역 비즈니스를 위한 RAG 봇을 구축하세요. 소규모 회사를 위해 무언가를 자동화하세요. 유료 작업, 심지어 아주 작은 유료 작업이라도, 누군가가 그것에 가치를 두고 돈을 지불했기 때문에 가장 강력한 증거입니다. 프로필에 세 개의 작은 유료 프로젝트가 있으면 모든 미래 고용주가 당신을 읽는 방식이 바뀝니다.
기본이 익숙해지면 전문화 선택하기
스택과 세 가지 프로젝트를 마치면 아무도 알려주지 않는 질문이 나타납니다. AI 엔지니어링은 광범위하며, 모든 것에 뛰어나려고 하면 모든 것에서 평범해집니다. 가장 빠르게 채용되는 사람들은 자신의 레인을 선택하는 사람들입니다.
다음은 현재 실제로 채용 중인 레인과 어떤 것이 당신에게 맞는지 아는 방법입니다.
RAG 및 지식 시스템. 프로젝트 1을 가장 좋아했다면, 검색 작업, 청킹, 근거 부여, 이것이 당신의 레인입니다. 내부 문서가 있는 모든 회사는 그 문서에 대해 정확하게 질문에 답변할 수 있는 시스템을 구축할 사람을 원합니다. 이것은 가장 안전하고 수요가 많은 전문화이며 증거를 보여주기가 가장 쉽습니다. 사용 사례가 보편적이기 때문입니다.
에이전틱 시스템. 프로젝트 2가 당신을 흥분시켰다면, 도구 사용, 다단계 실행, 오케스트레이션, 이것이 최전선 레인입니다. 가장 많은 급여를 받고 경쟁이 가장 적습니다. 잘하기가 가장 어렵기 때문입니다. 트레이드오프는 증거를 구축하기가 더 어렵고 필드가 빠르게 움직이므로 계속 배워야 한다는 것입니다.
AI 제품 엔지니어링. 프로젝트 3, 즉 인터페이스, 배포, 실제로 만드는 것에 가장 관심이 많았다면, 당신은 AI를 전문으로 하는 제품 엔지니어입니다. 이 레인은 재치보다 출시를 중시하며, 실제 일자리의 대부분이 여기에 있습니다. 대부분의 회사가 AI 기능을 사용자가 실제로 사용할 수 있는 것으로 전환할 수 있는 사람을 필요로 하기 때문입니다.
가장 인상적으로 들리는 것이 아니라 진정으로 즐겼던 프로젝트를 기준으로 하나를 선택하세요. 즐거움은 무언가에 능숙해지는 지루한 중간 과정에서 살아남는 유일한 연료입니다. 관심에서 선택한 전문화는 실제로 지속할 것입니다. 지위에서 선택한 전문화는 포기할 것입니다.
그런 다음 깊이 들어가세요. 선택한 레인에서 세 개의 프로젝트를 더 구축하세요. 모두에 대해 글을 쓰세요. 누군가 그 특정 것이 필요할 때 당신의 이름이 떠오르는 사람이 되세요. 전문가가 채용됩니다. 일반론자는 걸러집니다.
실제 첫 6개월 업무의 모습
무엇을 목표로 하고 있는지 아는 것이 도움이 됩니다. 튜토리얼이 암시하는 것과 실제 업무는 다르기 때문입니다.
대부분의 시간은 영리한 프롬프트를 작성하는 데 소비되지 않습니다. AI 시스템을 실제로 안정적으로 만드는 비현실적인 작업에 소비될 것입니다. 모델이 이상한 일을 하는 엣지 케이스 처리. 변경 사항이 상황을 개선했는지 악화시켰는지 알려주는 평가(eval) 구축. 시스템이 사용할 수 있는 형태로 데이터 가공. 테스트에서는 작동했지만 프로덕션에서 실패한 에이전트 디버깅.
이것은 학위가 없는 사람에게 좋은 소식입니다. 왜냐하면 그 중 어느 것도 이론적이지 않기 때문입니다. 모두 실제 엔지니어링이며, 행함으로써 배울 수 있고, 정확히 포트폴리오 프로젝트가 이미 훈련시킨 종류의 것입니다. 세 개의 실제 프로젝트를 만들고 고장 났을 때 디버깅한 사람은 이론 시험에서 만점을 받고 아무것도 출시하지 않은 사람보다 이것에 훨씬 더 잘 준비되어 있습니다.
첫 6개월 동안 성공하는 엔지니어는 시스템이 불완전하다는 것과 자신의 일이 그것을 꾸준히 덜 불완전하게 만드는 것이라는 사실에 편안한 사람들입니다. 프로젝트를 제대로 구축하고, 고장 내고, 고쳤다면 이미 그 근육을 가지고 있는 것입니다. 이것이 바로 이 특정 직무에서 구축 우선 경로가 자격증 우선 경로를 이기는 이유입니다.
튜토리얼 지옥. 끝없는 튜토리얼을 보는 것은 진전처럼 느껴집니다. 하지만 그렇지 않습니다. 생산으로 위장한 소비입니다. 규칙은 간단합니다. 배우는 1시간마다 2시간을 구축하세요. 구축하지 않으면 배우는 것이 아니라 그냥 즐기고 있는 것입니다.
준비되었다고 느낄 때까지 기다리기. 준비되었다고 느끼는 날은 오지 않습니다. 성공하는 사람들은 자격이 있다고 느끼기 전에 구축을 시작하고 구축함으로써 자격을 얻습니다. 추한 첫 번째 버전을 출시하세요. 공개적으로 개선하세요.
잘못된 순서로 배우기. 데이터와 API를 다루기 전에 에이전트를 만들려고 하는 것. 스택은 이유가 있어 순서가 정해져 있습니다. 순서를 존중하면 각 조각이 맞물립니다. 건너뛰면 모래 위에 구축하는 것입니다.
아무도 볼 수 없는 프로젝트 구축하기. 비공개 저장소에 잠긴 훌륭한 프로젝트는 당신의 경력에 관해서는 존재하지 않는 것입니다. 모든 것은 공개적으로 출시하세요. 요점은 증거이며, 증거에는 청중이 필요합니다.
설명할 수 없는 코드 복사하기. 인터뷰에서 실패하는 가장 빠른 길입니다. Claude가 작성했다면, 당신의 것이라고 주장하기 전에 이해하세요. 자신의 작업을 설명하는 능력이 전체 시험입니다.
당신의 90일 계획
몇 년이 필요하지 않습니다. 집중된 90일이 필요합니다.
1일부터 30일까지. 기초. Python 유창성, SQL, git, 커맨드 라인, 그리고 모델에 대한 첫 번째 API 호출. 30일까지는 LLM을 프로그래밍 방식으로 호출하고 응답을 처리하는 데 익숙해져야 합니다. 작게 구축하세요. 문서를 요약하는 스크립트. 텍스트 파일에 대한 질문에 답변하는 도구.
31일부터 60일까지. 프로젝트 1과 2. RAG 애플리케이션을 구축하세요. 그런 다음 에이전트를 구축하세요. 완벽을 목표로 하지 마세요. 작동하고 설명 가능한 것을 목표로 하세요. 각각을 완료하면 스레드를 작성하세요. 60일까지 두 개의 실제 프로젝트와 두 개의 공개 게시물이 있습니다.
61일부터 90일까지. 배포하고 가시화하세요. 프로젝트 3을 공개 URL로 출시하세요. 아웃리치를 시작하세요. 하나의 오픈 소스 풀 리퀘스트에 기여하세요. 구축하는 것에 대해 일관되게 게시하세요. 90일까지 포트폴리오, 공개적인 흔적, 그리고 당신을 채용할 수도 있는 사람들과의 활발한 대화가 있습니다.
이것은 환상적인 일정이 아닙니다. 공격적이지만 진지하게 받아들이고 매일 구축하는 사람에게는 현실적입니다. 이 일정에 실패하는 사람들은 구축 대신 준비하는 데 시간을 보내는 사람들입니다.
이것이 지금 통하는 진짜 이유
학위는 항상 대리자(proxy)였습니다. 고용주는 당신이 일을 할 수 있는지 직접 측정할 수 없었기 때문에 자격증을 대신 사용했습니다. 학위는 "이 사람은 아마 어려운 것을 배우고 시작한 것을 끝낼 수 있을 것"이라고 말해주었습니다.
AI 엔지니어링은 그 대리자를 깨뜨렸습니다. 이제 당신은 정확한 기술을 직접 시연할 수 있기 때문입니다. 배포된 RAG 시스템은 능력의 대리자가 아닙니다. 그것은 능력 그 자체이며, 가시화된 것입니다. 실제 것을 보여줄 수 있을 때, 그 대리자는 더 이상 중요하지 않습니다.
그것이 전체 변화입니다. 자격증이 쓸모없어졌다는 것이 아니라 증거를 직접 제공할 수 있게 되었다는 것입니다. 그리고 증거를 사용할 수 있을 때, 그것을 제공하는 사람들은 대리자만 가진 사람들을 이깁니다.
그러니 허락을 기다리는 것을 멈추세요. 준비되기 위해 준비하는 것을 멈추세요. 스택의 첫 번째 기술을 선택하고, Claude를 열고, 오늘 가장 작은 작동하는 것을 구축하세요. 그런 다음 내일 약간 더 큰 것을 구축하세요. 그렇게 90일을 보내면 어떤 학위도 줄 수 없는 것, 즉 실제로 일을 할 수 있다는 증거를 갖게 될 것입니다.
컴퓨터 공학 학위는 이제 선택 사항입니다.
하지만 실력은 선택 사항이 아닙니다.
가서 증거를 구축하세요.
이 글의 모든 프로젝트 뒤에 있는 전체 빌드와 제가 사용하는 정확한 프롬프트 및 스택을 보려면 @cyrilXBT를 팔로우하세요.
