월 300달러의 실수
6개월 전, 저는 Coursera Plus에 월 49달러, DataCamp에 월 39달러를 지불했고, Udemy 번들 두 개에 199달러를 썼습니다. 포켓몬 카드 모으듯 자격증을 수집했지만, 막상 하나도 제대로 만들어낼 수 없었죠.
그러다 모든 것을 바꾼 것을 발견했습니다. 실제로 AI를 만드는 기업들 - Google, Anthropic, OpenAI - 이 자사의 교육을 무료로 제공하기 시작한 겁니다. 수박 겉핥기식 소개 영상이 아니었어요. 자격증이 포함된 본격적인 강좌였습니다. 한편 GitHub에는 제가 돈 내고 들었던 어떤 강의보다도 잘 가르치는 저장소들이 95,000개 이상의 별점을 받고 있었습니다.
저는 모든 구독을 취소했습니다. 아침 루틴을 관리하는 AI 에이전트를 직접 만들었습니다. 그리고 그 모든 것을 0원으로 해냈습니다.
이 글은 제가 처음 시작할 때 있었으면 싶었던 정확한 시스템입니다. 링크 목록이 아닙니다. "절대 열어보지 않을 30가지 리소스"도 아닙니다. 이것은 단계별 경로입니다: 이것을 먼저 하고, 그 다음 이것을 하고, 그 다음 이것을 만드세요. 순서대로 따라오세요. 14주 안에, 당신은 제로에서 출발해 실제 AI 시스템을 배포하게 될 겁니다.
이 가이드 활용법
규칙 1: 건너뛰지 마세요. 3단계는 2단계를 마쳤다고 가정합니다. 그래디언트를 이해하지 않고 LLM으로 뛰어들면, 이해하지 못하는 코드를 복사하게 됩니다.
규칙 2: 필기를 하세요. 저는 Obsidian(무료, 로컬, 마크다운)을 사용합니다. 매 세션 후에 세 가지를 적어두세요: 배운 것, 놀라웠던 것, 아직 명확하지 않은 것. 이것은 필수입니다.
규칙 3: 모든 단계에서 직접 만들어보세요. 각 단계는 체크포인트로 끝납니다. 해낼 수 없다면, 다시 돌아가세요.
시작하기 전에 Obsidian에 이 폴더 구조를 만드세요:
1단계: 환경 설정하기 (1일차)
무엇을 배우기 전에, 도구를 먼저 설정하세요. 저녁 한 번이면 됩니다. 지나치게 고민하지 마세요.
도구 설치하기
- Python 3.11+ - python.org/downloads. "Add to PATH"를 체크하세요.
- VS Code - code.visualstudio.com. Python 확장 프로그램을 설치하세요.
- Git + GitHub - github.com. 저장소 포크와 프로젝트 저장용.
- Obsidian - obsidian.md. 위의 폴더 구조를 만드세요.
- Ollama - ollama.com. 로컬에서 모델 실행용. 지금 설치하고, 4단계부터 사용하게 됩니다.
무료 계정 만들기
- Anthropic Academy - anthropic.skilljar.com. 자격증 포함 무료 강좌 16개. 2026년 가장 과소평가된 AI 학습 플랫폼입니다.
- OpenAI Academy - academy.openai.com. 무료 워크숍, 튜토리얼, AI Foundations 과정.
- Google AI - grow.google/ai. Google AI Professional Certificate — 7개 모듈, Coursera 수강 감사 모드로 무료.
- Coursera - coursera.org. 수강 감사 모드 = 무료. IBM ML Certificate 및 Google 과정용.
Coursera 수강 감사 모드
Coursera에서 결제를 요구하면, 하단의 작은 "Audit this course" 링크를 찾으세요. 모든 동영상과 자료에 무료로 완전히 접근할 수 있습니다. Coursera 자격증은 없지만, 대신 Anthropic, OpenAI, Google에서 직접 자격증을 받게 됩니다.
체크포인트:
Python + VS Code + Ollama 설치 완료. GitHub 계정 생성 완료. Obsidian 볼트 준비 완료. Anthropic Academy, OpenAI Academy, Google AI, Coursera 계정 생성 완료.
2단계: AI 기초 - 무엇을 만드는지 이해하기 (1~2주차)
2026년에 이것이 중요한 이유:
AI 리터러시는 이제 채용 필터입니다. 2025년 WEF 분석에 따르면, AI 리터러시를 갖춘 근로자는 15~22%의 급여 프리미엄을 누립니다. 기초를 이해하면 지원자의 90%보다 앞서게 됩니다.
1주차: 큰 그림 보기
먼저 → Google AI Professional Certificate (모듈 1~3)
grow.google/ai-professional - 가장 쉬운 입문 과정입니다. 코드 없음. 다루는 내용: AI란 무엇인가, AI로 브레인스토밍하기, AI로 연구하기. 용어를 익힐 수 있습니다.
그 다음 → Anthropic Academy: AI Fluency: Framework & Foundations
anthropic.skilljar.com - 4D AI Fluency Framework. 대학 교수진과 공동 개발. 2~3시간 소요. 2026년 현재 어디서든 찾을 수 있는 최고의 입문 과정 중 하나이며, 자격증은 LinkedIn에서 정말 좋아 보입니다 - Claude를 만든 회사인 Anthropic에서 발급하기 때문입니다.
2주차: 첫 코드 + 첫 개념
그 다음 → microsoft/generative-ai-for-beginners (레슨 1~6)
github.com/microsoft/generative-ai-for-beginners - 95,000개 이상의 별점. 21개 레슨. 이 저장소를 포크하고 레슨 1~6을 진행하세요: GenAI란 무엇인가, LLM의 작동 방식, 프롬프트 사용법, 첫 채팅 앱 만들기.
체크포인트:
LLM, 토큰, 트랜스포머를 자신의 언어로 설명할 수 있습니다. 첫 번째 Jupyter 노트북을 실행했습니다. Obsidian에 4~6개의 노트가 있습니다.
3단계: ML 기초 - 마법 뒤의 수학 배우기 (3~5주차)
2026년에 이것이 중요한 이유:
ML 기초는 튜토리얼을 따라 하는 사람과 모델을 디버깅하는 사람을 가르는 기준입니다. 기업들은 API를 호출하는 방법만 아는 엔지니어가 아니라, 모델이 왜 성능이 떨어지는지 이해하는 엔지니어에게 15만 달러 이상을 지불합니다.
주요 과정: microsoft/ML-For-Beginners
github.com/microsoft/ML-For-Beginners - 44,900개 이상의 별점. 12주 커리큘럼: 회귀, 분류, 클러스터링, NLP 기초. 퀴즈, 노트북, 과제 포함. 하루 2개 레슨으로 3주에 압축합니다.
병행 과정: Coursera의 IBM Machine Learning
coursera.org/professional-certificates/ibm-machine-learning - 수강 감사 모드 무료. 더 전통적인 비디오 형식. Microsoft 저장소와 함께 사용하세요 — 같은 주제를 두 가지 각도로 보면 더 잘 기억됩니다.
수학 참고 자료: mlabonne/llm-course (기초)
github.com/mlabonne/llm-course — 40K개 이상의 별점. 첫 번째 섹션: 선형대수학, 미적분학, 확률론. ML과 관련된 수학만 다룹니다. 낯선 내용을 만날 때마다 참고하세요.
5주차 프로젝트: Microsoft 저장소에서 데이터셋 하나를 고르세요. 처음부터 직접 분류 모델을 만드세요. GitHub에 푸시하세요.
체크포인트:
회귀, 분류, 클러스터링, 그래디언트 디센트, 손실 함수, 과적합을 이해합니다. 실제 데이터로 모델을 훈련시켰습니다. GitHub에 프로젝트가 하나 있습니다.
4단계: 딥러닝 & 신경망 - 처음부터 직접 만들기 (6~8주차)
주요 과정: karpathy/nn-zero-to-hero
karpathy.ai/zero-to-hero.html (동영상) + github.com/karpathy/nn-zero-to-hero (코드)
Andrej Karpathy, 전 Tesla AI 디렉터이자 OpenAI 공동 창업자. 그는 신경망을 완전히 처음부터 만듭니다 — 프레임워크 없이, Python과 수학만으로. 여러분이 만들 것: micrograd, makemore, nanoGPT.
- 6주차: 강의 1~3 (micrograd + makemore). 함께 코딩하세요. 멈추고, 모든 줄을 입력하고, 실행하고, 망가뜨려보세요.
- 7주차: 강의 4~5 (활성화 함수, BatchNorm, 역전파). 밀도가 높습니다 - 하루에 한 강의. 상세한 노트를 작성하세요.
- 8주차: 강의 6~7 (GPT를 처음부터 만들기 + 토큰화). 보상: 트랜스포머를 직접 만듭니다.
Ollama로 병행 실험:
nanoGPT를 만드는 동안, 다른 터미널에서 ollama run llama3.2:3b를 실행하세요. 여러분의 "장난감" 모델 출력을 실제 30억 파라미터 모델과 비교해보세요. 이는 "이론을 이해한다"와 "로컬에서 모델을 실행할 수 있다" 사이의 간극을 메워줍니다. 30억 개의 파라미터와 여러분의 1000만 개 파라미터가 출력 품질에 어떤 차이를 만드는지 보는 것은 놀라운 경험입니다.
보충 자료: microsoft/AI-For-Beginners (딥러닝)
github.com/microsoft/AI-For-Beginners - 7~12주차: CNN, RNN. 특히 컴퓨터 비전 분야에서 Karpathy의 내용을 확장합니다.
API로의 연결: Anthropic Academy - Building with the Claude API
anthropic.skilljar.com - 이제 모델을 내부에서 이해했으니, API를 통해 사용하는 방법을 배우세요. 인증, 시스템 프롬프트, 도구 사용, 스트리밍을 다룹니다. 이론에서 제품으로 가는 다리입니다.
체크포인트:
신경망을 처음부터 직접 만들었습니다. 역전파, 어텐션, 트랜스포머를 이해합니다. GPT가 어떻게 작동하는지 설명할 수 있습니다. Ollama로 로컬에서 모델을 실행할 수 있습니다. Claude API를 알고 있습니다.
5단계: LLM & 프롬프트 엔지니어링 - 실제 모델로 작업하기 (9~10주차)
심층 학습: mlabonne/llm-course (LLM Scientist Track)
github.com/mlabonne/llm-course - 가장 포괄적인 무료 LLM 커리큘럼입니다. 모든 주제에 Colab 노트북 제공.
- LLM 아키텍처 - Karpathy로 만든 내용과 연결됩니다
- 파인튜닝 (LoRA, QLoRA) - 특정 작업에 맞게 모델 커스터마이징
- 양자화 - 로컬에서 모델 실행 (Ollama 설정과 연결)
- 평가 - 모델이 실제로 좋은지 측정
프롬프트 엔지니어링
OpenAI Academy: academy.openai.com/public/content - "Intro to Prompt Engineering"과 "ChatGPT for any role"을 ChatGPT를 만든 팀이 직접 제공합니다.
Anthropic Prompt Engineering: docs.anthropic.com - 인터넷에서 가장 잘 쓰인 프롬프트 엔지니어링 가이드라고 할 만합니다. 강좌가 아니라 — 매우 상세한 레퍼런스입니다.
계속: microsoft/generative-ai-for-beginners (레슨 7~21)
돌아가서 레슨 7~21을 마저 완료하세요. 깊은 지식을 갖춘 상태에서, 이 고급 레슨들이 더 잘 이해됩니다: RAG, 함수 호출, 디자인 패턴, 파인튜닝.
10주차 프로젝트: Obsidian 노트 위에 RAG 구축하기
ChromaDB 또는 LanceDB(둘 다 무료, 둘 다 로컬)를 사용하여 AI 학습 볼트를 인덱싱하세요. 배운 모든 것에 대한 질문에 답하는 도구를 만드세요. 말 그대로 두 번째 뇌 위에 두 번째 뇌를 구축하는 것입니다. GitHub에 푸시하세요.
6단계: AI 에이전트 - 실제 무언가 만들기 (11~12주차)
주요 과정: microsoft/ai-agents-for-beginners
github.com/microsoft/ai-agents-for-beginners - 12개 레슨: 도구 사용, 메모리, 멀티 에이전트 시스템, 오케스트레이션.
심층 학습: Anthropic Academy - MCP Courses
anthropic.skilljar.com - "Introduction to Model Context Protocol" + "MCP: Advanced Topics." MCP는 AI를 외부 도구에 연결하기 위한 Anthropic의 개방형 표준입니다 — 2026년 에이전트 도구 사용의 표준입니다. 이 과정들은 MCP 서버와 클라이언트를 처음부터 구축하는 방법을 가르칩니다.
프레임워크: LangGraph (by LangChain)
무료 Colab 노트북에서 LangGraph에 2~3세션을 투자하세요. 상태 저장, 다단계 에이전트 워크플로우를 구축하기 위한 가장 인기 있는 프레임워크입니다. Anthropic MCP 접근 방식을 보완합니다 — LangGraph는 오케스트레이션용, MCP는 도구 연결용입니다.
보너스: Anthropic Cookbook
docs.anthropic.com/en/docs/about-claude/use-case-guides - 도구 사용과 MCP 패턴의 최고의 실제 사례입니다. 사례 연구처럼 공부하세요.
최종 에이전트 프로젝트:
MCP + Claude를 사용하여 로컬 파일과 작업하는 에이전트를 만드세요. 예시: Obsidian 볼트를 읽고, 공부 중인 주제에 대한 웹 업데이트를 확인하고, Telegram으로 일일 요약을 생성하는 에이전트. 아키텍처는 제 글 "I Built an AI Agent That Manages My Life"를 참조하세요.
체크포인트:
MCP로 작동하는 AI 에이전트를 만들었습니다. 에이전트 아키텍처, 도구 사용, 다단계 워크플로우를 이해합니다. 포트폴리오가 성장합니다.
7단계: 프로덕션, 포트폴리오 & 책임 있는 AI (13~14주차)
배포 (모두 무료)
가장 좋은 프로젝트를 가져와 배포하세요:
- Gradio + Hugging Face Spaces - ML 데모를 공유하는 가장 빠른 방법. 무료 호스팅.
- Streamlit Community Cloud - 데이터 중심 앱용. 무료 티어.
- Vercel - 웹 기반 AI 도구용. 무료 티어.
모델 평가하기
평가 없는 배포된 모델은 책임입니다. 품질을 측정하는 방법을 배우세요:
- DeepEval - LLM 평가를 위한 오픈소스 프레임워크.
- RAGAS - 특히 RAG 파이프라인 평가용 (5단계의 Obsidian RAG).
- LLM-as-Judge - 하나의 LLM을 사용하여 다른 LLM의 출력을 평가. Claude가 이에 탁월합니다.
책임 있는 AI & 안전
여기서 90%의 무료 가이드가 실패합니다. 만드는 방법은 가르치지만, 책임감 있게 만드는 방법은 가르치지 않습니다.
- Constitutional AI - 현대 모델이 어떻게 정렬되는지 이해. Anthropic의 핵심 접근 방식.
- 프롬프트 인젝션 방어 - 적대적 입력으로부터 앱을 보호하는 방법.
- 레드팀 테스트 - 사용자가 하기 전에 자신의 시스템을 스트레스 테스트하는 방법.
리소스: Anthropic의 공식 안전 가이드 + Anthropic Academy의 Responsible AI 과정.
포트폴리오 & 커리어
GitHub 프로필이 AI 분야에서 여러분의 이력서입니다. 효과적으로 만드는 방법:
- GitHub README - 전문적인 프로필 README + 아키텍처 다이어그램과 라이브 데모 링크가 포함된 프로젝트 README.
- LinkedIn 사례 - 프로젝트에 대한 2~3개의 짧은 사례 연구를 작성하세요. 어떤 문제, 무엇을 만들었는지, 무엇을 배웠는지.
- 커리어 트랙 - 주니어 AI 엔지니어 ($80~120K) → 프롬프트/에이전트 엔지니어 ($120~180K) → AI 제품 엔지니어 ($150~250K).
캡스톤 프로젝트:
여러분의 삶에서 실제 문제를 해결하는 프로덕션급 AI 에이전트를 만드세요. 배포된 상태로. 평가 시스템을 갖추고. 안전 점검을 포함하여. 이것이 고용주에게 보여줄 것입니다. 이것이 트윗할 내용입니다. 이것이 증거입니다.
체크포인트:
배포되고, 평가되고, 안전 점검된 AI 시스템을 갖추었습니다. 전문적인 GitHub 프로필. LinkedIn 사례 연구. 취업 준비 완료.
유지 관리 모드: 최신 상태 유지 방법
AI는 빠르게 움직입니다. 로드맵을 완료한 후에도 앞서 나가기 위한 주간 루틴입니다:
- 월요일: Anthropic, OpenAI, Google의 릴리스 노트 확인. 10분.
- 수요일: arxiv-sanity-lite에서 흥미로운 논문 찾아보기. 초록 1개 읽기. 15분.
- 금요일: Yannic Kilcher 또는 1littlecoder의 새 논문/도구 관련 동영상 1개 시청. 20분.
- 매월: 새 도구나 기술로 작은 프로젝트 하나 만들기. GitHub에 푸시.
총 시간: 주당 약 1시간. 이렇게 하면 AI 실무자 상위 10%에 머물 수 있습니다.
비교표
이 로드맵과 대안들의 정직한 비교:
전체 리소스 목록
무료 강좌 (자격증 포함)
• Anthropic Academy - anthropic.skilljar.com - 16개 강좌, 무료 자격증
• OpenAI Academy - academy.openai.com - 워크숍, 튜토리얼, AI Foundations
• Google AI Professional Certificate - grow.google/ai - 7개 모듈
• Coursera의 IBM ML - 수강 감사 모드 무료 - 전체 ML 자격증
• NVIDIA DLI - developer.nvidia.com/training - GPU & 딥러닝
• DeepLearning.AI - Andrew Ng의 단기 강좌, 특히 "Agentic AI"와 "LangChain for LLM Apps"
GitHub 저장소
• microsoft/generative-ai-for-beginners - 95K★ - 21개 레슨 GenAI
• microsoft/ML-For-Beginners - 45K★ - 12주 클래식 ML
• microsoft/AI-For-Beginners - 35K★ - 24개 레슨 딥러닝 & CV
• karpathy/nn-zero-to-hero - Andrej Karpathy의 처음부터 만드는 신경망
• mlabonne/llm-course - 40K★ - 완전한 LLM 로드맵 + Colab
• microsoft/ai-agents-for-beginners - 12개 레슨 AI 에이전트
• ashishpatel26/500-AI-ML-DL-Projects - 500개 이상의 프로젝트 아이디어
도구 (무료)
• Ollama + Open WebUI - 로컬에서 모델 실행, 자체 호스팅 ChatGPT 대안
• Anthropic Cookbook - docs.anthropic.com - 최고의 도구 사용 및 MCP 예제
• Hugging Face Course (2026) - 특히 Agents 및 Evaluation 섹션
• ChromaDB / LanceDB - RAG 프로젝트용 무료 로컬 벡터 데이터베이스
YouTube (무료)
• Andrej Karpathy - Neural Networks: Zero to Hero
• 3Blue1Brown - 시각화된 신경망 및 선형대수학
• Yannic Kilcher - AI 논문 분석
• 1littlecoder - 최신 AI 도구 및 구현 (2026년 중심)
• Matt Wolfe - AI 뉴스 및 도구 리뷰
오늘 밤 시작하세요
다음 60분 동안 정확히 해야 할 일:
- Obsidian을 설치하고 AI-Learning 볼트를 만드세요. 5분.
- Anthropic Academy에 가입하세요. AI Fluency를 시작하세요. 첫 번째 모듈을 시청하세요. 첫 번째 노트를 작성하세요. 30분.
- GitHub에서 microsoft/generative-ai-for-beginners를 포크하세요. 레슨 1을 열고 읽으세요. 20분.
끝입니다. 세 가지입니다. 오늘 밤.
2026년에 실제로 AI를 배울 사람들은 50개의 글을 북마크하는 사람들이 아닙니다. 터미널을 열고 시작하는 사람들입니다.
저는 이해하지 못하는 코드를 복사-붙여넣기만 가르치는 강좌에 월 300달러를 지불하기 시작했습니다. 오늘날 저는 재미로 AI 에이전트를 만들고, 전체 교육 비용은 0달러였습니다. 리소스는 바로 거기에 있습니다. 유일한 질문은 당신이 시작할지 여부입니다.
텔레그램 구독 부탁드려요 <3 - https://t.me/+y1dBeWEIm_plMGNi
