패스트캠퍼스 환급챌린지 12일차 미션(2월12일):프롬프트 엔지니어링으로 시작하는 AI/LLM 서비스 개발 강의후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

이번 강의는 OpenAI의 GPT를 활용하여 리뷰의 긍부정을 판단하는 API 및 데모를 구축하는 과정에 대한 실용적인 내용을 담고 있었습니다. 특히 FastAPI, Streamlit, JSON 응답 처리 등 실무에서 바로 적용할 수 있는 기술들을 다룬 점이 인상적이었습니다.

배운 점 & 핵심 인사이트

1. GPT 활용 능력 강화
   • GPT를 활용해 리뷰의 긍/부정을 판단하는 프롬프트 작성법을 배울 수 있었습니다.
   • 다양한 프롬프트 테스트를 통해 보다 정확한 응답을 유도하는 방법을 실습할 수 있었습니다.
2. FastAPI 기반 API 구축
   • 10줄 내외의 코드만으로 API를 빠르게 구축할 수 있는 FastAPI의 강력함을 실감할 수 있었습니다.
   • OpenAI API를 활용하여 실시간으로 요청을 처리하는 방식과 FastAPI의 Request/Response 구조를 익힐 수 있었습니다.
3. JSON 응답 처리 & OpenAI JSON mode 활용
   • OpenAI의 기본 응답이 가변적일 수 있다는 점에서, JSON mode를 활용하여 일관된 데이터 구조를 유지하는 방법을 배울 수 있었습니다.
   • 이를 통해 API 응답을 보다 안정적으로 처리할 수 있는 방안을 실습할 수 있었습니다.
4. Streamlit을 활용한 데모 제작
   • LLM 기반 서비스에서 데모 제공이 중요한 만큼, Streamlit을 사용하여 간단하지만 강력한 데모를 제작하는 방법을 익힐 수 있었습니다.
   • 실제 데이터셋(Naver 영화 리뷰 데이터)을 활용하여 실전과 유사한 환경에서 테스트할 수 있었던 점이 유용했습니다.

좋았던 점

✅ 실습 위주의 강의 구성으로, 직접 API를 만들어 보고 결과를 확인할 수 있어 학습 효과가 뛰어났습니다.
✅ FastAPI, Streamlit 등 최신 기술을 활용한 실무형 강의라 실제 프로젝트에 적용하기 좋은 내용이 많았습니다.
✅ GPT의 JSON 응답 처리를 다룬 점이 인상적이었으며, API 응답을 더 안정적으로 다룰 수 있는 방법을 배울 수 있었습니다.

아쉬웠던 점

🔹 토큰 비용 계산 부분이 조금 더 상세하게 다뤄졌다면 실무 적용 시 API 사용 비용을 예측하는 데 더 유용했을 것 같습니다.
🔹 Streamlit의 성능 최적화 방안이 추가적으로 다뤄졌다면 실제 서비스 운영 시 유용했을 것 같습니다.

 

 

 

① 오늘자 날짜, 공부 시작 시각

② 오늘자 날짜, 공부 종료 시각

③ 클립 1번 수강 인증 사진

④ 클립 2번 수강 인증 사진

⑤ 학습 인증샷 1장 이상 (ex. 필기 촬영, 작업물, 등)

 

https://bit.ly/4gL1f1o