어떤 교재인가요?
AWS Certified AI Practitioner(AIF-C01)와 AWS Certified Generative AI Developer – Professional(AIP-C01)을 공부하기 위한 비공식 한국어 해설입니다. AWS의 공식 교재·승인·인증이 아니며 시험 합격이나 실무 숙련을 보장하지 않습니다. 공개 시험 가이드에 명시된 개념과 설계 판단을 설명하되, 비공개 실제 시험 문항의 표현이나 출제를 보장하지 않습니다.
이 교재는 학습 본문 96개, 한영 용어 사전, 공식 출처 안내, 학습 목표·자기점검 길잡이, 이 범위 안내로 구성됩니다. 학습 본문은 전체 흐름을 읽는 개요 2개, 심화 3개, 영역별 상세 10개, 개념 비교 1개, 주제별 보충 80개입니다. AIP의 공식 기술 항목 98개는 비교표에서 관련 설명과 추가로 확인할 조건을 찾아볼 수 있습니다. 설명을 읽는 것과 실제 API를 사용하거나 실습으로 익히는 것은 다르므로, 구현 능력은 별도로 연습하고 확인해야 합니다.
학습 목표와 상황형 자기점검은 공식 가이드의 AIF 14개·AIP 20개 과업을 연결합니다. 각 과업에 자체 제작 문제 하나를 두어 10개 영역에서 총 34문항과 정답·오답 해설을 읽을 수 있습니다. 이름만 등장한 부분과 실제 설명, 추가 구현 검증을 구분해 안내합니다.
공식 용어와 설명 표현을 구분합니다
한영 용어 사전은 2026년 9월 25일에 대조한 공개 AWS 한국어·영어 시험 가이드와 서비스 문서를 바탕으로 합니다. 주요 용어는 한국어 뜻과 영어 이름을 함께 익히는 것이 좋습니다. 본문뿐 아니라 따로 읽는 비교표와 문제 해설에도 영문 이름을 함께 제시하며, 같은 문단에서 반복할 때는 짧은 표현을 사용합니다. 공식 자료에서 번역이 여러 가지로 쓰이거나 한국어 이름만으로 개념을 구분하기 어렵다면 영어 정의와 설명을 함께 확인하세요.
정밀도(Precision)와 정확도(Accuracy), 충실도(Faithfulness)와 사실적 정확성(factual accuracy)을 같은 지표로 합치지 않습니다. 설명을 돕는 쉬운 한국어 표현이 공식 기능명이나 API 필드명인 것처럼 제시되지 않도록 구분합니다. Builtin.Faithfulness, CountTokens 같은 기술 식별자는 실제 문서·API를 찾아볼 때 필요하므로 그대로 사용합니다. AIF-C01·AIP-C01은 실제 시험 코드이고 1.5.2 같은 번호는 공식 작업·기술 번호입니다.
현재 확인이 더 필요한 부분
- 강좌 대본 원문 파일은 이 자료에 없습니다. 독립적으로 작성된 학습 설명을 편집한 교재이며, 원본 강좌의 모든 발언·개념·사례가 빠짐없이 반영됐는지 대조하는 감사는 아직 끝나지 않았습니다. 사이트 이전이나 문장 편집의 완료가 그 대조를 대신하지 않습니다.
- 퀴즈·정답·피드백 전체 검토는 완료되지 않았습니다. 이 사이트는 강좌 문제·선택지·정답·피드백을 재현하지 않습니다. 새로 만든 34문항도 공식 문제나 숨겨진 기출이 아닙니다. 공식 준비 페이지는 확인했지만 이번 열람에서 공개 샘플 문제 본문은 확보하지 못했으므로, 실제 샘플의 표현·난도를 검증했다고 주장하지 않습니다.
- 실제 클라우드 실습과 API 실행 검증은 수행되지 않았습니다. 구현 예제의 주의점은 설계 이해를 위한 해설이지 바로 배포 가능한 코드나 실행 성공의 증거가 아닙니다.
- 제품별 구현 조건은 별도 확인이 필요합니다. 모델별 미세 조정·LoRA 호스팅, Strands·Agent Squad 구현, 벡터 엔진 튜닝, CI/CD·하이브리드 배치, 개인정보 보존·삭제, 리전·언어·할당량·가격이 해당합니다. 각 장에서 확인이 필요한 구체 조건을 안내합니다.
- 평가 지표의 모든 변형과 수학적 원리를 다루지는 않습니다. ROUGE·BLEU의 세부 산식·집계 변형, 일부 생성 모델 구조, 공정성 지표의 전체 수학과 법률 적용은 추가 학습 대상입니다. 핵심 원리를 안다고 모든 구현을 검증한 것으로 보지 않습니다.
제품 조건과 예시의 날짜를 확인하세요
기존 제품 설명의 기준은 2026년 9월 20~21일입니다. 용어 대조일이 더 늦더라도 서비스 전체의 현재 사양·가격·모델 지원을 다시 조사한 것은 아닙니다. 배포·구매·시험 예약 전 공식 문서와 지원표를 확인하세요. 특히 과거 제품의 개요나 시험 자료에 서비스 이름이 등장해도 현재 신규 고객이 이용할 수 있다는 보장은 없습니다.
계산 예제, 가상 고객사, 시간·토큰·임계값은 해당 상황을 설명하는 값입니다. 현재 AWS의 공통 기본값·상한·권장값이나 실측 성과로 외우지 마세요. 보안·금융·의료·법률 사례 역시 설계 원리를 설명하기 위한 것이며 전문 판단이나 규정 준수 인증을 대신하지 않습니다.
진도 기록과 개인정보
읽기 기록은 이 브라우저의 로컬 저장소(localStorage)에 문서 식별자 목록으로 저장됩니다. 다른 기기·브라우저·계정과 동기화하지 않으며 로그인, 서버 전송, 분석 추적을 추가하지 않았습니다. 주소의 호스트·포트가 달라지면 별도 기록으로 취급될 수 있고, 브라우저 데이터를 지우면 기록이 사라질 수 있습니다. 저장이 차단되면 현재 화면에서만 동작한다는 안내가 표시됩니다. 초기화는 이 학습 섹션의 기록만 지웁니다.
읽기 완료 표시는 사용자의 복습을 돕는 기능이지 성취도·공식 수료·합격 가능성을 측정하는 기능이 아닙니다.
출처·권리와 공개 범위
AWS 및 서비스명은 해당 권리자의 상표이며 공식 문서·강좌의 권리는 해당 권리자에게 있습니다. 링크를 제공한다고 원문 재배포 허가가 생기는 것은 아닙니다. 이 교재에는 긴 원문 인용, 대본 전문, 문제집이나 피드백 원문을 싣지 않습니다. 자체 해설, 필요한 기술 명칭과 공개 사실의 설명을 중심으로 구성했습니다.
수집·작업 기록, 개인 경로, 인증 정보, 세션 링크와 내부 관리 식별자는 학습 본문에 포함하지 않습니다. 공식 출처는 공개 AWS 호스트의 설명 가능한 제목·URL로 안내합니다. 학습용 설명·선택 조건·예외·비교·의미 있는 사례는 단순 요약으로 대체하지 않고 유지하는 것이 편집 원칙입니다.
영역별로 이어 읽기
AI·ML 기초
데이터, 학습, 추론과 서비스 선택에서는 학습 목표·서빙 방식·일반화·평가 지표를 연결합니다.
생성형 AI 기초
생성형 AI의 원리와 활용에서는 토큰·임베딩·생성 구조와 프롬프트·훈련의 차이를 다룹니다.
파운데이션 모델 활용
모델 적응·검색·평가에서는 최신 정보, 행동 조정, 사실성과 근거의 차이를 비교합니다.
책임 있는 AI
책임 있는 AI의 측정과 운영에서는 집단별 오류·설명·사람 검토·권리를 살펴봅니다.
보안과 거버넌스
보안·규정 준수·거버넌스에서는 접근 통제와 데이터 수명, 감사 책임을 구분합니다.
모델·데이터·검색 설계
모델 통합과 데이터 흐름에서는 요구사항부터 검색·프롬프트 관리까지 요청 경로를 설계합니다.
구현과 통합
에이전트·배포·기업 시스템 통합에서는 API 호출이 실제 업무 완료로 이어졌는지 확인하는 방법, 권한 검사, 실패 시 복구 절차를 다룹니다.
안전과 프라이버시
안전·프라이버시·거버넌스에서는 응답을 사용자에게 보여 주거나 도구를 실행하기 전에 무엇을 검사할지 배웁니다. 데이터 보관, 조직의 승인 절차, 공정성 평가도 함께 다룹니다.
비용과 성능
비용·성능·관찰성 최적화에서는 필요한 품질과 안전을 유지하면서 지연·처리량·비용을 비교합니다.
평가와 문제 해결
평가·검증·문제 해결에서는 실패를 숨기지 않는 평가와 단계별 원인 진단을 설명합니다.