AI 프로그래밍 실무 교육을 위한 교육 인프라 구축 방안 = A Strategy for Building Educational Infrastructure for Practical AI Programming Education

국문 초록 (Abstract)

본 연구는 연구 중심의 4년제 대학과 차별화되는 전문대학 및 특성화고의 '실무 중심 AI 프로그래밍 교육(MLOps, sLLM 파인튜닝, RAG 구축 등)'에 최적화된 교육 인프라 구축 방안을 제시한다. 산업계는 자체 데이터와 오픈소스 모델을 결합하는 풀스택 인재를 요구하나, 기존 실습실의 저사양 PC는 고성능 연산이 불가능하고 상용 클라우드는 종량제 과금에 따른 비용 폭증 위험을 안고 있다. 이에 본 연구는 고성능 GPU 서버(NVIDIA RTX 6000 Ada 등)를 온프레미스로 구축하고 컨테이너 가상화(Docker, Kubernetes)로 학생에게 독립된 개발 샌드박스를 할당하는 방안을 분석한다. GPU 메모리를 96GB로 동일 기준으로 로컬 서버와 AWS g5.12xlarge 인스턴스(서울 리전)를 총소유비용(TCO) 모델로 비교한 결과, 손익분기점은 24시간 상시 운영 시 약 4개월, 수업시간 한정 시 약 20~34개월로 가동률이 높을수록 온프레미스의 경제적 우위가 뚜렷하였다. 또한 오픈소스 모델과 상용 API의 품질 및 비용을 함께 고려한 효율적 자원 활용 방안을 함께 검토한다. 결론적으로 본 연구는 예산 효율성을 높이고 학생 장비에 따른 교육 격차를 해소하기 위한 단계적 인프라 구축 방안을 제안하여, 실무형 소프트웨어 인재 양성을 위한 전략적 기반을 제공한다.