서론
안녕하세요.
오늘은 AWS SAA 자격증 취득 교육 및
해커톤 후기를 작성해보고자 합니다!
교육 일정
온라인 사전 교육: 11월 6일 ~ 11월 21일
대면 교육: 11월 15일 ~ 11월 17일 (3일간)
해커톤: 11월 22일 ~ 11월 23일
온라인으로 약 2주 넘는 시간과
오프라인 5일이라는 시간이
정말 알차게 느껴졌던 커리큘럼이었는 데요 !
저는 SAA자격증 취득 목적으로 신청했었지만,
그것 외에도 얻어가는 것이 많았던 좋은 경험이었기에
다음번에 기회가 생긴다면 꼭 다시하고 싶다고
생각했습니다 🥺
그리고 저는 전공자이지만 비전공자가 듣기에도
충분히 이해할 수 있을만큼 쉽게 설명을 해주셨고,
무엇보다 설명이 너무 재밌어서 오프라인 교육때는
오전 10시부터 오후 5시까지라는 일정이었지만
지루하다고 생각한 적이 없는 것 같아요 !
그럼 거두절미하고 어떤 커리큘럼과 교육내용이었기에
이렇게 좋고, 재밌다고 느꼈는 지
상세하게 작성해보겠습니다 !
📖 온라인 사전 교육
먼저 온라인 교육은
Amazon Bedrock Getting Started
AWS Technical Essentials Cloud
Essentials Learning Plan
3가지를 수료하는 것이었는 데요
AWS에서 제공해주는 강의인 만큼
언어의 장벽이 있지 않을까 ? 라는 고민이 들었지만
한국어 번역이 워낙 잘 되어있어서 문제없이 수강 할 수 있었습니다 !
온라인 강의를 들으면서 가장 좋았던 점은
중간중간 문제를 많이 풀 수 있다는 것인데요.
SAA 자격증을 아실 분들은 아시겠지만
덤프 데이터를 많이 풀어봐야하기 때문에
학습을 하면서 미리미리 문제를 풀 수 있다는 과정이 좋았습니다 !
강의 양이 꽤 많기 때문에 온라인 교육은 2주 정도의 시간을 제공 받았지만,
저는 대면 교육 때 한번 더 복기하는 느낌으로 교육을 받고 싶어서
오프라인 교육 전에 모든 강의를 수강했습니다 !
직장인이라 퇴근 후 일주일 동안은 강의를 열심히 들었던 것 같네요 ㅎㅎ
☁️ 대면 교육
대면 교육은 총 3일간 이루어졌습니다.
오전 10시부터 오후 5시까지
수업을 듣기 때문에 집중력이 많이 떨어질까봐 걱정했지만
멘토님의 강의력이 워낙 좋으셔서 너무 재밌게 들었던 것 같습니다!
개인적으로 가장 만족했던 것은
혼자서 지속해서 공부할 수 있도록
정리된 자료를 제공해주신다는 것입니다!
각 파트별로 정리가 되어있는 것 뿐만 아니라
흐름을 이해할 수 있도록
생활 속에서 사용되는 예시를 계속해서 얘기해주시면서
전체적인 흐름을 알 수 있게돼서 자연스럽게 외워졌던 것 같습니다
제 생각엔 정말 비전공자들도 이해할 수 있을 정도로 쉽게쉽게 설명을 해주셨다고 느꼈습니다!
AWS SAA 자격증 준비 중 어려울 것 같다고 생각했던 점 중 하나가
용어가 익숙치 않고, 각각 어떨 때 어떤 것을 써야하는 지 분간이 되지 않는 다는 점이었는 데요.
Classic Architecture부터 차근차근 머릿속에 시나리오가 들어오면서
아 이럴 땐 이런 걸 써야하는 구나
아 이래서 이런 용어를 쓰는구나
이런 흐름이 딱 잡혔던 것 같습니다.
개인적으로 저에게 너무 잘 맞는 교육 방식이었어서
만족도 100000% 였습니다!
💻 실습
이론 -> 실습
이론 내용을 설명 이후엔 바로 실습에 적용할 수 있도록 도와주셨습니다
AWS 쓰면서 가장 무서운 점은,,,,
비용,, 과금,,
이라고 생각하는 데요
NxtCloud 측에서
계정과 권한을 최소한으로 주시기 때문에
부담없는 실습을 진행할 수 있었습니다!
실습을 진행하면서도 모두 따라올 수 있도록 멘토분들께서
한명 한명 전부 봐주셨기 때문에
잘 따라갈 수 있었던 것 같습니다 ㅎㅎ
아무튼 이렇게
요약본 제공 > 이론 교육 > 실습 교육의 흐름으로 진행하게 되면서
AWS SAA 자격증 취득 뿐만 아니라
AWS 자체 이해도가 높아질 수 있었던 기회 같습니다
실제 실습도 EC2, Cloud9, S3 등등
3일이라는 짧은 시간안에 직접 배포도
해보면서 알찬 경험을 얻을 수 있지 않았나 싶습니다 ㅎㅎ
해커톤
해커톤 일정은 오후 6시부터 다음날 12시까지 진행되었습니다!
저희 팀은 사전에 통성명도 못한 지라,,,,
정말 당일에 만나서 브레인스토밍부터 설계 개발까지 진행했었는 데요!
짧은 시간 안에 결과물을 도출하는 경험이 떨리기도 하면서
처음 보는 분들과 의견을 나누면서 점차 틀이 잡혀나가는 모습이 즐거웠던 것 같습니다!
사실은 우여곡절의 시작...
저희 팀은 새벽 2시 30분부터 개발을 시작했는 데요 🤣
기존에 제시했던 아이디어에 대해
멘토분들께 피드백을 받고 갈아엎었습니다 !!!!
9시간밖에 남지 않았던 12시에,,, 피드백을 받고
팀원분들과 정말 눈물날 뻔 했지만,,, 과감한 선택을 했어요,,,
멘토분들께서 HCI 관점에서 보는 법,,
시장성에 대한 내용에 대해서 알려주셨고,
사실 전 머리를 탁! 치는 것 같았어요
틀린 말씀이 없었습니다 !!
전 개발자이면서 사용자이기도 했습니다
내가 사용자라면 이걸 사용할까?
잠깐 깔았다가 불편하면 지우지 않을까?
장기적으로 봤을 때 좋은 프로젝트인가? 확장성?
"좋은 서비스"
라는 것에 대해서 다시한번 생각해보는 계기가 된 것 같습니다.
정말 좋은 서비스는
좋은 기술이 들어간 서비스도 있겠지만
지속적으로 사용자가 만족하고 사용할 수 있는 서비스라고 생각이 듭니다.
당장은 허술하더라도 지속성이 있다는 것....
사실 아리송하기도 하지만
개발자로서 누군가가 시키는 것만 하는 코더가 되기보단
더 나은 개발자가 되기 위해 고민해야 할 거리를 얻은 시간이었습니다
무튼 그렇게 다시 아이디어를 생각하고 개발을 시작한 시각이 2시 30분 ....
그래도 저희는 해냈습니다 !
테크렌즈 (RAG)
문제 정의
- 특허 문서는 전문 용어·회로 구조·물리·화학 개념으로 너무 어렵다
- 일반 개발자·스타트업은 내용을 이해하기 힘듦
- 내 아이디어가 기존 특허와 충돌하는지 판단 불가능
- KIPRIS는 검색만 가능, “분석 기능”이 없다
- 특허 데이터는 전문가 영역이라 비전문가 접근 장벽이 매우 높음
해결할려는 것
- 특허 초록/내용을 AI가 이해하기 쉬운 언어로 요약
- 내 기술과 유사한 특허를 보여주고
- 기술 판단에 필요한 의사결정 속도 + 정확도를 극적으로 향상
핵심 기능 플로우
✔ 입력: 아이디어 한 문장 또는 기술 설명
예)
스마트폰 카메라로 실시간 객체 인식하는 AI 기술을 만들고 싶어요.✔ Step 1 — AI가 “검색용 키워드” 자동 생성
사용자가 기술 용어를 모른다는 가정
AI가 아래처럼 키워드를 확장함:
- 객체 인식(Object Detection)
- 온디바이스 AI
- 실시간 카메라 분석
- 이미지 인식 모델
- 모바일 프로세싱 최적화
→ 이 키워드 조합으로 KIPRIS API 검색
→ 검색 결과 20~100개 확보
✔ Step 2 — KIPRIS 특허 abstract와 사용자 아이디어 embedding 비교
Top5 가장 유사한 특허 자동 매칭
예)
[
{ title: "모바일 객체 인식 장치", similarity: 0.87 },
{ title: "이미지 분류 딥러닝 가속 처리기", similarity: 0.82 },
...
]
✔ Step 3 — 각 특허별 “왜 유사한지” 3줄 요약
예:
1) 모바일 카메라로 실시간 분석 기능을 수행
2) 딥러닝 기반 객체 분류 모델을 적용
3) 모바일 AP(SoC)에서 저전력 추론 수행
→ “왜 유사한지”를 AI가 해석해서 3줄로 설명
리스트업이 아닌 ‘AI 분석’이 되는 포인트
✔ Step 4 — 5개의 유사 특허 내용을 AI로 다시 하나로 종합 요약
자연스럽게 기술 동향 요약 + 트렌드 분석
예)
5개의 특허는 모두 '모바일 환경에서 실시간 객체 인식'을 목표로 하며,
저전력 추론, AP 최적화, 딥러닝 기반 이미지 분류가 공통 기술 요소입니다.
최근 3년간 모바일 AI 처리 기술이 폭발적으로 증가하는 추세입니다.
= 이 서비스의 최소 핵심 가치 “AI가 기술 트렌드까지 요약해준다.”
✔ Step 5 — 내 아이디어 기반으로 “AI 기술 포지션” 분석
예:
당신의 아이디어는 Top5 특허 중 4개와 유사하며,
사용된 기술의 문제 해결 방식이 대부분 일치합니다.
Similarity Score: 0.81 (높음)
→ 유사한 특허가 존재할 가능성이 큼
→ 회피 설계가 필요할 수 있습니다.
✔ Step 6 — 내 아이디어의 기술적 성격을 AI가 설명
예:
해당 아이디어는 '온디바이스 실시간 객체 인식' 기술로,
딥러닝 추론 최적화와 모바일 카메라 센서 데이터 처리 기술에 속합니다.내 아이디어의 ‘정체성(정의)’을 자동으로 요약해주는 기능
회고
저희의 해커톤 아이디어의 전체 정의와 플로우는 위와 같습니다 !
저는 여기서 RAG 구축과 배포를 맡았습니다
아쉬움이 남는 건 시간이 촉박하여 바이브 코딩으로 진행하면서
프롬프트 CoT 구조를 좀 더 명확하게 해주지 못한 점과
kipris API에서 가져오는 중복 데이터를 Qdrant 그대로 적재했다는 점
초기 설계를 탄탄하게 들어갔다면
시간 안에 해결 할 수 있을 문제들 같아서 아쉬움이 남습니다 ㅎㅎ
사용자에게 좀 더 편리하고 명확한 정보를 제공해주기 위한 팀원분의 좋은 아이디어를
더 면밀하게 개발하지 못한 점이 아쉽지만 더 정진할 수 있을 것 같습니다 !
다음에 참여하게 될 해커톤에선 더 좋은 서비스와 더 좋은 설계를
탄탄하게 가지고 갈 수 있을 거라는 저의 발전성을 믿습니다
마무리
NtxCloud 측과 함께한
교육 + 해커톤은 정말 만족도 100000% 입니다!
함께 밤 세워주시면서 멘토링 해주시고
간식이나 식사 등 옆에서 정말 많은 도움을 주신 멘토님들께
교육받는 내내 너무 감사했습니다 ㅠㅠ
그리고 자격증 관련해서 덤프 데이터를 ⭐️1200개나⭐️ 제공해주십니다!!! ,,
(제 주변에 가장 많이 들고 있는 분이 7~800개였어요 ,,,)
정말 공부적으로나 개발적으로나
짧은 시간안에 열정적으로 도와주심에
저또한 열심히 임했던 것 같습니다!
아 그리고 저 비록 해커톤 입상은 못했지만 스탠리 받았어요 ! 다음엔 입상도 해볼게요 !
즐거웠던 NxtCloud와 함께했던 SAA 과정과 해커톤 후기는 여기서 마치겠습니다!
SAA 취득 후 후기로 찾아뵐게요
