Public CMS Preview
로그인 없이 확인하는 원주 ICT 빅데이터 중급 CMS 프리뷰입니다. AI 역량 진단과 만들고 싶은 업무 도구 설문부터 1일차 Google AI Studio Build, 2일차 Cursor 기반 CRP-LC100 QC 대시보드 실습까지 전체 모듈과 스텝을 보여줍니다.
Modules
21
Steps
89
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
9 steps
Step 1
이론 01 · AI 실무 흐름과 과정 오리엔테이션
유스튜디오 | USLAB AI 팀 | 강사 양승철 pd@ustudio.co.kr
이 Learn 과정은 인쇄용 워크북 합본과 같은 순서로 구성되어 있습니다.
Step 2
이론 01 · AI 실무 흐름과 과정 오리엔테이션
| 시간 | 공식 세션명 | 도구 | 실제 진행 핵심 |
|---|---|---|---|
| 09:00~09:30 | 오리엔테이션 및 과정 소개 | uslab-learn/Form | 사전 진단 결과 확인 · 만들고 싶은 앱 설문 · 한 문장 목표 작성 |
| 09:30~10:30 | 의료·바이오 데이터 리터러시 | AI Studio | 데이터 유형 · 좋은 프롬프트 5요소 · 요구사항 입력/처리/출력 정리 |
| 10:40~12:00 | AI 기반 데이터 분석 기초 | AI Studio Build | 앱① QC 판정 체크리스트 |
| 13:00~14:20 | 생성형 AI 활용 사례 이해 | AI Studio Build | 앱② 시험성적서 요약기 |
| 14:30~15:40 | 프롬프트로 데이터 다루기 | AI Studio Build | 앱③ CAPA 원인분류 또는 개인 앱 아이디어 축소 |
| 15:50~17:20 | 실습: 문서·표 데이터 정리하기 | AI Studio + 이론 | 앱 결과 정리표 마무리 + 배포·서버·API·보안 이론 |
| 17:20~17:50 | Q&A 및 정리 | Cursor 설치 | 회고 + Cursor 설치·로그인 + 2일차 대시보드 티저 |
Step 3
이론 01 · AI 실무 흐름과 과정 오리엔테이션
| 시간 | 공식 세션명 | 도구 | 실제 진행 핵심 |
|---|---|---|---|
| 09:00~09:30 | 전일 리뷰 및 실습 안내 | Cursor | 폴더 열기 · pip install · streamlit run |
| 09:30~10:30 | 바이브코딩 기초 이해 | Cursor | Chat/Agent 차이 · 프로젝트 설명 · CSV 컬럼 의미 파악 |
| 10:40~12:00 | 데이터 분석 프로토타입 기획 | Cursor | 추가 기능 선택 · 입력/처리/출력 설계 · 수정 프롬프트 준비 |
| 13:00~14:20 | 실습: 데이터 분석 기능 만들기 | Cursor Agent | 기능 1개 추가 · 앱 실행 · 오류 메시지로 복구 |
| 14:30~15:40 | 화면 구성 및 시각화 | Cursor | KPI·차트·표·요약 문장 다듬기 |
| 15:50~17:00 | 테스트 및 결과 공유 | Cursor | 실행·데이터 검증(500건/FAIL 43) · 1인 2분 발표 |
| 17:00~17:50 | 정리 및 수료 | - | 2일 회고 · 업무 적용 계획 · 사후 설문 · 수료 |
Step 4
이론 01 · AI 실무 흐름과 과정 오리엔테이션
본 과정의 진단평가, 학습 목표 작성, 단계별 실습은 USLab Learn 플랫폼에서도 진행할 수 있습니다.
| No | 구분 | 제목 |
|---|---|---|
| 01 | 이론 01 | AI 실무 흐름과 과정 오리엔테이션 |
| 02 | 이론 02 | 의료·바이오 데이터 리터러시 |
| 03 | 이론 03 | 좋은 프롬프트 5요소와 4패턴 |
| 04 | 이론 04 | Google AI Studio Build 실습 |
| 05 | 실습 01 | AI Studio Build 기본 사용법 |
| 06 | 실습 02 | QC 판정 체크리스트 앱 만들기 |
| 07 | 실습 03 | 시험성적서 요약 앱 만들기 |
| 08 | 실습 04 | CAPA 원인분류 앱 만들기 |
| 09 | 이론 05 | 생성형 AI 활용 사례와 한계 |
| 10 | 이론 06 | 배포·서버·보안 기초 |
| 11 | 이론 07 | Cursor 온보딩과 개발환경 기초 |
| 12 | 실습 05 | Cursor 온보딩 |
| 13 | 이론 08 | QC 대시보드와 데이터 분석 |
| 14 | 실습 06 | QC 대시보드 Cursor 핸즈온 |
| 15 | 이론 09 | 규제·안전·평가와 수료 후 적용 |
Step 5
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
작년에는 Make, n8n 같은 자동화 도구가 반복 절차를 대신하는 방식이 주목받았습니다. 이후 Cursor, GitHub Copilot 같은 바이브코딩 도구가 “내가 원하는 도구를 직접 만드는” 경험을 열었습니다.
랩온어칩·체외진단 현장은 문서와 데이터가 많지만 전담 개발 인력이 항상 붙어 있지 않습니다. 비개발 실무자가 AI로 작은 도구를 만들 수 있으면 업무 병목을 빠르게 줄일 수 있습니다.
하나의 도구가 모든 것을 해결하지 않습니다. 단계별로 도구를 구분해야 수업 흐름이 자연스럽습니다.
| 단계 | 도구 | 목적 |
|---|---|---|
| 아이디어 확인 | Google AI Studio Build | 말로 앱 시안을 빠르게 확인 |
| 실제 파일 수정 | Cursor | 코드·CSV·설정 파일 기반 프로젝트 수정 |
| 실행 확인 | Python + Streamlit | 데이터 앱을 브라우저에서 확인 |
| 보존·공유 | Git/GitHub | 변경 이력과 배포 준비 |
Step 6
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
개발자가 되는 것이 아니라 AI와 협업해 업무 문제를 작은 도구로 바꾸는 감각을 얻는 것이 목표입니다.
“나는 [데이터/문서]를 입력하면 [결과]를 보여주는 앱을 만들고 싶다.” 이 문장이 2일 동안의 실습 기준입니다.
비개발자 실습은 도구보다 운영 설계가 중요합니다.
Step 7
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
공식 세션명은 그대로 유지하고, 각 세션 안에서 최신 AI 도구 활용 방식으로 운영합니다.
AI는 정답을 대신 내는 도구가 아니라 요구사항을 코드와 문서로 바꿔주는 협업 도구입니다.
> 이 과정의 목표는 개발자가 되는 것이 아닙니다. 내 업무를 AI가 이해할 수 있는 구조로 바꾸고, 작은 도구로 확인하는 법을 배우는 것입니다.
Step 8
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
AI Studio Build로 앱 시안을 최소 1개 이상 만들고, 내 업무 아이디어를 Cursor 실습 명세로 바꿉니다.
실제 CSV 500행이 들어 있는 Streamlit 대시보드를 Cursor로 열고 기능을 하나 이상 추가합니다.
시작 단계에서 내 업무 맥락을 떠올려 봅니다.
Step 9
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
다음 발표자료에서는 의료·바이오 현장의 데이터가 왜 단순 숫자가 아니라 문서·표·기준·판정 맥락인지 설명합니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
6 steps
Step 1
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
의료·바이오 현장의 데이터는 숫자, 문서, 표, 기준, 판정 맥락이 함께 얽혀 있습니다.
AI가 읽기 쉬운 정도는 데이터의 구조화 수준에 따라 달라집니다.
| 유형 | 예시 | AI 처리 난이도 |
|---|---|---|
| 정형 | QC CSV, 장비 로그 | 상대적으로 쉬움 |
| 반정형 | 시험성적서, SDS, CAPA | 구조 추출 필요 |
| 비정형 | 연구노트, 회의록 | 의미 해석 필요 |
랩온어칩 개발은 설계, 실험, 시제품, 검증, 품질, 인허가로 이어지며 단계마다 다른 데이터가 생깁니다.
Step 2
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
문서가 사람에게 익숙하다고 AI에게도 쉬운 것은 아닙니다.
실습 샘플 데이터 패키지는 실제 현장의 문서 범주를 반영합니다.
리서치 자료에서 반복적으로 확인되는 핵심은 데이터 정리의 기본기입니다.
Step 3
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
의료·바이오에서 단위 오류는 단순 표시 문제가 아니라 판단 오류로 이어질 수 있습니다.
문서에 없는 값을 AI가 그럴듯하게 채우는 순간 품질 문서의 신뢰성이 무너집니다.
> 데이터 리터러시는 AI에게 문서를 던지는 능력이 아니라, AI가 읽을 수 있게 책상을 정리해주는 능력이다.
Step 4
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
2일차 실습의 runs.csv는 정형 데이터지만, 의미를 이해하려면 QC 기준과 도메인 맥락이 필요합니다.
시험성적서는 표처럼 보이지만 승인자, 시험환경, 기준, 측정값, 판정이 섞여 있습니다.
CAPA는 원인 확정 문서가 아니라 문제를 정의하고 증거를 모아가는 품질 개선 문서입니다.
Step 5
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
SDS는 국제적으로 16개 섹션 체계를 갖습니다. 교육에서는 모든 섹션보다 업무상 필요한 항목을 안전하게 추출하는 능력이 중요합니다.
내 업무 문서 하나를 골라 AI가 어려워할 부분을 찾아봅니다.
데이터 리터러시를 갖추면 AI에게 시킬 수 있는 일이 명확해집니다.
Step 6
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
데이터를 이해했다고 해서 판단까지 AI에게 넘기는 것은 아닙니다.
이제 내가 고른 문서를 입력·처리·출력으로 나누고, AI Studio Build 요구사항으로 바꿉니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
6 steps
Step 1
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
좋은 프롬프트는 멋진 표현이 아니라 업무 요구사항을 빠뜨리지 않는 구조입니다.
각 요소가 빠질 때 AI 답변의 품질이 크게 흔들립니다.
| 요소 | 질문 | 예시 |
|---|---|---|
| 역할 | 어떤 관점인가? | 의료기기 품질 담당자 보조 |
| 목적 | 왜 하는가? | 출하 전 기준 위반 항목 확인 |
| 입력 | 무엇을 주는가? | 시험성적서 텍스트 |
| 출력 | 어떤 형태인가? | 시험항목/기준/측정값/판정 표 |
| 제약 | 무엇을 금지하나? | 없는 값 추정 금지 |
“이 시험성적서 정리해줘”는 너무 많은 것을 AI가 추측하게 합니다.
Step 2
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
역할, 목적, 출력, 제약이 들어가면 AI가 해야 할 일이 좁아집니다.
문서에서 특정 항목만 표로 뽑는 패턴입니다.
긴 문서를 의사결정용으로 압축하는 패턴입니다.
Step 3
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
여러 문서의 차이와 공통점을 비교하는 패턴입니다.
이슈나 문서를 기준에 따라 묶는 패턴입니다.
각 패턴에는 자주 생기는 실패가 있습니다.
Step 4
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
CAPA에서는 원인을 확정하지 않고 원인 후보와 확인 증거를 정리해야 합니다.
SDS에서는 문서에 없는 안전 정보를 추가하면 안 됩니다.
CSV 분석에서는 컬럼명과 기준을 함께 줘야 합니다.
Step 5
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
AI Studio Build에서는 프롬프트가 곧 앱 명세가 됩니다.
내가 자주 쓰는 나쁜 프롬프트 하나를 5요소 기준으로 고칩니다.
다음 실습에서는 이 구조를 AI Studio Build에 넣어 QC 체크리스트 앱, 시험성적서 요약기, CAPA 분류 앱을 만듭니다.
Step 6
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
6 steps
Step 1
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
AI Studio Build는 아이디어를 빠르게 앱처럼 확인하는 도구입니다. 실제 운영 시스템보다 빠른 시안 제작에 적합합니다.
두 도구는 경쟁 관계가 아니라 단계가 다릅니다.
| 구분 | AI Studio Build | Cursor |
|---|---|---|
| 목적 | 빠른 프로토타입 | 실제 파일 기반 프로젝트 수정 |
| 시작 | 프롬프트 입력 | 폴더 열기 |
| 산출물 | 앱 초안·Preview | 코드·CSV·실행 앱 |
| 한계 | 세밀한 파일 제어 제한 | 환경 설정 필요 |
화면 사용법보다 반복 구조를 먼저 잡아줍니다.
Step 2
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
바로 앱을 만들기보다 입력·출력·기준을 먼저 정리하게 하면 실패가 줄어듭니다.
첫 앱은 기준이 분명한 QC 판정 앱이 좋습니다.
생성된 앱이 그럴듯해 보여도 반드시 테스트 값을 넣어야 합니다.
Step 3
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
수정은 작고 구체적으로 해야 합니다.
두 번째 앱은 문서 텍스트를 표로 바꾸는 경험을 제공합니다.
세 번째 앱은 분류와 확인 질문 생성을 다룹니다.
Step 4
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
앱이 만들어졌다고 실제 업무 시스템이 완성된 것은 아닙니다.
교육에서는 합성·가명 샘플만 사용합니다.
교육용 앱은 작고 분명해야 합니다.
Step 5
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
1일차 결과물은 2일차 Cursor 실습의 요구사항이 됩니다.
앱을 만들고 나면 결과보다 질문을 남깁니다.
이제 AI Studio Builder에서 QC 체크리스트 앱을 만들고, Preview에서 정상값과 실패값을 넣어 검증합니다.
Step 6
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
첫 실습은 코딩이 아니라 앱 아이디어를 빠르게 화면으로 확인하는 경험입니다.
2 steps
Step 1
실습 01 · AI Studio Build 기본 사용법
첫 실습은 코딩이 아니라 앱 아이디어를 빠르게 화면으로 확인하는 경험입니다.
키워드: AI Studio · Build · Preview · 수정 요청
AI Studio Build를 “앱을 말로 설명하고 바로 확인하는 도구”로 이해합니다.
처음부터 멋진 앱을 요구하지 않고 입력·처리·출력만 명확히 씁니다.
| 구성 | 질문 | 예시 |
|---|---|---|
| 목적 | 무엇을 도와주는 앱인가? | QC 기준 위반 여부 확인 |
| 입력 | 사용자가 무엇을 넣나? | 측정값, 기준값, 시험명 |
| 처리 | 어떤 기준으로 판단하나? | 기준 범위 밖이면 FAIL |
| 출력 | 무엇을 보여주나? | PASS/FAIL, 사유, 다음 조치 |
화면을 따라 같은 속도로 진행합니다.
프롬프트 예시
의료기기 QC 담당자가 쓰는 간단한 판정 앱을 만들어줘. 사용자가 시험명, 측정값, 기준 하한, 기준 상한을 입력하면 PASS/FAIL과 사유를 보여줘. 결과는 표와 짧은 설명으로 보여줘.Step 2
실습 01 · AI Studio Build 기본 사용법
첫 실습은 코딩이 아니라 앱 아이디어를 빠르게 화면으로 확인하는 경험입니다.
키워드: AI Studio · Build · Preview · 수정 요청
한 번에 완성하려 하지 말고 작은 수정 요청을 반복합니다.
프롬프트 예시
결과 영역에 PASS/FAIL만 보여주지 말고, 기준 범위와 실제 측정값을 함께 보여줘. FAIL이면 “확인 필요” 배지를 빨간색으로 표시해줘.막히는 이유는 대부분 도구 사용법보다 요구사항이 흐릿해서입니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
QC 지표와 기준값을 앱 흐름으로 바꾸는 첫 도메인 실습입니다.
2 steps
Step 1
실습 02 · QC 판정 체크리스트 앱 만들기
QC 지표와 기준값을 앱 흐름으로 바꾸는 첫 도메인 실습입니다.
키워드: QC · PASS/FAIL · 기준값 · 체크리스트
QC 판정은 AI가 마음대로 판단하는 것이 아니라 사람이 정한 기준을 자동 적용하는 구조입니다.
앱은 업무 판단을 작은 구조로 나눈 결과입니다.
| 구간 | 내용 | 예시 |
|---|---|---|
| 입력 | 측정값과 기준 | CV 6.1%, 기준 ≤ 5.0% |
| 처리 | 기준 위반 여부 계산 | 6.1 > 5.0 |
| 출력 | 판정과 사유 | FAIL: CV 기준 초과 |
| 검토 | 사람의 확인 | 재측정 또는 장비 점검 |
AI Studio Build에서 QC 판정 앱을 만듭니다.
프롬프트 예시
체외진단 의료기기 QC 담당자를 위한 체크리스트 앱을 만들어줘. CV, 회수율, LoD, TAT 값을 입력하면 기준을 넘는 항목을 찾아 PASS/FAIL을 표시해줘. 기준은 CV ≤ 5.0%, 회수율 90~110%, LoD ≤ 0.60 mg/L, TAT ≤ 15분으로 적용해줘.
Step 2
실습 02 · QC 판정 체크리스트 앱 만들기
QC 지표와 기준값을 앱 흐름으로 바꾸는 첫 도메인 실습입니다.
키워드: QC · PASS/FAIL · 기준값 · 체크리스트
실무자가 바로 확인할 수 있도록 FAIL 사유를 구체화합니다.
프롬프트 예시
FAIL 항목마다 “기준”, “실제값”, “확인할 조치”를 3열 표로 보여줘. 조치는 재측정, 장비 점검, 시약 로트 확인 중에서 제안하되 최종 판단은 담당자 확인이라고 표시해줘.앱이 멋져 보이는 것보다 “왜 FAIL인지 설명되는가”가 더 중요합니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
반정형 문서를 항목 추출 표로 바꾸는 실습입니다.
2 steps
Step 1
실습 03 · 시험성적서 요약 앱 만들기
반정형 문서를 항목 추출 표로 바꾸는 실습입니다.
키워드: 시험성적서 · 문서 요약 · 항목 추출 · 표 출력
시험성적서는 그냥 요약하면 위험합니다. 항목, 기준, 측정값, 판정을 분리해 추출해야 합니다.
먼저 문서를 붙여넣으면 표로 정리하는 앱을 만듭니다.
프롬프트 예시
시험성적서 텍스트를 붙여넣으면 시험항목, 기준, 측정값, 판정, 비고를 표로 추출하는 앱을 만들어줘. 없는 값은 추정하지 말고 “원문 확인 필요”라고 표시해줘.문서 요약 결과를 바로 제출하지 않도록 검토 장치를 넣습니다.
프롬프트 예시
표 아래에 “검토 필요 항목” 섹션을 추가해줘. 기준 미달, 측정값 누락, 단위 불명확, 판정 누락을 각각 표시해줘.Step 2
실습 03 · 시험성적서 요약 앱 만들기
반정형 문서를 항목 추출 표로 바꾸는 실습입니다.
키워드: 시험성적서 · 문서 요약 · 항목 추출 · 표 출력
문서 AI에서 가장 위험한 것은 그럴듯한 누락과 추정입니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
품질 이슈 문장을 원인 후보와 조치안으로 정리하는 실습입니다.
2 steps
Step 1
실습 04 · CAPA 원인분류 앱 만들기
품질 이슈 문장을 원인 후보와 조치안으로 정리하는 실습입니다.
키워드: CAPA · Deviation · 원인분류 · 사람 검토
CAPA 앱은 정답 생성기가 아니라 이슈를 구조화하는 보조 도구입니다.
도메인 용어를 앱의 선택지와 출력 구조로 바꿉니다.
| 분류 | 예시 | AI 역할 |
|---|---|---|
| 사람 | 작업자 교육 미흡 | 가능성 후보 제시 |
| 장비 | 캘리브레이션 지연 | 점검 필요 항목 제안 |
| 시약/재료 | 로트 편차 | 확인 질문 생성 |
| 절차 | SOP 불명확 | 문서 개정 후보 제시 |
CAPA 문장을 넣으면 구조화된 초안을 출력하게 합니다.
프롬프트 예시
CAPA/Deviation 보고서 초안 작성을 돕는 앱을 만들어줘. 이슈 설명을 입력하면 원인 후보를 사람, 장비, 시약/재료, 절차, 환경으로 나누고 즉시 조치와 재발 방지 조치 후보를 표로 제안해줘. 최종 판단은 품질 담당자 검토라고 표시해줘.Step 2
실습 04 · CAPA 원인분류 앱 만들기
품질 이슈 문장을 원인 후보와 조치안으로 정리하는 실습입니다.
키워드: CAPA · Deviation · 원인분류 · 사람 검토
AI가 원인을 단정하지 못하게 제약을 넣습니다.
프롬프트 예시
원인을 단정하지 말고 “가능성”, “현재 근거”, “추가 확인 질문”으로 나눠줘. 근거가 부족하면 “근거 부족”이라고 표시해줘.CAPA는 규제·품질 기록으로 이어질 수 있으므로 AI 결과를 공식 기록으로 바로 쓰지 않습니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
5 steps
Step 1
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
AI가 만능이라고 말하면 의료·바이오 실무자는 오히려 불안해합니다. 잘하는 일과 못하는 일을 분명히 나누어야 합니다.
이 구분은 과정 전체에서 계속 적용되는 안전 기준입니다.
| 잘하는 일 | 위험한 일 |
|---|---|
| 요약, 분류, 비교 | 최종 품질 판정 |
| 코드 초안 작성 | 규제 조항 해석 |
| 표 추출, 차트 생성 | 단위·수치 검증 |
| 오류 메시지 설명 | 근거 없는 추론 |
존재하지 않는 용도, 농도, 일반명, 규제 상태를 그럴듯하게 생성할 수 있습니다.
Step 2
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
의료·바이오에서는 단위 오류가 가장 현실적인 위험입니다.
AI는 존재하지 않는 논문, DOI, 저자를 만들어낼 수 있습니다.
전문가도 속을 수 있는 혼성 용어가 만들어질 수 있습니다.
Step 3
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
approved, cleared, registered 같은 용어 차이를 혼동할 수 있습니다.
문서를 붙이면 모든 문제가 해결되는 것은 아닙니다.
AI 출력은 반드시 초안으로 표현합니다.
Step 4
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
CAPA에서는 원인 확정이 아니라 원인 후보와 확인 질문을 생성해야 합니다.
오답을 숨기지 말고 수업에서 보여주면 신뢰가 올라갑니다.
AI 결과는 생성, 검토, 수정, 승인이라는 흐름 안에 둬야 합니다.
Step 5
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
내 업무에서 AI가 잘할 일과 위험한 일을 나눠봅니다.
다음 실습에서는 시험성적서 요약 앱을 만들되, “미기재”, “추정 금지”, “담당자 검토 필요”를 프롬프트에 반드시 넣습니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
5 steps
Step 1
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
프로토타입은 가능성을 보는 것이고 운영 시스템은 사용자, 데이터, 보안, 장애를 감당해야 합니다.
비개발자에게는 용어를 쉬운 비유로 풀어야 합니다.
| 개념 | 쉬운 설명 | 수업 예시 |
|---|---|---|
| Preview | 만든 사람이 미리 보는 임시 화면 | AI Studio 결과 |
| 로컬 실행 | 내 컴퓨터에서만 도는 상태 | streamlit run app.py |
| 서버 | 다른 사람이 접속할 수 있게 켜진 컴퓨터 | Cloud Run 등 |
| 배포 | URL로 접속 가능하게 올리는 일 | Streamlit Cloud |
AI Studio Build는 빠른 시안 확인에 좋지만 운영 시스템의 모든 책임을 대신하지 않습니다.
Step 2
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
2일차 대시보드를 진짜 공유하려면 Streamlit Community Cloud가 가장 쉬운 출발점입니다.
Vercel은 프론트엔드와 Next.js에 강하지만 장시간 실행되는 Streamlit 앱에는 적합하지 않습니다.
API 키는 AI 서비스를 호출하는 비밀번호입니다. 코드에 직접 넣으면 유출 위험이 큽니다.
Step 3
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
의료·바이오 데이터는 외부 AI에 넣기 전에 최소화해야 합니다.
교육에서는 실제 데이터 대신 합성 데이터와 가명화된 문서를 사용합니다.
AI가 만든 초안은 공식 GMP/인허가 기록과 분리해 관리해야 합니다.
Step 4
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
중급에서는 구현보다 체크 관점을 남기는 것이 중요합니다.
AI 사용 가능 여부보다 중요한 것은 사용 목적과 검토 책임입니다.
오늘 만든 앱은 가능성을 보는 프로토타입이고, 실제 업무 적용 전에는 데이터 보안, 검토 책임, 배포 방식을 따로 정해야 합니다.
Step 5
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
1일차 마지막에는 만든 앱 3개를 운영 전 체크리스트로 평가하고, 2일차 Cursor 실습으로 넘어갑니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
6 steps
Step 1
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
프롬프트만 입력하던 1일차와 달리 2일차는 폴더, 파일, 터미널, 실행 결과를 함께 다룹니다.
Cursor는 프로젝트 폴더 전체를 읽고 파일을 직접 수정할 수 있는 AI IDE입니다.
비개발자에게 각 도구의 역할을 한 문장으로 설명합니다.
| 도구 | 오늘의 역할 |
|---|---|
| Python | 대시보드를 실행하는 언어 |
| pip | 필요한 패키지를 설치하는 도구 |
| Streamlit | 데이터 앱을 브라우저로 보여주는 도구 |
| Git | 변경 이력을 확인하는 도구 |
| Cursor | AI와 함께 파일을 수정하는 작업공간 |
Step 2
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
설치 여부는 버전 명령으로 확인합니다.
Git은 코드의 변경 이력을 관리합니다. 오늘은 깊은 GitHub 사용보다 변경 확인 감각을 익힙니다.
Cursor에서 File → Open Folder로 중급-QC대시보드 폴더를 엽니다.
Step 3
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
requirements.txt는 이 앱을 실행하는 데 필요한 부품 목록입니다.
앱은 터미널에서 실행하고 브라우저에서 확인합니다.
오류 메시지는 Cursor에게 다시 지시할 수 있는 자료입니다.
Step 4
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
초보자는 먼저 Chat으로 이해하고, 그 다음 Agent로 수정하는 것이 안전합니다.
파일 기반 프로젝트에서는 기존 기능 유지와 수정 범위 제한이 중요합니다.
AI가 바꾼 내용을 사용자가 확인해야 합니다.
Step 5
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
20명 규모 실습에서는 설치 문제를 완전히 없앨 수 없습니다. 흐름을 멈추지 않는 폴백이 필요합니다.
가장 중요한 첫 성공은 대시보드가 브라우저에서 열리는 순간입니다.
이제 Cursor에게 프로젝트 구조를 설명받고, 작은 기능 하나를 추가할 준비를 합니다.
Step 6
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
2일차 실습을 위한 Python, Git, Cursor 기본 환경을 확인합니다.
2 steps
Step 1
실습 05 · Cursor 온보딩
2일차 실습을 위한 Python, Git, Cursor 기본 환경을 확인합니다.
키워드: Cursor · Python · Git · 터미널 · Streamlit
비개발자에게 Cursor는 “AI가 붙은 파일 작업공간”입니다. 설치 자체보다 실행 흐름을 익히는 것이 중요합니다.
도구 이름에 겁먹지 않도록 역할을 단순화합니다.
| 도구 | 쉬운 설명 | 오늘 하는 일 |
|---|---|---|
| Python | 앱을 실행하는 언어 | Streamlit 실행 |
| pip | 필요한 부품 설치 도구 | requirements 설치 |
| Git | 변경 이력 확인 도구 | 수정 전후 비교 |
| Cursor | AI와 함께 파일을 고치는 작업공간 | app.py 수정 |
설치가 아니라 확인을 중심으로 진행합니다.
터미널 명령어
python --version git --version
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 2
실습 05 · Cursor 온보딩
2일차 실습을 위한 Python, Git, Cursor 기본 환경을 확인합니다.
키워드: Cursor · Python · Git · 터미널 · Streamlit
QC 대시보드 실습 폴더를 Cursor에서 엽니다.
프롬프트 예시
이 프로젝트의 파일 구조와 실행 방법을 비개발자도 이해할 수 있게 설명해줘.환경 이슈는 수업 흐름을 멈추게 만들 수 있으니 체크리스트로 빠르게 분리합니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
6 steps
Step 1
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
대시보드는 예쁜 화면이 아니라 어디를 먼저 봐야 하는지 알려주는 판단 도구입니다.
실습 데이터는 QC 런 로그 500행과 판정 기준 YAML로 구성됩니다.
코드를 몰라도 지표의 업무 의미를 이해하는 것이 중요합니다.
| 지표 | 의미 | 기준 |
|---|---|---|
| CV | 반복 측정 흔들림 | ≤ 5.0% |
| 회수율 | 정확도 | 90~110% |
| LoD | 민감도 | ≤ 0.60 mg/L |
| TAT | 검사 소요 시간 | ≤ 15분 |
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 2
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
전체 평균이 정상이어도 특정 로트나 장비에서 문제가 반복될 수 있습니다.
오늘 필요한 데이터 조작은 필터링, 그룹화, 집계입니다.
Streamlit은 Python 코드로 데이터 앱 화면을 만듭니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 3
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
FAIL만 보기 필터는 처음 적용하기 좋은 기능입니다.
FAIL 사유는 단순 결과를 업무 액션으로 바꿉니다.
KPI 카드는 지금 상태를 한눈에 보여줍니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 4
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
차트는 비교와 추이를 보여줍니다.
표는 최종 근거 확인에 필요합니다. 차트만으로는 담당자가 조치를 결정하기 어렵습니다.
교육용 AI 대시보드에서는 책임 경계를 화면에 남겨야 합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 5
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
현장 실무자는 복잡한 화면보다 빠르게 판단할 수 있는 화면을 원합니다.
의료·바이오 업무 화면에서는 과도한 자동 판단이 위험합니다.
이제 Cursor로 FAIL 필터, FAIL 사유 컬럼, KPI 카드, 차트를 하나씩 추가합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 6
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
실제 샘플 패키지를 실행하고 Cursor로 기능을 하나씩 개선합니다.
3 steps
Step 1
실습 06 · QC 대시보드 Cursor 핸즈온
실제 샘플 패키지를 실행하고 Cursor로 기능을 하나씩 개선합니다.
키워드: Streamlit · QC 대시보드 · CSV · Cursor Agent · 배포
최종 실습은 “AI가 코드를 대신 써준다”가 아니라 “결과를 보고 요구사항을 다시 말한다”입니다.
먼저 기존 앱을 그대로 실행해 기준 화면을 확인합니다.
터미널 명령어
pip install -r requirements.txt streamlit run app.py
코드를 몰라도 데이터 파일이 어떤 의미인지 알아야 수정 요구를 할 수 있습니다.
| 파일 | 역할 | 확인 포인트 |
|---|---|---|
| data/runs.csv | QC 런 로그 500행 | FAIL 43건 포함 |
| data/thresholds.yaml | 판정 기준값 | CV, 회수율, LoD, TAT 기준 |
| app.py | 대시보드 화면과 계산 로직 | Cursor가 수정할 파일 |
| requirements.txt | 필요 패키지 목록 | Streamlit, pandas 등 |
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 2
실습 06 · QC 대시보드 Cursor 핸즈온
실제 샘플 패키지를 실행하고 Cursor로 기능을 하나씩 개선합니다.
키워드: Streamlit · QC 대시보드 · CSV · Cursor Agent · 배포
첫 기능 개선은 가장 실무적인 FAIL 필터입니다.
프롬프트 예시
app.py를 수정해서 FAIL 항목만 볼 수 있는 체크박스 필터를 사이드바에 추가해줘. 체크하면 FAIL 행만 테이블에 보이게 해줘.두 번째 개선은 사람이 바로 이해할 수 있는 설명입니다.
프롬프트 예시
각 행에 fail_reason 컬럼을 추가해줘. CV 초과, 회수율 범위 이탈, LoD 초과, TAT 초과를 각각 기준값과 실제값이 드러나게 한국어 문장으로 표시해줘.실습 마지막에는 만든 기능을 설명하는 한 장짜리 공유 문장을 남깁니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 3
실습 06 · QC 대시보드 Cursor 핸즈온
실제 샘플 패키지를 실행하고 Cursor로 기능을 하나씩 개선합니다.
키워드: Streamlit · QC 대시보드 · CSV · Cursor Agent · 배포
로컬에서만 보던 대시보드를 URL로 공유합니다. 교육용 합성 데이터만 올리고, API 키와 민감정보는 GitHub에 넣지 않습니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 수료 후에도 이어 쓸 산출물을 정리합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
5 steps
Step 1
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
AI는 담당자를 대체하는 도구가 아니라 담당자가 더 빨리 보고, 더 잘 질문하고, 더 일관되게 정리하도록 돕는 도구입니다.
중급에서는 깊은 법규 해석보다 실무자가 기억할 원칙을 남깁니다.
AI가 문서 초안을 만들 수는 있어도 공식 품질기록의 책임은 조직과 담당자에게 남습니다.
Step 2
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
일반 업무 보조 AI와 의료기기 소프트웨어는 목적과 사용 맥락이 다릅니다.
교육 효과는 만족도만으로 설명하기 어렵습니다. 진단, 산출물, 자신감, 사후 적용을 함께 봐야 합니다.
20명 규모에서는 정량과 정성 지표를 함께 씁니다.
| 축 | 측정 예시 |
|---|---|
| 역량 | AI 도구 경험, 프롬프트 자신감 |
| 과정 | 앱 생성 여부, 대시보드 실행 여부 |
| 산출물 | 기능 추가, 결과 공유 카드 |
| 사후 | 업무 적용 시도, 추가 교육 니즈 |
Step 3
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
수료 기준은 출석보다 산출물 중심으로 잡는 것이 좋습니다.
현업 적용은 수업 직후 1주 안에 작은 재현을 해보는 것이 중요합니다.
후속 교육과 협의체 성과 보고를 위해 간단한 추적 질문을 준비합니다.
Step 4
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
중급에서 만든 감각은 고급의 RAG, 배포, 검증, 로드맵으로 이어집니다.
Cursor·AI Studio는 정답을 대신 내는 도구가 아니라 내 요구사항을 코드와 문서로 바꿔주는 협업 도구입니다.
과정이 끝난 뒤에도 혼자 다시 해볼 수 있도록 자료와 링크를 정리합니다.
Step 5
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
AI를 도입한다는 것은 버튼 하나를 누르는 일이 아니라, 업무 기준을 더 명확하게 쓰고 검증 책임을 더 분명히 하는 일입니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
공고문, 평가표, 제안서 초안을 넣고 평가위원별 점수·감점 사유·예상 질문을 생성합니다.
3 steps
Step 1
실습 07 · AI 모의심사단
공고문과 평가표를 기준으로 제안서 초안을 평가하는 가장 단순한 앱을 만듭니다.
AI Studio Build 1단계 프롬프트
총 18줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 28줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 평가표 기준 점수표 만들기 보완 방향: 공고문과 평가표를 기준으로 제안서 초안을 평가하는 가장 단순한 앱을 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-review-panel_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-review-panel_step-01_data.md
Step 2
실습 07 · AI 모의심사단
점수만 내지 않고 감점 사유, 근거 문장, 추가 확인 질문을 분리합니다.
AI Studio Build 1단계 프롬프트
총 15줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 19줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: 감점 사유와 근거 문장 확인하기 보완 방향: 점수만 내지 않고 감점 사유, 근거 문장, 추가 확인 질문을 분리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-review-panel_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-review-panel_step-02_data.md
Step 3
실습 07 · AI 모의심사단
평가위원 3명 관점으로 예상 질문과 수정 우선순위를 정리합니다.
AI Studio Build 1단계 프롬프트
총 17줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 21줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 평가위원별 질문과 수정 우선순위 만들기 보완 방향: 평가위원 3명 관점으로 예상 질문과 수정 우선순위를 정리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-review-panel_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-review-panel_step-03_data.md
공고문과 기관 정보를 비교해 지원 가능성, 부족 조건, 컨소시엄 필요 여부를 진단합니다.
3 steps
Step 1
실습 08 · 공고문 지원 적합도 진단기
공고문 요건과 기관 정보를 비교해 지원 가능성을 3단계로 판정합니다.
AI Studio Build 1단계 프롬프트
총 17줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 22줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 지원 가능성 판정 앱 만들기 보완 방향: 공고문 요건과 기관 정보를 비교해 지원 가능성을 3단계로 판정합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-fit-checker_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-fit-checker_step-01_data.md
Step 2
실습 08 · 공고문 지원 적합도 진단기
필수조건, 가점요소, 제출서류를 분리해 누락 위험을 줄입니다.
AI Studio Build 1단계 프롬프트
# 공고문 지원 적합도 진단기 Step 2 프롬프트 앱을 수정해서 부족 조건과 제출 전 체크리스트를 더 구체적으로 보여줘. 추가 출력: - 필수조건 충족 여부 표 - 가점요소 해당 여부 표 - 제출 전 체크리스트 - 누락 위험 높은 항목 TOP 3 규칙: - 조건별로 "충족", "부분충족", "미충족", "확인필요" 중 하나로 표시 - 확인필요는 어떤 자료를 더 봐야 하는지 함께 표시
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 31줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: 부족 조건과 제출 전 체크리스트 추가하기 보완 방향: 필수조건, 가점요소, 제출서류를 분리해 누락 위험을 줄입니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-fit-checker_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-fit-checker_step-02_data.md
Step 3
실습 08 · 공고문 지원 적합도 진단기
단독지원/협력지원 판단과 보완 우선순위를 표로 만듭니다.
AI Studio Build 1단계 프롬프트
# 공고문 지원 적합도 진단기 Step 3 프롬프트 앱을 업무형으로 확장해줘. 추가 요구: - 단독 지원 가능 여부 - 컨소시엄이 필요한 이유 - 추천 협력기관 유형 - 보완 우선순위 1~5위 - 담당자에게 보낼 질문 초안 출력은 표와 체크리스트 중심으로 보여줘. 마지막에는 "제출 전 담당자 확인 필요" 문구를 넣어줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 20줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 컨소시엄 필요 여부와 보완 우선순위 만들기 보완 방향: 단독지원/협력지원 판단과 보완 우선순위를 표로 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-fit-checker_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-fit-checker_step-03_data.md
정책자료와 공고 제목 목록을 넣고 키워드, 부처별 동향, 검토 후보, 보고서 초안을 생성합니다.
3 steps
Step 1
실습 09 · 주간 정책·사업 동향 브리핑 앱
여러 정책·공고 제목을 핵심 키워드와 분야별 묶음으로 정리합니다.
AI Studio Build 1단계 프롬프트
총 15줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 20줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 정책·공고 목록 요약하기 보완 방향: 여러 정책·공고 제목을 핵심 키워드와 분야별 묶음으로 정리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-01_data.md
Step 2
실습 09 · 주간 정책·사업 동향 브리핑 앱
부처, 대상 산업, 지역, 신청기한 기준으로 검토 우선순위를 냅니다.
AI Studio Build 1단계 프롬프트
총 18줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 17줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: 부처·분야 필터와 우선 검토 후보 만들기 보완 방향: 부처, 대상 산업, 지역, 신청기한 기준으로 검토 우선순위를 냅니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-02_data.md
Step 3
실습 09 · 주간 정책·사업 동향 브리핑 앱
팀장 보고용 요약, 후보 사업 표, 다음 액션을 한 화면으로 만듭니다.
AI Studio Build 1단계 프롬프트
# 주간 정책·사업 동향 브리핑 앱 Step 3 프롬프트 앱을 팀장 보고용 주간 브리핑 도구로 확장해줘. 출력: - 이번 주 핵심 흐름 3줄 - 우선 검토 사업 TOP 5 표 - 부처/기관별 동향 요약 - 우리 기관에 맞는 다음 액션 - 보고서 초안 추가 기능: - "보고서 복사용 텍스트" 영역을 만들어줘. - 검토 후보마다 담당자 확인 질문을 1개씩 붙여줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 20줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 주간 브리핑 보고서 초안 만들기 보완 방향: 팀장 보고용 요약, 후보 사업 표, 다음 액션을 한 화면으로 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-03_data.md
정책 키워드, 기관 역량, 대상 산업을 조합해 사업명, 추진배경, 프로그램, KPI를 생성합니다.
3 steps
Step 1
실습 10 · 사업 아이디어 조립기
정책 키워드와 기관 역량을 조합해 사업 아이디어 후보를 만듭니다.
AI Studio Build 1단계 프롬프트
총 18줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 24줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 사업 아이디어 3개 생성하기 보완 방향: 정책 키워드와 기관 역량을 조합해 사업 아이디어 후보를 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-idea-builder_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-idea-builder_step-01_data.md
Step 2
실습 10 · 사업 아이디어 조립기
아이디어별 정량 KPI, 대상, 프로그램, 기대효과를 표로 정리합니다.
AI Studio Build 1단계 프롬프트
# 사업 아이디어 조립기 Step 2 프롬프트 앱을 수정해서 아이디어별 KPI와 기대효과를 더 구조화해줘. 출력: - 아이디어 비교표 - 정량 KPI 3개 - 정성 KPI 2개 - 필요한 협력기관 - 실행 난이도 규칙: - KPI는 숫자로 확인 가능한 형태를 우선해줘. - 근거가 약한 KPI는 "추가 검토 필요"로 표시해줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 22줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: KPI와 기대효과 구조화하기 보완 방향: 아이디어별 정량 KPI, 대상, 프로그램, 기대효과를 표로 정리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-idea-builder_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-idea-builder_step-02_data.md
Step 3
실습 10 · 사업 아이디어 조립기
선정한 아이디어를 제안서 목차와 추가 조사 질문으로 전환합니다.
AI Studio Build 1단계 프롬프트
# 사업 아이디어 조립기 Step 3 프롬프트 선택한 사업 아이디어를 제안서 초안 구조로 바꿔줘. 출력: - 제안서 목차 - 1쪽 요약문 - 세부 프로그램 표 - 예산 항목 초안 - 추가 조사 질문 주의: - 예산 금액은 임의로 단정하지 말고 항목 중심으로만 제안해줘. - 실제 제출 전 담당자 검토 필요 문구를 넣어줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 24줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 제안서 목차와 보완 질문 만들기 보완 방향: 선정한 아이디어를 제안서 목차와 추가 조사 질문으로 전환합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-idea-builder_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-idea-builder_step-03_data.md
사업계획서 초안에서 근거 부족, 정량지표 부족, 차별성 약점을 찾고 보강 문장을 제안합니다.
3 steps
Step 1
실습 11 · 제안서 약점 탐지기
제안서 초안에서 설득력이 약한 문단을 찾아 유형별로 분류합니다.
AI Studio Build 1단계 프롬프트
총 19줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 15줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 약한 문단 찾기 보완 방향: 제안서 초안에서 설득력이 약한 문단을 찾아 유형별로 분류합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-01_data.md
Step 2
실습 11 · 제안서 약점 탐지기
약점별로 필요한 추가 자료와 보강 문장 후보를 만듭니다.
AI Studio Build 1단계 프롬프트
# 제안서 약점 탐지기 Step 2 프롬프트 앱을 수정해서 약점별 보강 문장 후보와 필요한 추가 자료를 제안해줘. 출력: - 약점 유형별 표 - 필요한 추가 자료 - 보강 문장 후보 - 보강 후 기대효과 규칙: - 없는 실적이나 숫자를 지어내지 마. - 숫자가 필요하면 "확인 후 입력" 형태로 자리표시자를 써줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 23줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: 근거·KPI·차별성 보강하기 보완 방향: 약점별로 필요한 추가 자료와 보강 문장 후보를 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-02_data.md
Step 3
실습 11 · 제안서 약점 탐지기
최종 제출 전 고칠 순서, 담당자 질문, 보강 우선순위를 정리합니다.
AI Studio Build 1단계 프롬프트
# 제안서 약점 탐지기 Step 3 프롬프트 앱을 제출 전 수정 체크리스트 도구로 확장해줘. 출력: - 수정 우선순위 TOP 5 - 담당자별 확인 질문 - 보강 전/후 문장 비교 - 제출 전 체크리스트 - 남은 리스크 주의: - 최종 제출 가능 여부를 단정하지 말고 담당자 검토 필요로 표시해줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
# 제안서 약점 탐지기 Step 3 데이터 ## 보강 후 초안 일부 본 사업은 원주 의료기기·ICT 기업 실무자가 공개 공고문과 정책자료를 빠르게 구조화하고, AI Studio Build로 업무 프로토타입을 만드는 2일 실습 과정이다. 1일차에는 공고문 적합도 진단기, 정책 브리핑 앱, 제안서 약점 탐지기 등을 만들고, 2일차에는 Cursor와 Streamlit으로 정책사업 대시보드를 리팩토링한다. 교육 과정은 API 비용 없이 Google AI Studio 기본 기능과 로컬 파일 기반 실습으로 운영한다. 수강생은 공고문 요약, 정책자료 목록, 제안서 초안 등 공개자료 기반 샘플 데이터를 사용한다. 최종 산출물은 업무 적용 아이디어, 프로토타입 화면, 개선 체크리스트이다. ## 담당자 역할 - 사업기획 담당: 공고문 적합성 확인 - 교육운영 담당: 수강생 수준과 일정 확인 - 기술 담당: 실습자료 실행 가능성 확인 - 보안 담당: 민감정보 사용 여부 확인
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 제출 전 수정 체크리스트 만들기 보완 방향: 최종 제출 전 고칠 순서, 담당자 질문, 보강 우선순위를 정리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-03_data.md
대한민국 vs 멕시코 경기를 주제로 변수·가중치·시뮬레이션을 직접 설계하는 AI Studio Build 자유 과제입니다.
7 steps
Step 1
실습 12 · 월드컵 승부 예측기 만들기
월드컵 승부 예측기는 결과를 맞히는 기계가 아닙니다. 오늘의 목표는 데이터, 가정, 가중치, 한계를 한 화면에 드러내는 작은 도구를 만드는 것입니다.
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 2
실습 12 · 월드컵 승부 예측기 만들기
시드데이터를 그대로 믿는 것이 아니라, 어떤 변수를 모델에 넣을지 선택합니다. 변수를 고르는 순간 이미 모델의 관점이 생깁니다.
| 변수 | 질문 | 함정 |
|---|---|---|
| FIFA 랭킹 | 장기 전력 차이를 얼마나 반영할까? | 랭킹이 높으면 항상 이기는 것은 아님 |
| 최근 경기 흐름 | 첫 경기 승리를 얼마나 반영할까? | 상대 수준이 다르면 의미가 달라짐 |
| 공격력 | 누가 득점할 가능성이 높은가? | 이름값과 현재 폼은 다를 수 있음 |
| 수비 안정성 | 수비 라인이 안정적인가? | 한 명 결장이 전체 구조를 흔들 수 있음 |
| 홈/환경 | 멕시코 개최국 이점이 있는가? | 중립 경기와 홈 경기의 중간값일 수 있음 |
| 전술 상성 | 한국 전환 공격 vs 멕시코 압박은? | 설명하기 쉽지만 점수화가 어려움 |
| 역대 전적 | 과거 맞대결은 의미가 있나? | 오래된 경기는 현재 전력과 다름 |
| 핵심 선수 | 손흥민, 김민재, 히메네스 변수는? | 선수 1명을 과대평가하기 쉬움 |
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 3
실습 12 · 월드컵 승부 예측기 만들기
같은 시드데이터를 써도 가중치를 다르게 주면 결과는 달라집니다. 이것이 모델 설계의 핵심입니다.
| 변수 | 기본 가중치 | 바꿔볼 질문 |
|---|---|---|
| FIFA 랭킹 | 15 | 장기 전력을 더 믿을까? |
| 최근 흐름 | 15 | 첫 경기 결과를 크게 볼까? |
| 공격력 | 15 | 득점 기대를 더 볼까? |
| 수비 안정성 | 15 | 실점 위험을 더 볼까? |
| 핵심 선수 | 10 | 스타 선수 영향이 큰가? |
| 전술 상성 | 10 | 스타일 상성이 중요한가? |
| 홈/환경 | 10 | 개최국 분위기를 크게 볼까? |
| 역대 전적 | 5 | 과거 전적은 얼마나 반영할까? |
| 불확실성 | 5 | 정보가 부족하면 신뢰도를 낮출까? |
가중치 정규화 아이디어
정규화 가중치 = 각 가중치 / 전체 가중치 합계 팀 점수 = Σ(변수 점수 × 정규화 가중치)
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 4
실습 12 · 월드컵 승부 예측기 만들기
축구 예측에서 한 번의 계산만으로는 부족합니다. 같은 전력이어도 경기 결과는 흔들립니다. 그래서 반복 실험이라는 생각을 씁니다.
예상 득점 계산식 예시
한국 예상 득점 = 1.0 + 공격력 보정 - 멕시코 수비 보정 + 최근 흐름 보정 + 전술 보정 멕시코 예상 득점 = 1.0 + 공격력 보정 - 한국 수비 보정 + 홈 환경 보정 + 최근 흐름 보정
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 5
실습 12 · 월드컵 승부 예측기 만들기
이제 앱을 만들기 전에 내 모델을 먼저 설계합니다. AI Studio에 바로 맡기지 말고, 어떤 값을 입력받고 어떤 결과를 낼지 종이에 정리합니다.
AI Studio Build 1차 프롬프트
총 34줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 6
실습 12 · 월드컵 승부 예측기 만들기
여기부터는 정답 화면이 없습니다. 각자 모델을 다르게 만들고, Preview에서 결과가 납득되는지 확인합니다.
AI Studio Build 개선 프롬프트
방금 만든 승부 예측 앱을 개선해줘. 개선할 것: - 변수별 가중치를 슬라이더로 조정할 수 있게 해줘. - 가중치 합계가 100이 아니면 경고를 보여줘. - 한국 승/무/멕시코 승 확률을 카드로 보여줘. - 예상 득점과 예상 스코어 후보 3개를 보여줘. - 변수별 기여도 표와 핵심 변수 TOP 3를 보여줘. - 결과 하단에 "이 예측은 입력 데이터와 가정에 따른 교육용 모의 결과입니다." 문구를 넣어줘.
테스트 입력 예시
FIFA 랭킹: 한국 68, 멕시코 78, 가중치 15 최근 흐름: 한국 76, 멕시코 80, 가중치 15 공격력: 한국 74, 멕시코 78, 가중치 15 수비 안정성: 한국 76, 멕시코 68, 가중치 15 핵심 선수: 한국 72, 멕시코 70, 가중치 10 전술 상성: 한국 72, 멕시코 74, 가중치 10 홈 환경: 한국 62, 멕시코 82, 가중치 10 역대 전적: 한국 55, 멕시코 75, 가중치 5 시뮬레이션 횟수: 1000
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 7
실습 12 · 월드컵 승부 예측기 만들기
마지막 Step에서는 결과가 아니라 모델을 설명합니다. 좋은 예측기는 "맞힙니다"가 아니라 "이런 가정으로 이런 결과가 나왔습니다"라고 말합니다.
> 이 앱은 입력된 데이터와 가중치를 바탕으로 한 교육용 예측 시뮬레이터입니다. 실제 경기 결과는 부상, 퇴장, 판정, 전술 변화, 심리적 압박 등 다양한 변수로 달라질 수 있습니다.
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md