[플레이데이터 SK네트웍스 Family AI 캠프 17기] 17주차 회고

Hello World 👋🏻

정신없는 일정에 치이다 보니, 회고록이 또 한 주 늦어진 주인장입니다.

지난 몇 주가 AI 모델을 '어떻게 만들까'를 고민했다면, 이번 주는 그 모델을 '어떻게 세상에 내보낼까'하는 현실적인 방법을 배우는 시간이었어요.

늦었지만 지난 한 주를 돌아보며 배운 것들을 정리해 볼게요!

 

 

📅 공부 기록

• 2025.10.28 - [AI 활용 애플리케이션 개발/Django Framework] - 3.4.10 [Django] Fast API (RESTful API)
• 2025.10.28 - [AI 활용 애플리케이션 개발/클라우드] - 3.4.11 [클라우드] AWS 인프라: 운영 서버 환경 구성
• 2025.10.28 - [AI 활용 애플리케이션 개발/클라우드] - 3.4.12 [클라우드] AWS 인프라: 데이터 저장
• 2025.10.28 - [AI 활용 애플리케이션 개발/클라우드] - 3.4.13 [클라우드] AWS AI 배포 및 활용

저번 주는 그동안 만들었던 AI 모델을 '서비스'로 만들기 위한 핵심 기술들을 배웠어요.

먼저 FastAPI의 기본 사용법을 익혔는데, Django와는 또 다른 직관적인 매력이 있더라고요.

uvicorn으로 서버를 띄우고, @app.get 같은 데코레이터로 라우팅을 설정하는 것부터 시작했습니다.

특히 Path Variable, Query String, 그리고 Pydantic을 이용한 Request Body 처리 방법처럼 API의 핵심 기능들을 직접 다뤄볼 수 있었어요.

 

그리고 드디어 AWS 클라우드의 세계에 발을 들였습니다.

가상의 컴퓨터를 빌려 서버 환경을 구축하는 운영 서버 환경 구성(EC2)부터,

파일이나 데이터를 안전하게 저장하는 데이터 저장(S3),

그리고 우리가 만든 AI 모델을 클라우드에 올려두고 필요할 때마다 호출해서 사용할 수 있게 하는 AI 배포 및 활용까지.

그저 막연하게만 느껴졌던 '배포'라는 과정이 어떤 구성 요소들로 이루어져 있는지 한눈에 볼 수 있는 시간이었어요.

 

 

💭 KPT

Keep

 

사실 회사에 다닐 땐 인프라팀이 따로 있어서 개발에만 집중하느라, 서버나 배포 관련 내용은 직접 다룰 기회가 없었거든요.

'배포'라는 막연했던 과정을 눈으로 직접 확인하고, EC2 인스턴스를 직접 띄워보는 등 하나씩 실습해 본 경험은 큰 자신감이 되었습니다.

'모델링'만이 AI의 전부가 아니라는 것을 깨닫고 시야를 넓힌 것이 저번 주의 가장 큰 수확이라고 생각합니다.

 

Problem

 

AWS의 방대한 서비스와 복잡한 설정 앞에서 길을 잃은 기분이었어요.

EC2 인스턴스를 하나 띄우는 데도 알아야 할 네트워크, 보안 그룹 설정이 너무 많았고, S3의 권한 설정(IAM)에서도 처음에는 직관적으로 와닿지 않아 애를 먹었습니다.

또한, '이렇게 설정하는 게 맞나?', '혹시 클릭 한 번에 요금 폭탄을 맞는 건 아닐까?' 하는 막연한 불안감이 계속 발목을 잡았어요.

'동작'은 시켰지만, '왜 이렇게 해야 하는지'를 완벽히 이해하지 못한 부분이 많아 찜찜함이 남습니다.

 

Try

 

AWS 같은 클라우드 서비스는 단순히 튜토리얼을 따라 하는 것만으로는 부족하다고 느꼈어요.

FastAPI 등으로 간단한 실습을 진행해 보고, Docker를 활용해 EC2에 올려보는 등, 배운 내용을 잊어버리지 않게 작은 토이 프로젝트로 꾸준히 복습하는 시간을 가져야겠습니다.

 

 

모델을 학습시키는 것과는 또 다른 차원의 어려움과 마주했던 한 주였네요.

이제 4차 프로젝트와 최종 프로젝트라는 큰 산이 남아있는데, 이번에 배운 AWS와 API 지식이 이 프로젝트들을 더 완성도 있게 만드는 데 든든한 무기가 되어줄 거라 기대합니다.

낯선 클라우드 용어들과 씨름하며 고생한 제 자신에게 격려를 보내며, 다음 주도 힘차게 달려가볼게요! 🏃🏻‍♀️