본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://fastcampus.info/4n8ztzq
(~6/20) 50일의 기적 AI 환급반💫 | 패스트캠퍼스
초간단 미션! 하루 20분 공부하고 수강료 전액 환급에 AI 스킬 장착까지!
fastcampus.co.kr
이번 강의를 통해 LLM(대규모 언어 모델)의 종류와 활용 방식에 대해 한층 깊이 있게 이해할 수 있었습니다. 평소에 ChatGPT나 Claude 같은 모델만 사용해봤기 때문에, 오픈소스와 폐쇄형 LLM의 차이점, 그리고 각 모델의 장단점에 대해 명확하게 정리된 자료를 접하니 큰 도움이 되었습니다. 특히 오픈소스 LLM의 경우 Ollama, Hugging Face 등에서 직접 다운로드해 로컬 환경에서 실행할 수 있고, GPU 성능만 받쳐준다면 보안상 이점과 비용 절감 효과가 크다는 점이 인상 깊었습니다. 다만 GPU 한계로 동시에 여러 요청을 처리하기 어렵다는 단점도 현실적으로 느껴졌습니다.
반대로 폐쇄형 LLM은 API 호출만으로 손쉽게 최신 기능을 활용할 수 있지만, 가격과 호출 제한 등 제약이 크다는 점을 다시 한번 깨달았습니다. 강의 자료에서 소개된 GPT-4.5, Claude 3.7 Sonnet, Grok 3, Gemini 2.5 Pro 등 최신 모델들을 보면서, 앞으로의 LLM 경쟁 구도가 더욱 치열해질 것 같다는 생각도 들었습니다. 각 모델의 특성과 차별화된 기능(예: 멀티모달 지원, 고속 처리, 코딩 강화 등)을 비교하며 나에게 맞는 모델을 선택할 수 있는 기준을 배우게 되어 좋았습니다.
또한 LLM의 파라미터 조정법(Temperature, Top_p, Top_k, Repeat penalty 등)에 대한 설명은 실전에서 굉장히 유용할 것 같습니다. 그동안 막연히 "창의성 조절" 정도로만 이해했던 temperature 개념을 로짓 계산과 샘플링 방식까지 구체적으로 배우니, 앞으로 모델을 튜닝할 때 더 세밀하게 접근할 수 있을 것 같습니다.
무엇보다 이번 강의는 단순히 모델을 나열하고 소개하는 수준을 넘어서, 각각의 활용 전략과 구체적인 파라미터 세팅법까지 알려줘서 실무에 바로 적용 가능한 내용으로 느껴졌습니다. LLM을 연구하거나 실무에서 적용하려는 분들께 꼭 추천하고 싶은 강의였습니다. 앞으로 제 프로젝트에 LLM을 도입하거나, 직접 파인튜닝할 때 큰 자신감을 가질 수 있을 것 같습니다. 정말 유익한 시간이었습니다!
