Spring Boot & AI 융합 기능형 백엔드 개발
Spring Boot 기반 웹 시스템에 다양한 AI 기술을 융합하여 실제 서비스 형태로 구현하는 AI 융합 백엔드 개발 과정입니다.
수강생은 이미지 분류와 객체 탐지 모델을 웹 서비스에 적용하는 방법부터 대화형 AI, 로컬·외부 LLM 서버 연동, RAG 기반 문서 질의 시스템까지 단계적으로 실습합니다. 또한 Spring Boot를 중심으로 AI 기능을 독립적인 서비스로 구성하고 연계하는 구조를 학습하며, MCP를 활용한 외부 AI 서비스 연동과 인증·권한 관리, 캐싱, 트래픽 제어 등 보안 및 성능 최적화까지 경험함으로써 실제 웹 시스템에 AI를 통합하고 확장할 수 있는 개발 역량을 갖추게 됩니다.
강의 시간
2일 과정 / 총 16시간
강의 계획서
| 차시 | 주제 | 내용 |
|---|---|---|
| 1 | AI 융합 백엔드 및 아키텍처 | – Spring Boot·React·DB와 AI 서비스 연계 구조 – 서버/클라이언트 사이드 AI 비교 – AI 웹 서비스 기술 스택 이해 |
| 2 | 이미지 분류 AI 서비스 | – TensorFlow 기반 이미지 분류 모델 구축 – 학습 모델의 웹 서비스 연동 – 클라이언트 사이드 AI 구현 |
| 3 | 객체 탐지 AI 서비스 | – 이미지 데이터셋 및 레이블링 – PyTorch 기반 객체 탐지 모델 구축 – 실시간 객체 탐지 서비스 구현 |
| 4 | 대화형 AI 서버 | – LLM 및 Transformer 기반 AI 서비스 연동 – Spring Boot 기반 AI API 구성 – 챗봇 및 문서 요약·자동화 기능 구현 |
| 5 | 로컬 LLM 및 AI 서비스 아키텍처 | – 로컬 LLM 서버 구축 및 Spring Boot 연동 – AI 서비스를 분리한 마이크로서비스 구조 – 다양한 AI 모델을 교체·확장할 수 있는 모듈화 |
| 6 | RAG 시스템 구축 | – 문서 임베딩과 Vector DB 구축 – 유사도 검색 및 문서 기반 질의응답 – RAG와 Spring Boot 서버 통합 |
| 7 | 외부 LLM 및 MCP 연동 | – 외부 LLM 서비스 연동 – Model Context Protocol(MCP) 활용 – AI 서비스 간 통신 및 권한 관리 |
| 8 | 보안 및 성능 최적화 | – API 인증 및 권한 관리 – Rate Limiting과 트래픽 제어 – 캐싱, 로드밸런싱 및 장애 대응 |