가이드: 강의 내 연구실
강의 내 연구실이란?
강의 내 연구실은 수강생이 워크스페이스라고 불리는 실제 환경에서 스킬을 연습할 수 있도록 하는 새로운 커리큘럼 항목입니다. 이러한 실습 경험은 수강생이 강의에서 배운 개념을 직접 활용하며 자신감을 키우고 직무에 대비하는 데 도움이 됩니다. 이 가이드에서는 강의를 위해 흥미로운 연구실을 설계하는 방법을 알아봅니다 .
왜 강의에 연구실을 포함해야 할까요?
강의 내 연구실을 통해 수강생은 다음과 같은 이점을 얻을 수 있습니다.
- 강의를 벗어나지 않고 실제 워크스페이스에서 스킬 연습
- 배운 스킬을 실무 환경에 적용하여 직무 준비성 향상
- 콘텐츠에 적극적으로 참여하고 유지율과 학습 결과 개선
강의 내 연구실은 다음 세 가지 기능으로 구성됩니다.
- 동영상 지침: 성공적인 동영상 강의 형식을 바탕으로, 강의 내 연구실이 동영상 지침을 중심으로 구성됩니다.
- 연구실 작업: 수강생이 새로운 스킬을 연습할 때 구조화된 작업이 안내와 자원을 제공합니다.
- 기술 워크스페이스: 환경이 미리 구축되어 있어 수강생이 설정 없이 바로 실습을 시작할 수 있습니다.
고품질 실습 설계하기
강의 내 연구실을 포함할 위치 결정
강의 내에서 강의 내 연구실이 핵심 스킬을 강화하고 학습 목표와 일치하는 전략적 지점을 파악합니다.
✅ 모범 사례:
- 학습 목표에 적합한 연구실 유형 선택:
- 따라하기 연구실: 수강생이 따라할 수 있도록 프로세스를 시연하고 설명하는 단계별 지침
- 가이드가 포함된 챌린지 랩: 수강생이 일부 구조와 자료를 활용해 독립적으로 해결을 시도하는 보다 광범위한 작업
- 각 강의 내 연구실이 해당 강의에서 가르치는 스킬을 직접 지원하도록 하세요
- 명시적으로 강의 내 연구실을 학습 목표에 연결하세요
- 기기에 구애받지 않고 PC와 Mac 시스템에서 동일하게 잘 작동하도록 강의 내 연구실을 설계하세요
💡 예:
Jupyter Notebook
- 수강생이 대화형 차트를 만드는 Matplotlib을 통한 데이터 시각화 강의 후에 따라하기 연구실을 추가합니다.
- 수강생이 독립적으로 데이터 세트를 정리하고 분석하는 Pandas 기본 사항을 가르친 후 가이드가 포함된 챌린지 랩을 추가합니다.
GenAI
- 수강생이 GPT 모델로 프롬프트를 작성하고 테스트하는 프롬프트 엔지니어링에 대한 강의 후에 따라하기 연구실을 추가합니다.
- 수강생이 자신만의 전문 AI Assistant를 만드는 미세 조정에 대한 수업 후에 가이드가 포함된 챌린지 랩을 배치합니다.
AWS
- 수강생이 첫 번째 EC2 인스턴스를 시작하고 구성하는 클라우드 기초에 대한 강의 후에 AWS 따라하기 연구실을 추가합니다.
- 수강생이 AWS Lambda와 API Gateway를 사용하여 완전한 API를 구축하는 서버리스 컴퓨팅에 대한 강의 섹션에 가이드가 포함된 챌린지 랩을 추가합니다.
연구실이 포함된 강의 만들기
‘연구실 포함된 강의’ 커리큘럼 항목을 선택하여 시작합니다. 연구실의 핵심을 포착하고 수강생이 연습할 스킬을 강조하는 명확하고 특성을 나타내는 제목을 만듭니다. 이 제목은 강의 내용 내에서 커리큘럼 항목으로 나타납니다.
✅ 모범 사례:
- 구체적이고 학습 목표와 명확하게 일치하는 제목을 만드세요
- 연습 중인 주요 스킬에 집중하세요
- 수강생의 목표에 맞게 제목을 매력적이고 관련성 있게 만드세요
💡 예시 연구실 제목:
Jupyter Notebook
- 따라하기 연구실: ‘대화형 데이터 시각화: Matplotlib으로 동적 차트 만들기’
- 가이드가 포함된 챌린지 랩: ‘데이터 정제 도전: Pandas를 사용하여 실제 데이터 세트 정리 및 분석하기’
GenAI
- 따라하기 연구실: ‘프롬프트 엔지니어링 마스터하기: 정확한 출력을 위한 효과적인 GPT 프롬프트 만들기’
- 가이드가 포함된 챌린지 랩: ‘AI Assistant 구축: 특화 작업을 위한 모델 미세 조정’
AWS
- 따라하기 연구실: ‘첫 번째 클라우드 서버 시작하기: 실습 EC2 인스턴스 구성’
- 가이드가 포함된 챌린지 랩: ‘서버리스 API 도전: Lambda 및 API Gateway로 엔드 투 엔드 솔루션 구축하기’
연구실 동영상 업로드
중요: ‘연구실’ 옵션은 강의에 동영상을 업로드한 후에만 사용할 수 있습니다.
연구실 동영상을 추가하고 처리가 완료될 때까지 기다립니다. 그런 다음 ‘+연구실’ 버튼을 클릭하여 연구실을 만들고 연구실 편집기에 액세스합니다.
강의 내 연구실 편집기에서 연구실 편집하기
강의 내 연구실 만들기는 다음 세 단계 프로세스를 따릅니다.
- 강의 내 연구실 계획하기: 워크스페이스를 선택하고 시작 코드 업로드
- 작업 생성하기: 연구실을 개별 작업 구성 요소로 구조화
- 강의 내 연구실 게시하기: 컨텍스트를 추가하고 연구실 마무리
연구실 계획하기
연구실 워크스페이스 선택:
사용 가능한 옵션에서 강의 내 랩 분야 및 워크스페이스 유형을 선택합니다.
워크스페이스 유형: Udemy와 개인 환경
강의 내 연구실은 Udemy Pro 구독자를 위한 Udemy 워크스페이스를 제공합니다. 일부 수강생은 대신 자체 개인 환경을 사용한다는 점에 유의하세요.
✅ 모범 사례:
- 모든 수강생이 접근할 수 있도록 강의 내 연구실을 설계하되, Udemy 워크스페이스와 개인 환경 간의 서로 다른 정책과 제한 사항을 고려하세요
- Udemy 강의 내 연구실 워크스페이스 기술 사양을 검토하여 모든 수강생에게 일관된 학습 경험을 보장하세요.
시작 코드 업로드:
수강생을 위해 Udemy 워크스페이스에 미리 로드될 시작 코드를 제공합니다.
✅ 모범 사례:
- Jupyter 랩의 경우 모든 필요한 ipynb 파일과 데이터 파일(예: CSV)을 포함하는 zip 파일을 포함하세요
- 시작 코드 zip 파일 이름에서 공백을 제거하세요
- 연구실을 테스트하여 시작 파일이 로드되고 있는지 연구실 미리보기로 확인하세요
- 초기 zip에서 Makefile을 삭제하지 마세요
- 불필요한 파일(__MACOSX, .DS_Store, .git, .gitignore, *.pnp.cjs, pycache, node_modules 또는 .yarn)을 포함하지 마세요
작업 생성 및 참조 코드 추가
연구실 작업 추가
연구실 작업은 더 큰 연구실 목표에 기여하는 논리적 단계의 덩어리를 나타냅니다.
작업 제목 입력:
각 작업에는 수강생이 다음 부분으로 이동하기 전에 달성해야 할 내용을 나타내는 명확한 제목이 필요합니다.
✅ 모범 사례:
- 수강생이 달성해야 할 구체적인 결과를 명시하는 작업 제목을 만드세요
- 작업의 목적을 명확하게 전달하면서 설명을 간결하게 유지하세요(10단어 이하)
- 수강생이 작업의 목표를 이해할 수 있도록 충분한 맥락을 제공하세요
💡 작업 제목 예시:
Jupyter Notebook
따라하기 연구실: ‘대화형 데이터 시각화: Matplotlib으로 동적 차트 만들기’
- 작업 1: ‘시각화를 위한 데이터 세트 가져오기 및 준비하기’
- 작업 2: ‘인터랙티브 기능이 있는 반응형 선 차트 만들기’
- 작업 3: ‘차트에 맞춤 주석 및 스타일 추가하기’
가이드가 포함된 챌린지 랩: ‘데이터 정제 도전: Pandas를 사용하여 실제 데이터 세트 정리 및 분석하기’
- 작업 1: ‘복잡한 데이터 세트를 로드하고 검사하기’
- 작업 2: ‘누락된 값과 이상치 처리하기’
- 작업 3: ‘카테고리별 집계 요약 통계 생성하기’
GenAI
따라하기 연구실: ‘프롬프트 엔지니어링 마스터하기: 정확한 출력을 위한 효과적인 GPT 프롬프트 만들기’
- 작업 1: ‘텍스트 생성을 위한 기준 프롬프트 만들기’
- 작업 2: ‘응답 범위를 좁히기 위한 제약 기술 적용하기’
- 작업 3: ‘복잡한 작업을 위한 사고의 연쇄 프롬프트 구현하기’
가이드가 포함된 챌린지 랩: ‘AI Assistant 구축: 특화 작업을 위한 모델 미세 조정’
- 작업 1: ‘훈련 데이터 세트 준비하기’
- 작업 2: ‘미세 조정 프로세스 구성 및 시작하기’
- 작업 3: ‘특화 모델 테스트하고 평가하기’
AWS
따라하기 연구실: ‘첫 번째 클라우드 서버 시작하기: 실습 EC2 인스턴스 구성’
- 작업 1: ‘서버 접근을 위해 안전한 키 쌍 생성하기’
- 작업 2: ‘EC2 인스턴스 시작하고 구성하기’
- 작업 3: ‘SSH를 통해 인스턴스에 연결하기’
가이드가 포함된 챌린지 랩: ‘서버리스 API 도전: Lambda 및 API Gateway로 엔드 투 엔드 솔루션 구축하기’
- 작업 1: ‘데이터 처리를 위한 Lambda 함수 생성하기’
- 작업 2: ‘API 게이트웨이 엔드포인트 구성하기’
- 작업 3: ‘샘플 요청으로 서버리스 API 테스트하기’
작업의 타임스탬프 입력:
각 작업이 연구실 동영상에서 시작되는 정확한 시간(초 단위)을 지정하세요. 이러한 타임스탬프는 동영상 플레이어에서 클릭 가능한 마커로 나타나며, 수강생이 관련 작업으로 빠르게 이동하는 데 도움이 됩니다.
해결책 제공:
해당되는 경우 각 작업에 대해 ‘참조 코드’를 추가합니다. 참조 코드는 수강생이 워크스페이스에 복사/붙여넣기 할 수 있는 코드 스냅샷을 제공합니다. 참조 코드는 수강생이 자신의 작업을 확인하기 위한 것입니다. 일부 사용 사례는 다음과 같을 수 있습니다.
- 풀이가 막힌 경우 해결책을 확인하기 위한 용도
- 확신이 없을 경우 접근 방식을 확인하기 위한 용도
- 자신의 해결책으로 완료한 후 접근 방식을 비교하기 위한 용도
✅ 모범 사례:
- 코드 조직 및 문서화
- 구현 선택의 근거가 되는 논리를 설명하는 자세한 주석 포함하세요
- 해결책 접근 방식에 대한 개요가 포함된 README 파일 추가하세요
- 전제된 추정과 고려한 다른 접근법을 문서화하세요
- 일관된 명명 규칙과 코드 구조를 사용하세요
- 잘 구조화된 코드
- 해결 코드를 논리적 섹션이나 모듈로 구성하세요
- 코드 조직을 위한 업계 모범 사례를 따르세요
- 적절한 오류 처리를 포함하세요
- 깔끔하고 유지 관리가 용이한 코딩 관행을 보여 주세요
- 참조 파일에 불필요한 시스템 파일(예: __MACOSX, .DS_Store)이 포함되지 않게 하세요
- 불필요한 폴더 중첩을 피하기 위해 최상위에 참조 파일을 추가하세요
- Jupyter 연구실의 경우 참고 코드로 포함하기 위해 노트북에서 HTML 파일을 캡처하고 업로드하세요
작업 리소스 추가:
수강생이 작업을 시도할 때 사용하거나 참조해야 하는 자산을 제공합니다. 자산은 수강생이 작업을 시도할 때 활용해야 할 수 있는 자원이어야 합니다. 예시:
- 데이터베이스 파일
- 디자인 중인 웹페이지에 있어야 하는 이미지
- 작업 참조용 목업
- 업로드해야 할 수 있는 JSON/YAML 파일
강의 내 연구실 게시하기
다음과 같이 수강생을 위한 맥락을 추가하여 강의 내 연구실을 완성하세요.
- 연구실의 예상 소요 시간 입력
- 관련 주제 태그 지정
- ‘게시’를 클릭하여 연구실 완성
참고: 수강생이 강의 내 연구실에 접근할 수 있도록 강의 내 연구실 강의도 게시해야 합니다.
흥미로운 강의 내 연구실 만들기 시작
강의 내 연구실은 수강생에게 실제와 같은 환경에서 스킬을 연습할 수 있는 귀중한 기회를 제공합니다. 이 가이드를 따르면 자신감을 키우고, 문제 해결 능력을 개발하며, 직무 준비성을 향상시키는 의미 있는 실습 경험을 만들 수 있습니다.
시작할 준비가 되셨나요? 강의에서 강의 내 연구실이 가치를 더할 수 있는 주요 강의를 파악하고, 적절한 액티비티를 만들며, 수강생을 위한 명확한 목표를 설정하세요. 세밀한 계획이 있으면 강의 내 연구실을 통해 더 매력적이고, 상호 작용적이며, 영향력 있는 학습이 될 것입니다.
