o [1단계 AI 기반 분석 역량 구축 (1일차, 7H)]

       생성형 AI의 RF/EMC 산업 적용 원리를 이해하고, EMC 방사·전도 에미션 측정 데이터, RF 인증 시험 성적서, 주파수 스펙트럼 분석 데이터 등 가상 데이터셋을 활용한 탐색적 데이터 분석(EDA) 및 시각화를 수행함. 또한 바이브 코딩(Vibe Coding) 기법을 적용하여 Python 기초 수준의 학습자도 AI 보조를 통해 Pandas 기반 데이터 전처리·분석 코드를 자연어로 생성·실행할 수 있도록 설계

o [2단계  AI 도구 활용 및 Agent 기초 (2일차, 7H)]

       업무 맞춤형 GPTs/Gems를 직접 구축하여 문서 분석, 데이터 해석, 보고서 자동 생성 등 실무 업무 자동화를 수행함. 아울러 바이브 코딩을 활용한 고급 데이터 분석 실습과 함께 LangChain/LangGraph의 기본 아키텍처를 학습하여 코드 기반 AI Agent 구현의 기초 역량을 확보함. RF/EMC 도메인 사례를 반영하되, 다양한 산업에 적용 가능한 범용 Agent 설계 패턴을 중심으로 교육

o [3단계  AI Agent 구현 프로젝트 (3일차, 7H)]

        LangChain/LangGraph를 활용하여 현업에 직접 적용 가능한 AI Agent를 설계·구현하는 프로젝트를 수행함. RF/EMC 특화 프로젝트와 범용 업무 자동화 프로젝트를 병행 제시하여, 학습자가 자사 업무 환경에 적합한 주제를 선택하고 실제 적용 가능한 결과물을 도출하도록 운영함

o RF/EMC 시험인증기관 및 관련 제조업체 IT 전공 재직자

o 범용+산업특화 이중 구조 설계 

     - 생성형 AI·데이터 분석·AI Agent의 범용 원리와 기법을 선행 학습한 후 RF/EMC 도메인 적용 실습을 병행하는 구조로 설계하여,         타 산업에도 확장 가능한 범용 역량과 RF/EMC 현장 즉시 적용 역량을 동시에 확보하도록 구성함

o 바이브 코딩(Vibe Coding) 기법 도입 

     - Python 기초 수준의 학습자도 ChatGPT·Claude 등 생성형 AI를 코딩 파트너로 활용하여 자연어 기반 코드 생성·수정 방식으로 데이터 분석 및 Agent 개발을 수행하도록 설계함으로써, 코딩 진입장벽을 낮추면서 코드 기반 Agent의 확장성과 유연성을 확보함

o LangChain/LangGraph 기반 코드형 Agent 적용  

     - 노코드(n8n, Dify) 방식 대비 복잡한 규격 해석, 다단계 판정 로직, 멀티 데이터 소스 연동 등 RF/EMC 도메인의 특수 요구를 유연하게 구현할 수 있도록 코드 기반 프레임워크를 적용함. 이를 통해 IT 전공 재직자가 현업에서 Agent를 자체 확장·유지보수할 수 있는 실질적 역량을 배양함

o 기업 맞춤형 프로젝트 운영 

     - 3일차 전 과정을 기업별 프로젝트 중심으로 운영하여, 훈련 종료 시점에 AI Agent 프로토타입, 자동화 워크플로, 데이터 분석 보고서 등 현업에 즉시 적용 가능한 구체적 산출물을 도출하도록 설계함