결과 먼저 — 온라인 2시간 특강에서 수강생의 80% 이상이 파이썬 환경설정을 마치고 LLM 챗봇을 웹에 배포하는 데까지 도달했습니다. 교육 만족도는 5점 만점에 평균 4.67점, 긍정 평가 비율 100%였습니다.
부산·울산·경남 지역 학생들은 AI 전문 교육을 접할 자리가 적고 실습 환경도 갖춰지지 않은 조건에 있었습니다. 여기에 비전공자가 파이썬 환경설정 같은 기초 단계에서 막혀 챗봇 개발에 도전조차 못 하는 문제가 겹쳤습니다. 이 특강은 지역 학생에게 같은 출발선을 만들어 주는 것을 목적으로, 환경설정 완료와 챗봇 제작·웹 배포 경험을 종료 기준으로 잡았습니다.
어떻게 설계/진행했나
환경설정을 첫 실습으로 — pyenv와 virtualenv로 파이썬 환경을 잡는 과정을 ChatGPT와 함께 진행했습니다. 명령을 외우게 하지 않고, 학생이 ChatGPT에 물어 가며 한 단계씩 넘어가는 방식입니다.
입력 순서를 shell script 키워드로 정리 — 온라인에서도 어느 지점에서 무엇을 치는지 놓치지 않도록, 따라 칠 명령을 키워드 단위로 묶어 제공했습니다.
서빙과 배포를 개념부터 분리 — 코드에 들어가기 전에 서빙과 배포의 차이를 비유로 먼저 짚었습니다. 이어 Gemini API Key를 학생 각자가 직접 발급받았습니다.
Streamlit으로 배포까지 한 바퀴 — LLM 챗봇을 Streamlit으로 웹에 서빙·배포하고, 결과가 뜨는 것을 그 자리에서 확인했습니다. 2시간의 종료 지점을 "환경설정 완료 + 챗봇 웹 배포"라는 결과물로 두었습니다.
결과
- 수강생 80% 이상이 파이썬 환경설정 완료 및 챗봇 웹 배포 성공
- 교육 만족도 평균 4.67점(5점 만점), 긍정 평가 비율 100%
- 교육 후 개인별로 파이썬 AI 웹페이지를 배포하거나 팀 프로젝트로 확장한 사례 보고
온라인 2시간이라는 조건에서도 끝까지 자리를 지킨 학생 대부분이 환경설정을 마쳤고, 그 뒤의 챗봇 제작과 배포는 예상보다 수월하게 넘어갔습니다. 어려운 것은 챗봇이 아니라 그 앞의 터미널이었다는 뜻입니다.
한 참가자는 이렇게 남겼습니다.
"Streamlit은 처음이라 어떻게 하는지 몰랐는데 쉽게 할 수 있도록 도와주셔서 좋았습니다."
다른 참가자의 아쉬움은 내용이 아니라 시간에 있었습니다.
"강의 내용이 알찼고, 시간이 짧다는 게 아쉬웠습니다."
현장 기록 전문: 부울경 학생 생성형 AI 심화 교육