바이브 코딩 12주 커리큘럼

연구원을 위한 실용 프로그래밍 강의

📚 학습 자료 모음

🔧 환경 설정

Git · Python · Node.js · Antigravity 설치 가이드는 별도 제공 예정

📖 기초 가이드

🗂️ 주차별 실습 자료

📋 강의 개요

목표

반복 작업 자동화 도구를 직접 만들 수 있는 연구원

기간

12주 (주 1회, 2시간)

구조

• 1주: 쇼케이스 (AI 도구로 무엇이 가능한지 체험)
• 2주: 개발 환경 + CLI 기초
• 3-7주: 데이터 실습 (Streamlit / Excel / PDF / Crawling / LLM API)
• 8주: 프로젝트 기획 + 기술스택 이해
• 9-12주: 개인 프로젝트 개발

핵심 철학

• 코드 직접 작성 ❌
• AI에게 질문하는 법 ✅
• 개념 이해 + 도구 활용 ✅

📅 주차별 커리큘럼

Week 1: 쇼케이스 — AI로 무엇이 가능한가

📖 참고 자료: Antigravity 가이드

이번 주 목표: “이 수준까지 된다”는 것을 눈으로 확인한다. 실습보다 임팩트 중심.

사전 준비 (수강생 숙제)

• Python 설치
• Antigravity 설치 + 로그인

강의 흐름

1. IDE 발전사 소개 (20분)

• 메모장 → IDE → VS Code 계열의 흐름
• VS Code / Cursor / Antigravity 비교
• “AI가 코드를 대신 짜주는 시대”로 이어지는 맥락 설명

2. Stitch로 UI 스케치 (20분) ← 유일한 수강생 직접 체험

• 내가 만들고 싶은 앱의 입력창/버튼/출력 화면 스케치
• 결과 이미지 저장 (다음 단계에서 활용)

3. MVP 시연 (40분) ← 강사 시연

• 미리 준비한 boilerplate 불러오기
• Stitch 이미지 + boilerplate → Antigravity로 MVP 구현 과정 시연
• Antigravity Rules/Skills 설정 간단 안내
• “여기까지 오늘 보여드린 겁니다” 마무리

과제

용어 사전 읽고 모르는 단어 별표 표시 (다음 주 Q&A)

Week 2: 개발 환경 이해 + CLI 기초

📖 참고 자료: 용어 사전 · Git 초보자 가이드 · CLI 기초 가이드 · Week 2 실습

주제

• 용어 사전 Q&A: Week 1 숙제 리뷰 (모르는 단어 함께 정리)
• Git은 왜 쓰는가: 저장 + 되돌리기 + 협업 (개념만)
• CLI가 필요한 이유: 프로그램을 직접 실행하려면
• 필수 명령어: pwd, cd, ls, mkdir, cp, mv
• 와일드카드와 Tab 자동완성
• 가상환경 개념 (설명만, 실습은 Week 3 이후)

시연 (30분)

1. Week 1 MVP — 실제로 어떻게 실행되는가 (터미널 기준)
2. 터미널로 폴더 이동 → 파일 확인 → 스크립트 실행 흐름
3. AI가 만든 스크립트 실행 시연

실습 (50분)

• 실습 파일로 퀴즈 미션 수행 (backup 폴더 만들기, 파일 복사/이름 변경)
• AI에게 파일 정리 스크립트 요청 → 터미널에서 실행
• 에러 발생 시 AI에게 재질문하는 흐름 연습

과제

본인 폴더에서 파일 정리 스크립트 1개 만들어보기

Week 3: Streamlit GUI — CLI에서 브라우저로

📖 참고 자료: Antigravity 환경 세팅 가이드 · Week 3 실습

핵심 철학: Streamlit 문법을 배우는 게 아니라, AI한테 시켜서 앱을 뚝딱 만드는 경험

주제

• CLI vs GUI: 같은 작업, 다른 경험 — 언제 어느 쪽이 유리한가
• 가상환경 실습: 생성 → 활성화 → 패키지 설치 (streamlit, pandas, plotly, pillow)
• Streamlit 실행 한 줄: streamlit run app.py
• AI 프롬프트 패턴: 도구 탐색 → 기본 구현 → 기능 추가 반복

시연 (20분)

1. Week 2 워터마크 스크립트 — CLI 1줄 vs Streamlit 브라우저 앱 비교
2. “어떤 패키지를 써야 하나요?” AI에게 물어보는 흐름 시연
3. 기본 앱 → 기능 추가 요청 → 재실행 루프 시연

실습 (60분)

• Phase 1: 워터마크 GUI — 이미지 업로드 → 워터마크 → 다운로드 (CLI 경험 연결)
• Phase 2: 실험 데이터 뷰어 — CSV 업로드 → 이상값 자동 감지 → plotly 시각화
• Phase 3: LLM 연동 맛보기 — Gemini API로 데이터 분석 + 보고 초안 생성

과제

본인 업무 데이터(CSV, 이미지 등) 1개로 간단한 Streamlit 앱 만들어보기

Week 03.5: 터미널 기초 실습 ← 보충 세션

📖 참고 자료: 터미널 기초 실습

3주차 실습 중 터미널/가상환경 개념이 필요해 별도로 편성된 보충 세션입니다.

주제

• IDE(File View)와 터미널 실행 위치는 별개라는 개념 체득
• ls, cd, pwd로 폴더 구조 자유롭게 탐색
• python 파일명.py 직접 실행
• 실행 위치에 따라 import 에러가 나는 경험 (지도 읽기)
• 가상환경 생성 → 활성화 → 패키지 설치 → 비활성화 전체 흐름
• streamlit run app.py와 일반 python 실행의 차이

실습 드릴

• Drill 01: ls, cd, pwd로 숨겨진 파일 찾기
• Drill 02: 패키지 없는 Python 파일 3개 직접 실행
• Drill 03: 잘못된 위치에서 실행 → 에러 → 올바른 위치 파악
• Drill 04: venv 생성/activate/deactivate + rich 패키지 설치
• Drill 05: venv + streamlit run 종합 실전

Week 4: 데이터 변환·분석 — pandas + Streamlit

📖 참고 자료: Week 4 실습

두 가지 앱으로 실습합니다. Part 1 — 측정 소프트웨어 양식 → R/SPSS 입력 양식 변환기 (app.py) Part 2 — 장비 Raw Data → 취합 → 통계 → 시각화 분석 파이프라인 (app_analysis.py)

주제

• pandas 핵심 기능 체험 (읽기 / 정제 / 변환 / 집계 / 포맷 변환)
• 정규식(regex)으로 피험자 정보 분리
• 멀티시트 Excel 취합 → Tidy Data 변환
• Z-score 표준화 + Violin Plot 시각화
• Streamlit GUI로 변환·분석 규칙을 직접 조작하면서 결과 확인

시연 (20분)

1. sample_raw.csv 열어서 문제점 파악 → app.py로 변환 시연
2. 장비 Raw Data(cholesterol, fatty acid) → app_analysis.py로 취합·시각화 시연

실습 (60분)

• Part 1 — 변환기 (streamlit run app.py)
  • Phase 1: 파일 업로드 → 구조 파악 (열 타입, 결측값 확인)
  • Phase 2: 열 이름 변경 + 순서 재배치
  • Phase 3: 정규식으로 단위 제거, 피험자 정보 분리
  • Phase 4: 코딩 변환 매핑 (텍스트 → 숫자)
  • Phase 5: Wide → Long 포맷 변환
  • Phase 6: CSV / Excel 다운로드
• Part 2 — 분석 파이프라인 (streamlit run app_analysis.py)
  • Step 1: Raw Data 로드 + 여러 파일 합치기
  • Step 2: skiprows 설정, 정규식 분리, 멀티시트 취합
  • Step 3: Z-score 계산 + 이상치 확인
  • Step 4: Violin Plot / Box Plot / Paired Plot 시각화
  • Step 5: 멀티시트 Excel 저장

과제

본인이 실제로 쓰는 Excel 파일을 업로드해서 AI에게 변환 기능 추가 요청해보기

Week 5: PDF 처리 + LLM API 입문

주제

• PDF 텍스트 추출 (pdfplumber)
• LLM API 기초: 키 발급, 요청 구조, 비용 개념
• PDF 텍스트 → LLM → 구조화된 출력 (요약 / 키워드 추출)

시연 (30분)

1. 논문 PDF → pdfplumber로 텍스트 추출
2. Claude/OpenAI API로 요약 요청 → 결과 저장
3. Streamlit에 PDF 업로드 → 요약 버튼 → 결과 열람

실습 (50분)

• 본인 PDF(논문, 보고서, 매뉴얼)로 요약 도구 만들기
• 모르는 단어 / 키워드 자동 추출 시도

과제

PDF 요약 또는 키워드 추출 Streamlit 앱 1개 스스로 완성

Week 6: 크롤링

📖 참고 자료: 프론트엔드 & 백엔드 기초개념

주제

• HTML/CSS 최소 개념 (태그 구조, 클래스, id)
• 개발자 도구 F12 (Elements 탭, selector 찾기)
• 크롤링 도구 (requests, BeautifulSoup, selenium)

시연 (30분)

네이버 뉴스 F12 → selector 복사 → AI에게 크롤링 요청 → CSV 저장

실습 (50분)

• 관심 사이트(특허청, 저널 등)에서 selector 찾고 크롤러 만들기
• 수집 데이터를 Streamlit 표로 + Excel 다운로드

과제

정기적으로 확인하는 사이트 1개 크롤러 + Streamlit 연결

Week 7: LLM API 심화 — 데이터 처리 연계

주제

• 데이터 유형별 LLM 활용 패턴
• Excel 데이터 → LLM 분석 → 자동 보고서 생성
• 크롤링 데이터 → LLM 분류 / 요약 → 구조화
• 프롬프트 설계: 역할 부여, 출력 형식 제어

시연 (30분)

1. 연구 노트 Excel → LLM으로 진행상황 요약 자동 생성
2. 크롤링 데이터 → LLM으로 키워드 분류 후 Excel 저장

실습 (50분)

• 본인 업무 데이터(Excel/PDF/크롤링 결과)에 LLM 연결
• 프롬프트 수정하면서 출력 품질 개선 연습

과제

3~6주차 도구 중 하나에 LLM 연결해서 업그레이드

Week 8: 프로젝트 기획 + 기술스택 이해

📖 참고 자료: 프론트엔드 & 백엔드 기초개념

주제

• 개인 프로젝트 아이디어 발굴 + 워크시트 (입력 / 처리 / 출력)
• 기술스택 선택: Streamlit으로 충분한지 체크리스트
• 다음 단계 안내: React + FastAPI 구조 개념

시연 (20분)

예시 프로젝트 기획 전 과정 시연 + Streamlit vs Frontend 비교

실습 (70분)

• 본인 프로젝트 구체화 + 1:1 피드백
• 기술스택 선택 근거 작성 (왕 Streamlit / 영 차마리)

과제

프로젝트 기획서 완성 + 개발 시작

Week 9-12: 개인 프로젝트

⏱️ 주간 시간 배분

🎯 단계별 학습 목표

🎓 최종 결과물

1. 실제 사용 가능한 도구 1개 (Streamlit 웹앱 또는 CLI 스크립트)
2. GitHub 저장소 (코드 + README + 실행 방법)
3. 발표 자료 (문제 정의 → 해결 방법 → 시연 → 배운 점)

💡 강의 원칙

하지 않을 것: 코드 문법 강의 ❌ · 알고리즘 풀이 ❌ · CS 이론 ❌

할 것: 개념 이해 ✅ · AI 질문법 ✅ · 에러 대응 ✅ · 실용 도구 만들기 ✅

🔄 후속 학습 경로

Level 1 (현재): Streamlit 기반 도구  →  연구원 대부분 여기서 충분
Level 2 (심화): React + FastAPI      →  더 전문적인 웹 서비스
Level 3 (전문): AI/ML · 데이터 사이언스 · DevOps

문의 및 피드백: [연락처]