# IoT·엣지 AI 첫걸음: 온디바이스 AI 기초 — 강의자료

## 과정 개요

IoT 디바이스에서 AI를 직접 구동하는 온디바이스 AI 개념과 기초 실습

클라우드 없이 디바이스에서 동작하는 AI가 왜 필요한지, 어떤 제약(연산량·전력·지연시간)이 있는지 이해합니다. 소형 모델을 엣지 디바이스에 올려보는 실습을 포함합니다.

| 항목 | 내용 |
|---|---|
| 난이도 | 입문 |
| 진행 방식 | 워크숍 |
| 표준 소요시간 | 8시간 (1일) |
| 대상 | IoT 제품 기획·개발 실무자 |
| 관련 기술 | IoT, Edge AI, On-device AI |

## 학습 목표

- 온디바이스 AI·엣지 AI 개념과 제약 이해
- 경량화 모델 변환 기초
- 엣지 디바이스 배포 실습

## 모듈별 강의 내용

### Module 1. 왜 온디바이스인가

- 클라우드 AI의 한계
- 연산량·전력·지연시간 제약

모든 데이터를 클라우드로 보내 처리하면 지연시간과 통신비용이 커집니다. 연산량·전력·지연시간 제약을 이해하고 언제 온디바이스가 필요한지 판단하는 기준을 다룹니다.

### Module 2. 모델 경량화 기초

- 양자화·프루닝 개념
- 경량 모델 변환 실습

큰 모델을 작은 디바이스에 올리려면 양자화·프루닝 같은 경량화 기법이 필요합니다. 간단한 모델을 실제로 경량화해보며 정확도와 크기의 트레이드오프를 확인합니다.

### Module 3. 엣지 배포 실습

- 엣지 디바이스에 모델 올리기
- 동작 검증 및 성능 측정

경량화한 모델을 실제 엣지 디바이스에 올려 동작시켜봅니다. 클라우드 버전과 성능·속도를 비교 측정합니다.

## 진행 안내

각 모듈은 개념 설명 후 실습으로 이어지는 순서로 진행합니다. 모듈별 실습 문제는 별도 워크북 문서를 참고하세요.