01
학생 수에 비례해 늘어나는 비용
토큰 단위 API 과금은 한 학급 전체를 예측할 수 없는 월 청구서로 바꿉니다. 같은 강의 계획서로 수업해도 다음 학기에 청구서는 다시 돌아옵니다.
교육 AI · ASROCK AI SUITE
워크스테이션 한 대가
워크스테이션 한 대가
그대로 AI 강의실이 됩니다.
ASRock AI Suite는 워크스테이션 한 대를 완전한 AI 교육 플랫폼으로 바꿉니다. Windows 11과 Ubuntu, NVIDIA CUDA와 AMD ROCm을 모두 지원하며, 강좌와 실습, 교육용 앱, 로컬 어시스턴트, 채점까지 한 번에 제공합니다. 완전 오프라인: 네트워크 케이블을 뽑아도 수업은 그대로 이어집니다.
AI 교육이 클라우드와 예산, 네트워크에 좌우되어서는 안 됩니다.
대학은 최신 AI를 가르치려 하지만, 현실적인 방법은 대개 외부 서버를 거칩니다. 그 결과 비용은 매달 반복되고, 학생의 과제물은 캠퍼스 밖으로 나가며, 한 학기의 시작은 수업이 아니라 설치 문제로 채워집니다.
02
캠퍼스를 벗어나는 수업 자료
과제와 연구 데이터, 시험 자료가 외부 서비스에 업로드됩니다. 학교는 자신의 교육 콘텐츠가 어디에 놓이는지 통제할 수 없게 됩니다.
03
개강 첫 주도 버티지 못하는 실습 환경
Python과 CUDA 또는 ROCm, PyTorch, JupyterLab의 버전이 장비마다 어긋납니다. 학기 초 몇 주는 교과 과정이 아니라 환경 문제 해결에 쓰입니다.
한 학기 AI 수업 준비,
4단계로 끝납니다.
교수진의 질문
다음 학기까지 AI 강좌를 개설할 수 있을까요?
환경 구축
골든 이미지와 복구 카드로 워크스테이션을 올립니다. 환경 관리자가 Python과 CUDA 또는 ROCm, PyTorch, JupyterLab 상태를 초록불 대시보드로 점검하고, 빠진 패키지는 오프라인 휠하우스에서 바로 채웁니다.
→강좌 선택
한 학기 분량 강좌 9개가 이미 집필되어 있습니다. 각 강좌는 한 학기 구성으로 설계되고 ACM CS2023에 매핑되어, AI 기초부터 컴퓨터 비전과 생성형 AI까지 이어집니다.
→수업과 실습
학생은 같은 작업 공간에서 GUI 교육용 앱 59종과 SDK 예제 노트북 214개를 열고, 막히는 부분은 RAG 지식 베이스를 갖춘 로컬 AI 어시스턴트에 바로 물어봅니다.
→평가
퀴즈 어시스턴트가 교수진의 강의 자료에서 문항을 뽑고 모범 답안 기준으로 채점합니다. nbgrader 파이프라인은 과제 배포와 수집, 자동 채점, CSV 성적 내보내기까지 처리합니다.
완성된 AI 교과 과정이 장비와 함께 도착합니다.
강의 자료와 실습 앱, 어시스턴트, 평가 도구를 모두 로컬에 설치해 첫날부터 그대로 사용합니다.
59교육용 앱
9한 학기 강좌
112강좌 노트북
214SDK 예제
바로 실행되는 교육용 앱 59종
비전과 음성, 생성형 AI, 데이터 사이언스를 아우르는 클릭 기반 GUI 앱입니다. 객체 검출, SAM2 세그멘테이션, OCR, 결함 검사, Whisper 음성 인식, 실시간 자막 생성, 음성 합성, AutoML, 수요 예측, 이상 탐지를 포함합니다.
한 학기 분량 강좌 9개
AI 개론, 운영체제, 컴퓨터 비전, 딥러닝, 알고리즘, 생성형 AI, GPU 가속 자료구조로 구성됩니다. 강좌 노트북 112개가 학습 목표·시연·실습·히든 테스트의 한 학기 구조로 정리되어 있습니다.
SDK 예제 노트북 214개
초급 58개, 중급 110개, 고급 46개의 JupyterLab 노트북을 강좌와 같은 교육 작업 공간에 올려 두어, 학생이 도구를 바꾸지 않고 강좌와 예제를 오갈 수 있습니다.
로컬 AI 어시스턴트
워크스테이션 안에서만 구동되는 대화형 어시스턴트입니다. Apache-2.0 라이선스의 gpt-oss-20b를 llama.cpp로 실행하고 OpenAI 호환 API로 제공하며, 레퍼런스 워크스테이션 기준 초당 약 282 토큰을 기록했습니다.
RAG 지식 베이스
강의 문서를 넣으면 로컬 벡터 인덱스를 자동으로 만듭니다. multilingual-e5-large 임베딩과 내장 Qdrant 저장소를 사용하고, 답변에는 근거가 된 원문 구절을 함께 제시합니다.
퀴즈·채점 어시스턴트
강의 자료를 붙여 넣으면 원하는 난이도로 객관식, OX, 단답형 문항을 생성하고, 제출물은 모범 답안 기준으로 채점해 서술형 피드백까지 제공합니다.
랩과 강의실, 캠퍼스 규모에 맞춘 인프라.
수강 인원과 모델 크기, 동시에 GPU 작업을 실행하는 학생 수를 기준으로 플랫폼을 선택할 수 있습니다.
강좌 / 랩
GPU 워크스테이션 한 대로 강좌와 앱, 로컬 어시스턴트, RAG 지식 베이스까지 스위트 전체를 구동합니다. 단일 강좌나 연구실 한 곳에 적합합니다.
엣지 또는 단일 GPU강의실 · 30~51석
골든 이미지 하나를 복구 카드로 강의실의 모든 좌석에 그대로 씁니다. 구축 절차는 강의실 규모에서 검증되어, 강의실 전체도 한 대와 똑같은 방식으로 올라옵니다.
AI 워크스테이션캠퍼스 · 다중 강의실
여러 강의실과 학과를 위한 멀티 GPU 또는 서버 인프라입니다. 현재는 장비마다 독립적으로 동작하며, 캠퍼스 네트워크를 공유형 AI 교육 클라우드로 확장하는 방안은 로드맵에 있습니다.
멀티 GPU / 서버
다음 단계
오프라인 AI 강의실을
오프라인 AI 강의실을
캠퍼스에 들여놓으십시오.
어떤 강좌를 운영해야 하고 몇 석을 갖춰야 하는지 알려 주십시오. AI Center는 이미 가르치고 있는 교과 과정에서 출발해, 그 수업을 돌릴 워크스테이션까지 거꾸로 설계합니다.