K-Digital Training : 핀테크 클라우드를 통한 풀스택 개발 & 데이터 분석, 서비스 기획 과정
실제 핀테크 기업과 함께하는 6개월의 실시간 이론 + 현장형 프로젝트 실무 훈련 과정
한국핀테크지원센터 × 구름(Goorm) 공동 운영
<aside> 👉
금융과 기술의 경계를 넘는 새로운 커리어 시작을 위해 핀테크 실무를 경험할 가장 빠른 방법입니다.




Point 1. 자바로 다지는 탄탄한 백엔드 기초
자료형, 제어문, 객체지향, 상속 등 자바의 핵심을 실습으로 익혀 기초 체력을 다집니다.
- 교과목 : Java
- 소단원 : 변수와 자료형, 제어문, 객체, 상속
Point 2. Spring Boot와 데이터베이스 연동
REST API, JPA/ORM, 트랜잭션 관리, CRUD 중심의 서버 개발 실습.
- 교과목 : Spring Boot
- 소단원 : REST API, Controller, Repository, Service
Point 3. React, NextJS 로 구현하는 인터랙티브 UI
컴포넌트 구조 설계, 상태관리, API 연동을 통해 실제 서비스 화면을 제작합니다.
- 교과목 : React
- 소단원 : 컴포넌트 구조, Hook, Axios, Routing
Point 4. CI/CD와 클라우드 기반 기술로 서비스 무중단 배포
Docker, Kubernetes(K8s), AWS를 활용하여 개발부터 배포까지의 모든 과정을 자동화하고, 확장성 있는 클라우드 환경을 구축합니다. 개발한 서비스를 안정적으로 런칭하고 운영하는 실무 DevOps 역량을 완성합니다.
- 교과목 : DevOps & Cloud Deployment
- 소단원 : Docker, Kubernetes, AWS, CI/CD
Point 1. “데이터가 어떻게 흘러가는지”부터 읽고 설계하는 핀테크 기획 베이스
단순 DB 이론이 아니라, **서비스의 데이터 흐름(DFD) → 구조(ERD) → 질의(SQL)**까지 한 흐름으로 익힙니다. 실제 서비스 사례를 바탕으로 데이터 구조를 역설계하고, 기획자 관점의 CRUD/정규화까지 연결해 “개발팀과 같은 언어로” 소통할 수 있는 기반을 만듭니다.
- 교과목 : DB/데이터 흐름 이해, RDBMS vs NoSQL, ERD·정규화, SQL(SELECT/JOIN)
- 기술스택 : RDBMS, NoSQL, SQL, (기획 협업) Notion DB/CRUD
Point 2. 요구사항에서 시작해 ‘추적–정의–파이프라인’으로 완성하는 데이터 설계 역량
“왜 수집하고, 무엇을 측정할 것인가?”를 먼저 정리한 뒤, 추적 항목 → 데이터 요구사항 정의서 → 파이프라인 아키텍처로 설계를 구체화합니다. ETL/ELT, 배치/스트리밍까지 비교하며 실제 핀테크 기업의 데이터 흐름을 분석·토론합니다.
- 교과목 : 데이터 요구사항 정의, 추적 항목 설계, 데이터 파이프라인 개념(ETL/ELT·배치/스트리밍)
- 기술스택 : 데이터 모델링/아키텍처 설계 프레임, (분석) SQL 기반 사고
Point 3. 웹·API 기반으로 “직접 수집한 데이터”를 만들고 자동화하는 실행력
웹페이지 구조(DOM/선택자) 이해부터 HTTP·API·JSON까지 실습으로 다지고, 뉴스/커뮤니티 데이터를 실제로 수집·가공합니다. 주식 API 연동처럼 실무형 자동화를 경험해 “데이터가 없는 문제”를 스스로 풀어낼 수 있게 합니다.
- 교과목 : 웹 스크래핑 개념, HTTP·API·JSON, 뉴스 데이터 활용, API 연동 자동화(n8n)
- 기술스택 : Python, HTML/DOM, API(JSON), Docker, Git, n8n
Point 4. 신용·리스크·마케팅까지: 금융 데이터 분석을 ‘예측–평가–설명’으로 끝내는 역량
EDA/전처리부터 시작해 회귀·분류·군집·이상탐지를 금융 문제에 맞게 적용합니다. 성능만 올리는 게 아니라 ROC-AUC/F1, 혼동행렬 등으로 제대로 평가하고, SHAP 등으로 “왜 그런 결론이 나왔는지” 설명 가능한 모델까지 다룹니다.
- 교과목 : 금융 데이터 전처리·EDA, 신용/소득 예측(회귀), 연체 예측(분류), 세그먼테이션(군집), 이상탐지(오토인코더), 불균형 데이터 처리(SMOTE), XAI/설명력
- 기술스택 : Pandas, NumPy, Matplotlib, scikit-learn, (DL) Neural Network/Autoencoder, SHAP
Point 5. PRD–ERD–API–프로토타입 + LLM/RAG + 실시간 BI까지 이어지는 ‘제품 완성’ 경험
뉴스 데이터로 PRD를 쓰고, ERD 설계에서 API 명세로 연결해 스펙을 리뷰하며 팀 단위로 프로토타입을 완성합니다. 여기에 LLM 프롬프팅과 RAG로 금융 약관/사내 규정 Q&A 챗봇을 구현하고, 로그 설계(GA4)–BigQuery 적재–대시보드까지 “기획→실행→검증” 루프를 닫습니다.
- 교과목 : PRD 작성, ERD+API 명세, 스펙 리뷰·프로토타입 데모, LLM 기초·프롬프팅, RAG/할루시네이션 방지, GA4→BigQuery 분석·대시보드
- 기술스택 : LLM Prompting, RAG, SQL/BigQuery, 대시보드 구축, Docker, Git, Amazon Web Services
<aside>
</aside>