[AI] 001 - 개발 환경

Windows AI 개발 환경 설정 — Python · CUDA · Rust

도구가 사고의 틀을 만듭니다. 한 번 세팅하되, 제대로 세팅합니다.

학습 목표

• Python 3.11+, Node.js 20+, Rust 툴체인을 처음부터 설치한다
• 재현 가능한 빌드를 위해 가상 환경과 패키지 매니저를 구성한다
• CUDA/MPS로 GPU 접근을 검증하고 테스트 텐서 연산을 돌린다
• 시스템·패키지·런타임·AI 라이브러리의 네 층 구조를 이해한다

왜 필요한가

앞으로 Python, TypeScript, Rust, Julia를 넘나들며 200개가 넘는 레슨을 지나가게 됩니다. 환경이 깨져 있으면 모든 레슨이 개념 학습이 아니라 툴링과의 싸움이 됩니다.

 

대부분은 환경 설정을 건너뜁니다. 그리고 import 오류, 버전 충돌, 없는 CUDA 드라이버를 디버깅하는 데 몇 시간을 씁니다. 이 비용은 레슨 수만큼 곱해지므로, 한 번에 제대로 치르는 편이 쌉니다.

개념 — 네 개의 층

AI 개발 환경은 네 층으로 이루어집니다.

4. AI/ML 라이브러리   PyTorch, JAX, transformers
3. 언어 런타임        Python 3.11+, Node 20+, Rust, Julia
2. 패키지 매니저      uv, pnpm, cargo, juliaup
1. 시스템 기반        OS, 셸, git, 에디터, GPU 드라이버

각 층은 아래 층에 의존합니다. 그래서 설치는 아래에서 위로 진행합니다.

 

이 구조가 실전에서 갖는 의미는 진단 순서입니다. 증상은 대개 위층에서 나타나지만 원인은 아래층에 있습니다. torch가 설치되지 않는 문제의 실제 원인이 1층의 GPU 드라이버이거나 3층의 Python 버전인 경우가 흔합니다. 4층만 반복해서 건드리면 해결되지 않습니다.

구현

1단계 — 시스템 기반

# macOS
xcode-select --install
brew install git curl wget

# Ubuntu/Debian
sudo apt update && sudo apt install -y build-essential git curl wget

# Windows
wsl --install -d Ubuntu-24.04

주의 (Windows) — WSL2가 필수는 아닙니다

원문은 Windows에서 WSL2를 전제하지만, git·Node.js·Rust는 네이티브 Windows에서도 정상 동작합니다. 네이티브 Windows는 GPU를 드라이버 그대로 쓰고 설정이 단순하지만, 레슨의 셸 스크립트(curl | sh 형태)가 그대로 돌지 않아 손으로 옮겨야 합니다. WSL2는 레슨 명령을 그대로 쓸 수 있지만 GPU 패스스루 설정이 한 겹 더 붙습니다.

대부분의 레슨은 Python 코드라 네이티브로 충분합니다. Phase 17(인프라·프로덕션)의 컨테이너·배포 레슨에서 WSL2가 필요해질 수 있습니다.

2단계 — uv로 Python 설치

pip 대신 uv를 씁니다. 가상 환경 생성과 패키지 설치를 한 도구가 처리하고, 속도가 pip의 10~100배입니다.

curl -LsSf https://astral.sh/uv/install.sh | sh

uv python install 3.12
uv venv
source .venv/bin/activate      # Windows: .venv\Scripts\activate

uv pip install numpy matplotlib jupyter

검증:

import sys
print(f"Python {sys.version}")

import numpy as np
print(f"NumPy {np.__version__}")
a = np.array([1, 2, 3])
print(f"Vector: {a}, dot product with itself: {np.dot(a, a)}")

주의 (Windows) — curl | sh 설치 스크립트

위 설치 줄은 POSIX 셸용입니다. PowerShell에서는 다음을 씁니다.

powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
# 권한 문제로 안될 경우
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

winget install --id=astral-sh.uv도 동작합니다.

3단계 — pnpm으로 Node.js 설치

TypeScript 레슨(에이전트, MCP 서버, 웹 앱)에 필요합니다.

curl -fsSL https://fnm.vercel.app/install | bash
fnm install 22
fnm use 22

npm install -g pnpm
node -e "console.log('Node', process.version)"

주의 (Windows) — curl | bash 설치 스크립트

위 설치 줄은 bash 셸용입니다. PowerShell에서는 다음을 씁니다.

fnm env --use-on-cd --shell powershell | Out-String | Invoke-Expression

4단계 — Rust 설치

성능이 중요한 레슨(추론, 시스템)에 쓰입니다.

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

rustc --version
cargo --version

5단계 — Julia (선택)

수학 비중이 큰 레슨용입니다. Phase 1에서만 쓰이므로 나중에 설치해도 됩니다.

curl -fsSL https://install.julialang.org | sh
julia -e 'println("Julia ", VERSION)'

주의 (Windows) — curl | sh 설치 스크립트

위 설치 줄은 sh 셸용입니다. PowerShell에서는 다음을 씁니다.

winget install --name Julia --id 9NJNWW8PVKMN -e -s msstore

6단계 — GPU 설정

nvidia-smi

uv pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

import torch
print(f"CUDA available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"GPU: {torch.cuda.get_device_name(0)}")

GPU가 없어도 대부분의 레슨은 CPU에서 동작합니다. 학습 비중이 큰 레슨은 Google Colab이나 클라우드 GPU를 씁니다.

7단계 — 전체 검증

python phases/00-setup-and-tooling/01-dev-environment/code/verify.py

활용

설치한 환경이 각 Phase에서 어떻게 쓰이는지입니다.

언어	사용처	패키지 매니저
Python	Phase 1–12 (ML, DL, NLP, 비전, 오디오, LLM)	uv
TypeScript	Phase 13–17 (도구, 에이전트, 스웜, 인프라)	pnpm
Rust	Phase 12, 15–17 (성능이 중요한 시스템)	cargo
Julia	Phase 1 (수학 기초)	Pkg

연습문제

1. 검증 스크립트를 실행하고 실패한 항목을 고친다
2. 이 과정을 위한 Python 가상 환경을 만들고 PyTorch를 설치한다
3. 네 개 언어 각각으로 "hello world"를 작성하고 실행한다