안녕하세요, AIEEV입니다. GPU 실험을 시작하려면 먼저 환경부터 잡아야 합니다. CUDA 버전을 맞추고 드라이버를 설치하고 패키지 충돌을 해결하다 보면 어느새 두 시간이 지나 있습니다. 코드 한 줄 못 썼는데도요. Air Cloud는 PyTorch와 CUDA가 미리 구성된 컨테이너를 배포하고 SSH로 바로 접속할 수 있게 해줍니다. 따라서 로컬 환경을 건드릴 필요가 없습니다. 여기에 Claude Code 같은 AI 코딩 에이전트를 연결하면 코드 작성, 디버깅, 실행을 AI와 함께 처리할 수 있습니다. 이번 글에서는 그 방법을 단계별로 안내드리고자 합니다. 이런 분께 추천합니다 GPU가 필요한 ML 실험을 하는데, 노트북 성능이 아쉬운 분 Claude Code를 쓰고 있는데, 원격 서버에서도 그대로 쓰고 싶은 분 VSCode로 원격 GPU 서버에 붙어서 개발하고 싶은 분 준비물 Air Cloud 계정 (aieev.com 가입) Anthropic

안녕하세요! AIEEV의 비즈니스 팀에서 서비스기획자로 열심히 성장 중인 윤아 입니다. 🐥 이번 글에는 저희 Air Cloud 의 기획 과정을 중심으로, 어떤 고민 끝에 이 서비스가 세상에 나오게 되었는지를 이야기해보려고 합니다. 이 글이 AI 모델을 구성/활용하는 많은 개발자들과 고객 User flow를 기획하는 기획자들에게 공감과 작은 도움이 되기를 바라며 Air Cloud 의 탄생과 서비스화 과정을 지금부터 풀어보겠습니다 : ) 1. Air Cloud, 어떻게 시작했나요? 우리가 흔히 알고 있는 클라우드 서비스인 AWS나 Google Cloud는 중앙집중형 클라우드인데요, 이런 구조는 비용, 확장성, 자원 효율성 측면에서 한계가 존재합니다. Air Cloud는 이러한 문제에서 시작한 ‘분산형 클라우드 서비스’ 입니다. Air Cloud에서는 Air container 기능을 활용해 누구나 자신의 AI 모델이나 애플리케이션을 쉽게 클라우드에 올