AI가 작동하는 방식 이해하기: 무료 학습 자료 15가지

뉴런의 수학적 원리부터 자신만의 언어 모델 구축까지.

저는 목표별로 분류된 무료 학습 방법들을 brianpfeil.com/learn 디렉토리에 정리해두었으며, 모든 링크는 로그인 없이 열립니다. 이 중 하나의 경로가 바로 15가지 자료이며, 제가 시작할 때 추천하는 자료에는 ⭐ 표시를 했습니다.

• Neural Networks: Zero to Hero, Andrej Karpathy 작성 ⭐: 코드를 통해 신경망을 처음부터 구축하며, GPT까지 다룰 수 있습니다.

• Neural networks, 3Blue1Brown 작성 ⭐: 신경망과 트랜스포머(transformers)가 어떻게 작동하는지에 대한 최고의 시각적 설명입니다.

• Practical Deep Learning, fast.ai 작성: 이미 프로그래밍이 가능한 사람들을 위한 상위에서 아래로, 코드를 먼저 접하는 딥러닝 강좌입니다.

• Machine Learning Crash Course, Google 작성: 구글의 빠르고 실용적인 머신러닝 입문 과정입니다.

• Introduction to Deep Learning (6.S191), MIT 작성: MIT에서 제공하는 딥러닝 입문 강의로, 매년 무료로 강연과 실습 자료가 게시됩니다.

• Courses, DeepLearning.AI 작성: Andrew Ng의 플랫폼으로, LLM 및 에이전트(agents)에 대한 수십 개의 1시간짜리 짧은 무료 강좌를 제공합니다.

• LLM Course, Hugging Face 작성: Hugging Face 라이브러리를 사용하여 트랜스포머(Transformers), 파인튜닝(fine-tuning) 및 LLM을 배웁니다.

• AI Agents Course, Hugging Face 작성: 기초부터 프레임워크까지 AI 에이전트를 구축하며 수료증을 받을 수 있습니다.

• Dive into Deep Learning: 500개 이상의 대학에서 사용되는 실행 가능한 코드를 포함한 인터랙티브 딥러닝 교과서입니다.

• Neural Networks and Deep Learning, Michael Nielsen 작성: 신경망이 어떻게 학습하는지에 대한 가장 명확한 무료 서적입니다.

• An Introduction to Statistical Learning: R과 Python을 사용한 실습이 포함된, 고전적인 통계 학습 교과서이며 PDF로 무료 제공됩니다.

• Deep Learning, Goodfellow, Bengio & Courville 저: 온라인에서 읽을 수 있는 딥러닝 교과서입니다.

• Reinforcement Learning: An Introduction, Sutton & Barto 저: 표준 강화학습(RL) 교과서이며 온라인에서 무료로 제공됩니다.

• AI Canon, a16z 작성: 최신 AI 동향을 파악하기 위한 엄선된 읽기 목록입니다.

여기서 제작됨 (Made here)

• PyTorch: Apple Silicon(MPS)에서 모든 예제가 실행 가능하도록, 텐서, autograd, 학습 루프 등 실제 PyTorch를 읽고 쓰는 데 능숙해지기 위한 과정입니다.

최신 목록과 다른 경로들(코드, 클라우드, AI, 키즈 등)은 brianpfeil.com/learn/ai/에서 확인할 수 있습니다.