Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 가이드는 AI 엔지니어가 되기 위한 실습 중심의 종합적인 로드맵을 제공합니다. 수학적 기초부터 PyTorch, 신경망 구축, 트랜스포머 아키텍처 이해를 거쳐 RAG 파이프라인까지 실제 AI 시스템을 단계별로 구현할 수 있도록 안내합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Research의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기Stars
Forks
PRs
Issues
Contributors
License
<img width="2000" height="600" alt="image" src="https://github.com/user-attachments/assets/0c161d9a-3227-4dd7-a416-ad97bc9742a9" />
AI 엔지니어가 되기 위한 완전하고 실습 중심의 가이드입니다.
이 저장소는 여러분이 AI를 기본 원리(first principles)부터 배우고, 실제 신경망을 구축하며, 최신 LLM 시스템을 처음부터 끝까지 이해할 수 있도록 설계되었습니다.
수학, PyTorch, 딥러닝 (deep learning), 트랜스포머 (transformers), RAG, OCR 등을 거치며, 모든 단계에서 직관적이고 깔끔한 Jupyter 노트북이 여러분을 안내합니다.
초보자든 역량을 강화하려는 엔지니어든, 이 저장소는 실제 AI 시스템을 구축하는 데 필요한 명확성, 구조, 그리고 통찰력을 제공할 것입니다.
유용한 것을 배우셨다면, 별표를 눌러주시면 감사하겠습니다.
deepseek-ai/DeepSeek-V3-0324), MiniMax (M3), OpenAI, 또는 더 풍부한 답변 생성을 위한 모든 OpenAI 호환 API번호가 매겨진 학습 트랙 외에도, 이 저장소에는 다음 폴더들이 포함되어 있습니다:
저장소의 상세 지도:
ai-hands-on/
├── README.md # 이 파일
├── LICENSE # MIT 라이선스
...
| 폴더 | 유형 | 내용 |
|---|---|---|
Start_here/ | 가이드 | 저장소의 순서대로 진행할 학습 경로 |
| ... |
이해도를 높이는 데 추천되는 독서 자료 (포함되어 있지 않음):
AI EngineeringHands-On Machine Learning with Scikit-Learn, Keras, and TensorFlowDeep LearningThe Elements of Statistical LearningNeural Networks and Deep LearningSQL CookbookAI/ML 관련 더 많은 책을 원하시면, 제가 이 여기 확인에 다른 저장소를 만들었습니다. 앞으로 며칠/몇 달 동안 훨씬 더 많이 추가할 예정입니다. 만약 책 읽기에 관심이 있으시다면, 이 저장소를 확인해 보세요.
자료들을 단계별로 추천하는 진행 순서는 Learning Path를 참고하세요:
Start_here/learning_path.md다음 명령어로 종속성을 설치하세요:
pip install -r requirements.txt
일부 하위 폴더(예: 5.RAG/ 및 6.OCR/)는 추가적인 종속성을 포함하는 자체 requirements.txt를 가지고 있습니다.
권장 워크플로우:
jupyter lab
jupyter notebook
2. 순서대로 노트북을 진행합니다:
- `1.Math/`
- `2.PyTorch/`
- `3.Neural-Network(NN)/`
- `4.Transformer/`
3. 별도로 실행할 폴더:
- `5.RAG/`
- `6.OCR/`
- `DL/ANN-CNN Prod/`, `DL/RNN-LSTM Prod/`, `DL/RNN-LSTM-GRU/` (각각 자체 README 및 requirements 보유)
- `YoutubeMCP/` (Python 3.12+ 및 `uv` 필요)
4. 리소스
5. 기본 ML 모델 구현 (Supervised + Un-supervised + RL)
- `1.Linear Regression`
- `2.Logistic Regression`
- `3.Decision Tree Model`
- `4.Naive Bayes Classification`
## 머신러닝 프레임워크
| 도구 | 카테고리 | 링크 |
| :--- | :--- | :--- |
| Scikit-learn | 전통적 ML (Traditional ML) | [https://scikit-learn.org/stable/](https://scikit-learn.org/stable/) |
| ... | | |
## 생성형 AI 참고 자료
| 리소스 (Resource) | 초점 영역 (Focus Area) | 링크 (Link) |
| :--- | :--- | :--- |
| Microsoft Generative AI for Beginners | GenAI 입문 (Intro to GenAI) | [https://github.com/microsoft/generative-ai-for-beginners](https://github.com/microsoft/generative-ai-for-beginners) |
| ... | | |
| Understanding Reasoning LLMs | 추론 이론 (Reasoning theory) | [https://magazine.sebastianraschka.com/p/understanding-reasoning-llms](https://magazine.sebastianraschka.com/p/understanding-reasoning-llms) |
| Understanding Multimodal LLMs | 비전 + 텍스트 모델 (Vision + text models) | [https://magazine.sebastianraschka.com/p/understanding-multimodal-llms](https://magazine.sebastianraschka.com/p/understanding-multimodal-llms) |
| LLM 미세 조정 (Finetuning LLMs) | 모델 훈련 (Model training) | [https://magazine.sebastianraschka.com/p/finetuning-large-language-models](https://magazine.sebastianraschka.com/p/finetuning-large-language-models) |
| Transformer LLM 작동 방식 (How Transformer LLMs Work) | 아키텍처 (Architecture) | [https://www.deeplearning.ai/short-courses/how-transformer-llms-work/](https://www.deeplearning.ai/short-courses/how-transformer-llms-work/) |
| GPT를 처음부터 구축하기 (Build GPT from Scratch) | 실습 (Hands-on) | [https://www.youtube.com/watch?v=kCc8FmEb1nY](https://www.youtube.com/watch?v=kCc8FmEb1nY) |
| ... |
## 기여하기
기여를 환영합니다!
다음 사항을 확인해 주세요:
- Notebooks는 깨끗하게 유지합니다 (커밋 전 재시작 및 전체 실행).
- 기존 구조 및 명명 규칙을 따릅니다.
- PR(Pull Request)은 초점을 맞추고, 읽기 쉬우며, 문서화되어야 합니다.
- RAG나 OCR 같은 폴더에서는 정리된 구조를 유지해 주십시오.
- 새로운 폴더를 추가하려면 적절한 구조 방식을 사용하십시오.
## 라이선스 (License)
- 이 프로젝트는 MIT License 하에 라이선스가 부여됩니다. 자세한 내용은 `LICENSE` 파일을 참조하십시오.
## 저와 연결하기 (Connect with me)
[](https://x.com/techwith_ram)
[](https://instagram.com/techwith.ram)
[](https://github.com/Ramakm)