AI를 배우기 위한 리소스는 급증하고 있지만, "일단 검색하면 많이 나와서 무엇부터 봐야 할지 모르겠다"라는 상태가 되기 쉽다. 이 기사에서는 공식 문서, 온라인 강의, 논문 서비스, 비주얼 교재부터 일본어 커뮤니티까지 분야별로 100개를 정리했다.

총 100개 사이트. 링크는 모두 2026년 7월에 접속을 확인했다. 위에서부터 순서대로 읽을 필요는 없으므로, 현재 자신의 상황과 가까운 항목으로 이동해 주길 바란다.

"이곳도 좋다" 하는 것이 있다면 댓글로 알려주길 바란다.

• 우선 일본어로 읽기
• AI 기업 공식 학습 콘텐츠
• 프롬프트 엔지니어링 (Prompt Engineering) 배우기
• 머신러닝 (Machine Learning) · 딥러닝 (Deep Learning) 기초 다지기
• LLM · Transformer를 기초부터 이해하기
• 브라우저만으로 테스트할 수 있는 실습 환경
• 모델과 코드를 직접 실행하기
• 논문과 최신 연구를 캐치업 (Catch-up) 하기
• 경진대회 (Competition)로 실력 시험하기
• 종합 온라인 학습 플랫폼
• 대학 공개 강의와 무료 서적
• 뉴스 및 트렌드 추적
• YouTube · Podcast
• 일본어 커뮤니티와 스터디
• 자격증 · 검정

생성형 AI의 기술 용어나 개념을 일본어로 먼저 파악하고 싶은 사람을 위한 섹션. 영어로 넘어가기 전의 발판으로 사용할 수 있다.

마츠오 연구실 심층 학습 입문 (도쿄 대학)

도쿄 대학 마츠오 연구실의 "Deep Learning 기초 강좌". 뉴럴 네트워크 (Neural Network)의 기초부터 심층 학습의 핵심 기술까지, 강의와 연습을 통해 실천적으로 배울 수 있다.

머신러닝장 (機械学習帳)

선형 회귀 (Linear Regression) · 로지스틱 회귀 (Logistic Regression) · 뉴럴 네트워크를 수식과 Python 코드를 나란히 배치하여 해설하는 오픈 교재. Colaboratory에서 실행 가능한 노트북 포함. "수학이 얽힌 부분에서 항상 막힌다"는 사람에게 적합하다.

생성형 AI 백서 2025 (JDLA)

일본 딥러닝 협회 (JDLA)가 공개하는 생성형 AI 현황 조사 보고서. 일본 국내에서의 활용 동향 · 기업의 대응 상황을 일본어로 파악하고 싶은 비즈니스 측 인원 대상.

Google AI Essentials (일본어판)

프로그래밍 지식이 없어도 수강할 수 있는 Google의 무료 AI 입문 코스. 생성형 AI란 무엇인가 · 프롬프트의 기본 · 업무 활용법을 15시간 정도에 걸쳐 배울 수 있다. 수료증 (Google 명의)이 발급되므로 사내 보고나 자기 학습 기록으로도 활용 가능하다. 초보자가 우선 하나를 고른다면 이곳.

IPA 보안 관련 문서 (AI 활용 리스크)

AI를 업무에 도입할 때의 리스크 관리 · 정보 유출 대책을 일본어로 파악하고 싶은 담당자 대상. "정보 보안 10대 위협 2026"에서는 AI 이용을 둘러싼 사이버 리스크가 처음으로 선정되었으며, 계발 자료로서 무료 공개되어 있다.

Chainer 튜토리얼

일본어로 작성된 딥러닝 입문 튜토리얼. NumPy의 기초부터 시작하여 CNN이나 RNN 구현까지 일본어로 친절하게 해설되어 있다. 영어에 익숙하지 않은 단계에서 기초를 다지는 데 사용할 수 있다.

각 기업이 무료로 공개하고 있는 1차 정보. 신선도가 높으며, 문서와 학습 콘텐츠가 같은 장소에 있다.

Anthropic Docs

Claude의 API 레퍼런스와 프롬프트 설계의 베스트 프랙티스 (Best Practice)를 1차 정보로서 참조할 수 있다. "프롬프트 엔지니어링 (Prompt Engineering)" 섹션만으로도 충분히 읽을 가치가 있다.

Anthropic Prompt Engineering Interactive Tutorial

Anthropic 공식 프롬프트 엔지니어링 튜토리얼. GitHub에 공개되어 있으며, Jupyter Notebook 형식으로 API를 실제로 호출하며 배우는 구성이다. 읽기만 하고 끝나는 것이 아니라 직접 손을 움직여 볼 수 있다는 점이 다른 해설과 다르다. 총 13장.

OpenAI Platform Docs

GPT 시리즈 API의 공식 문서. 프롬프트 설계 가이드 · Function Calling · Embeddings 해설이 충실하다. API를 이제 막 사용하기 시작하는 사람은 반드시 일독해야 한다.

OpenAI Academy

OpenAI가 제공하는 공식 학습 코스군. 프롬프트 엔지니어링의 기초부터 API를 사용한 앱 개발까지 단계적으로 배울 수 있다. 무료로 이용 가능하다.

Google AI for Developers

Gemini API와 관련 도구의 개발자용 문서. Google AI Studio를 통해 들어가 API를 만져보며 배우는 루트가 빠르다.

Google Machine Learning Crash Course

Google에서 제공하는 머신러닝 (Machine Learning) 무료 입문 코스. 선형 회귀 (Linear Regression)・분류 (Classification)・뉴럴 네트워크 (Neural Network)의 기초를 TensorFlow를 사용하며 배운다. 영상·텍스트·연습 문제가 세트로 구성되어 있다.

Microsoft Learn - AI

Azure AI・Copilot・Semantic Kernel 등 Microsoft의 서비스를 중심으로 한 AI 학습 경로. 일본어 콘텐츠가 풍부하다. 클라우드 환경에서 AI를 구현하고 싶은 사람을 위한 코스.

AWS Skill Builder

AWS의 AI/ML 관련 서비스 (SageMaker・Bedrock・Rekognition 등)를 배우는 무료·유료 코스. AWS를 업무에 활용하고 있는 사람의 실전 학습에 적합하다.

NVIDIA Deep Learning Institute (DLI)

GPU・딥러닝 (Deep Learning)・생성형 AI (Generative AI) 실전 코스. 일부는 무료이다. "Generative AI Explained"는 비엔지니어를 위한 개념 이해 코스로 평판이 좋다.

Meta AI Resources

Llama 시리즈의 공식 정보·연구 논문·블로그가 모여 있다. 오픈 소스 모델에 관심이 있다면 반드시 확인해야 할 곳.

어떤 LLM을 사용하더라도 프롬프트 (Prompt) 설계 능력이 출력의 질을 결정한다. 다음 리소스를 통해 체계적으로 배울 수 있다.

Learn Prompting

프롬프트 엔지니어링 (Prompt Engineering)을 기초부터 체계적으로 정리한 오픈 학습 사이트. Chain of Thought・Few-Shot・Zero-Shot 등 주요 기법을 두루 설명하고 있다. 영어지만 읽기 쉬운 문체로 되어 있어, 번역하며 읽어도 충분히 이해할 수 있다.

PromptingGuide.ai

연구 논문을 기반으로 한 프롬프트 기법을 망라하여 정리한 레퍼런스 사이트. 일본어판 https://www.promptingguide.ai/jp 도 존재한다. ReAct나 Self-Consistency와 같은 고도화된 기법까지 깊이 있게 다룬다. 프롬프트 기법의 종류를 일람으로 확인하고 싶을 때 사전처럼 사용하기 좋다.

Anthropic Prompt Engineering Guide

Claude를 위한 프롬프트 설계 베스트 프랙티스 (Best Practices). XML 태그를 사용한 구조화・역할 부여 방식・출력 형식 지정 등 실무에서 사용할 수 있는 구체적인 지침이 나열되어 있다. Claude 이외의 모델에서도 응용할 수 있는 사고방식이 많다.

OpenAI Prompt Engineering Guide

OpenAI 공식 프롬프트 설계 가이드. 6가지 전략 (명확한 지시 작성하기・참조 텍스트 제공하기・태스크 분할하기・시간 부여하기・외부 도구 사용하기・체계적으로 테스트하기)이 구체적인 팁과 함께 설명되어 있다.

Gemini Prompting Strategies

Gemini API를 위한 공식 프롬프트 가이드. 멀티모달 (Multimodal) 대응 (이미지·음성·영상을 포함한 프롬프트)에 대한 설명이 타 서비스보다 풍부하다.

이론과 구현을 모두 잡고 싶은 사람을 위한 추천이다. "왜 그렇게 작동하는지" 모른 채 진행하면 어느 순간 막히게 되므로, 여기에 언급된 리소스로 기초를 다져두면 이후 과정이 수월해진다.

fast.ai - Practical Deep Learning for Coders

"코드를 작성하고 실행하는 것부터 먼저 시작하고, 이론은 나중에 이해한다"라는 역발상적 교육 철학이 특징이다. 2022년판이 최신이며, 컴퓨터 비전 (Computer Vision)・NLP・확산 모델 (Diffusion Model)을 다룬다. Kaggle의 Notebook을 연습 환경으로 사용할 수 있어 GPU 환경을 직접 준비하지 않아도 된다. 전제 조건은 "Python을 조금 쓸 줄 안다" 정도면 충분하다.

DeepLearning.AI Short Courses

Andrew Ng이 이끄는 DeepLearning.AI에서 제공하는 1~2시간 내에 완결되는 무료 쇼트 코스 (Short Courses) 모음. 프롬프트 엔지니어링・RAG・에이전트 (Agent)・LangChain・평가 방법론 등 50개 이상의 코스가 있다. 코드 내의 모델 지정이 오래된 경우가 있으므로 적절히 바꿔 읽어야 한다.

PyTorch 공식 튜토리얼

PyTorch 공식 튜토리얼. 60분 만에 PyTorch의 기초를 배우는 코스부터 시작하여 이미지 분류・텍스트 처리・음성 인식・강화학습 (Reinforcement Learning)까지 구현 예제가 갖춰져 있다. "작동하는 코드를 보면서 익히고 싶은" 사람에게 적합하다.

TensorFlow 공식 튜토리얼

TensorFlow/Keras 공식 튜토리얼. 초보자를 위한 퀵 스타트 (Quick Start)부터 분산 학습 (Distributed Training)까지 단계별로 준비되어 있다. 각 페이지에 Google Colab 연동 버튼이 있어 브라우저에서 즉시 실행할 수 있다.

scikit-learn 사용자 가이드

고전적인 머신러닝 (Machine Learning) 알고리즘(분류·회귀·클러스터링·차원 축소)의 구현과 이론을 망라하는 공식 문서. "먼저 LLM 이외의 머신러닝을 이해한 뒤 생성 AI로 나아가고 싶다"는 사람에게 출발점이 된다.

3Blue1Brown - Neural Networks

뉴럴 네트워크 (Neural Networks)의 구조를 애니메이션으로 시각적으로 해설하는 영상 시리즈. 역전파 (Backpropagation)를 직관적으로 이해하는 데 최적이며, 수식이 나오기 전에 "무슨 일이 일어나고 있는지"에 대한 이미지를 잡을 수 있다. 수학적 배경이 부족한 상태에서 시작해도 따라갈 수 있다.

Distill.pub

머신러닝 개념을 인터랙티브한 비주얼로 깊이 있게 해설하는 온라인 논문지. 현재는 아카이브 상태이지만, 어텐션 (Attention)·특징량 시각화·적대적 사례 (Adversarial Examples)에 대한 해설은 지금도 통용되는 내용이다. 읽을거리로서의 질이 높다.

Transformer의 내부를 "작동하는 구조로서" 이해하고 싶은 사람을 위한 섹션. 여기에 나열된 것들을 조합하면, 블랙박스로만 사용해 왔던 LLM의 동작 원리가 연결된다.

Andrej Karpathy - Neural Networks: Zero to Hero

전 OpenAI의 Andrej Karpathy가 진행하는 YouTube 시리즈. 역전파 구현 (micrograd)부터 시작하여, 문자 수준 언어 모델 (makemore), 최종적으로 GPT를 처음부터 작성하는 것까지 하나의 스토리로 이어져 있다. "LLM을 처음부터 구현하며 이해하기" 위한 교재로서 이를 능가하는 것은 지금도 찾아볼 수 없다. 전제 조건은 Python과 고등학교 수준의 미적분뿐이다.

The Illustrated Transformer (Jay Alammar)

Transformer 논문인 "Attention Is All You Need"의 구조를 비주얼 중심으로 해설한 블로그 게시물. 어텐션 메커니즘 (Attention Mechanism)·인코더 (Encoder)·디코더 (Decoder)의 개념을 단계별로 도표를 통해 따라갈 수 있다. Karpathy의 시리즈와 병행해서 읽으면 이해가 깊어진다.

LLM Visualization (Brendan Bycroft)

GPT 스타일의 Transformer를 3D 인터랙티브로 시각화한 사이트. 임베딩 (Embedding)·어텐션 헤드 (Attention Head)·행렬 곱셈 (Matrix Multiplication)이 실시간으로 애니메이션화되어, 단계별로 어떤 일이 일어나는지 눈으로 쫓을 수 있다. 브라우저만으로 작동한다. 이론서를 읽어도 "어텐션 메커니즘의 이미지가 떠오르지 않는다"는 단계에 매우 효과적이다.

Transformer Explainer

GPT-2를 브라우저 상에서 실시간으로 실행하면서, 각 레이어 (Layer)에서 어떤 일이 일어나는지 시각화하는 교육 도구. 직접 텍스트를 입력하여 다음 토큰 예측 (Next Token Prediction) 과정을 추적할 수 있다. 설치가 필요 없다. LLM Visualization보다 입력에 대한 반응이 직관적이다.

Attention Is All You Need (원문 논문)

2017년에 발표된 Transformer의 원문 논문. 현대 LLM의 출발점이다. 위의 두 가지 비주얼 해설을 읽은 후에 원문을 읽으면 도표와 수식이 연결된다. arXiv에서 무료로 공개되어 있다.

The Illustrated GPT-2 (Jay Alammar)

Illustrated Transformer의 후속편. GPT-2의 자기회귀 (Autoregressive) 생성 구조를 비주얼로 친절하게 쫓는다. CLM 이해에 도움이 된다.

Hugging Face LLM Course

2025년 4월에 NLP 코스에서 LLM 코스로 명칭 변경 및 업데이트되었다. Transformers 라이브러리를 이용한 미세 조정 (Fine-tuning)·에이전트(Agent)·추론 모델 구축까지 무료로 배울 수 있다. 등록 불필요, 광고 없음. 코드는 Colab이나 Kaggle Notebook에서 실행할 수 있다.

"어쨌든 일단 한 번 직접 움직여보고 싶다"는 상태에서 바로 시작할 수 있는 환경. 설치 없이 시작할 수 있다.

Google Colab

브라우저 상에서 Python을 실행할 수 있는 Jupyter Notebook 환경. GPU를 무료 범위 내에서 사용할 수 있다 (사용 시간에 제한 있음). PyTorch·TensorFlow·Transformers가 기본적으로 포함되어 있다. "내 컴퓨터에 환경을 구축하기 전에 테스트해보고 싶다"는 단계의 정석이다. 세션이 끊기면 파일이 삭제되므로 주의해야 한다.

Kaggle Notebooks

Kaggle의 Jupyter Notebook 환경. GPU/TPU를 주당 30시간까지 무료로 사용할 수 있다. Colab에 비해 메모리가 더 많이 할당되는 경우가 있다. Kaggle Learn의 실습은 여기서 완결되도록 설계되어 있다.

Google AI Studio

Gemini 모델을 GUI와 API 모두에서 무료로 테스트할 수 있는 개발자용 플레이그라운드 (Playground). 프롬프트 실험, 멀티모달 (Multimodal) 입력 (이미지·음성·동영상) 시도, API 키 발급까지 한 곳에서 수행할 수 있다. Gemini를 업무에 활용해 보고 싶은 엔지니어의 입문 경로로 최적이다.

OpenAI Playground

GPT 시리즈 모델을 GUI 상에서 파라미터 (Parameter)를 변경하며 테스트할 수 있는 공식 환경. 시스템 프롬프트 (System Prompt)・temperature (온도)・max tokens (최대 토큰)의 변화를 실시간으로 비교할 수 있다. API를 본격적으로 이용하기 전 프로토타입 (Prototype) 단계에서 유용하다. 사용량에 따라 과금이 발생한다.

Claude.ai

Anthropic의 대화형 AI. 장문 처리·코딩 지원·문서 분석에 강점이 있다. 무료 플랜에서도 Claude Sonnet 4.6을 사용할 수 있다. 프롬프트 설계 연습용으로, 출력을 확인하며 시행착오를 겪기에 적합하다.

실제 코드나 학습된 모델을 구동하며 배우고 싶은 사람을 위한 항목. 로컬 LLM 항목은 자신의 머신 사양과 상의하여 선택할 것.

Hugging Face Hub

공개 모델·데이터셋 (Dataset)·Spaces가 모여 있는 최대 규모의 플랫폼. transformers 라이브러리를 통해 모델을 한 줄의 코드 (One-liner)로 호출할 수 있다. 우선 사용해 보고 싶은 모델을 여기서 찾는 것이 가장 빠른 경로다.

from transformers import pipeline
pipe = pipeline("text-generation", model="meta-llama/Llama-3.2-1B")
print(pipe("AI란 무엇인가")[0]["generated_text"])

Ollama

로컬 환경에서 Llama나 Gemma와 같은 양자화 (Quantization) 모델을 간편하게 구동하기 위한 도구. 설치 후 명령어 한 번으로 모델을 다운로드하고 실행할 수 있다. API 서버로 구축하면 OpenAI 호환 엔드포인트 (Endpoint)로 다룰 수 있다.

ollama run llama3.2

LM Studio

GUI로 로컬 LLM을 다운로드·실행·채팅할 수 있는 데스크톱 애플리케이션. Ollama보다 시각적이며, 모델의 파라미터 설정도 화면에서 조작할 수 있다. OpenAI 호환 로컬 API 서버 기능도 갖추고 있다. "명령어에 익숙하지 않지만 로컬 LLM을 시도해 보고 싶은" 사람에게 적합하다.

Papers with Code

논문과 그 구현 코드를 세트로 찾을 수 있는 사이트. "이 기법을 실제로 구동해 보고 싶다"는 요구에 대해 논문·구현·데이터셋·벤치마크 (Benchmark) 결과를 한 곳에서 찾을 수 있다. 현재는 Meta가 관리하는 아카이브 (Archive) 방식으로 운영된다.

LangChain

LLM을 이용한 앱 구축 프레임워크의 문서. RAG·에이전트 (Agent)·도구 호출 (Tool Calling) 등, LLM을 실제 앱에 통합하기 위한 패턴들이 갖춰져 있다. 버전 업데이트가 빈번하므로 코드를 테스트할 때는 공식 문서의 최신 버전을 참조할 것.

LlamaIndex

RAG (Retrieval-Augmented Generation, 검색 증강 생성) 구축에 특화된 프레임워크. 문서의 인덱싱 (Indexing)·검색·LLM으로의 전달 흐름을 다룬다. "사내 문서에 질문할 수 있는 챗봇을 만들고 싶다"는 요구 사항에 직결된다.

최첨단 연구를 1차 정보로부터 추적하고 싶은 사람을 위한 항목. 모든 논문을 읽을 필요는 없으며, 초록 (Abstract)을 훑어보며 관심 있는 것을 깊게 파고드는 것만으로도 충분한 정보원이 된다.

arXiv (cs.AI / cs.LG / cs.CL)

머신러닝 (Machine Learning)·AI 분야의 논문이 매일 게시되는 프리프린트 (Preprint) 서버. cs.AI (인공지능)・cs.LG (머신러닝)・cs.CL (자연어 처리) 세 가지를 구독해 두면 주요 논문은 대체로 파악할 수 있다. 피어 리뷰 (Peer Review) 전의 논문도 많으므로 내용의 신뢰성은 스스로 판단해야 한다.

Semantic Scholar

AI를 이용한 논문 검색 엔진. 인용 그래프·공동 저자 네트워크·피인용 수의 추이를 시각화한다. "이 논문을 인용하고 있는 최신 연구를 찾는다"는 용도로 특히 사용하기 편리하다.

Papers with Code (SOTA 트래커)

SOTA (State of the Art, 최신 기술 수준) 트래커로 사용할 수 있다. 이미지 인식·NLP·음성 등 각 태스크 (Task)별 최신 성능 순위와 대응 논문을 확인할 수 있다. "현재 가장 정밀도가 높은 기법은 무엇인가"를 파악하는 데 사용한다.

OpenReview

NeurIPS・ICLR・ICML 등 주요 컨퍼런스(Conference)의 심사(Peer Review) 프로세스가 공개되어 있는 플랫폼. 채택된 논문뿐만 아니라, 심사위원의 코멘트와 저자의 답변도 읽을 수 있다. 논문의 강점과 약점을 심사 관점에서 배울 수 있다는 점이 독보적인 가치이다.

Google Scholar

학술 논문의 전문 검색 서비스. 특정 연구자·논문·테마에 대한 알림(Alert)을 설정해 두면, 새로운 인용이 발생했을 때 이메일로 통지가 온다. 자신의 관심 테마를 추적하는 메커니즘으로서 유효하다.

The Batch (DeepLearning.AI)

Andrew Ng의 팀이 주간 단위로 발행하는 AI 뉴스레터. 새로운 논문·서비스 출시·업계 동향을 짧게 요약한 기사들이 나열된다. 주 1회 읽는 것만으로도 큰 토픽을 파악할 수 있다. 무료 구독이 가능하다.

읽기만 한 지식을 실제로 사용할 수 있는지 시험해 볼 수 있는 곳. 경진대회(Competition)의 Notebook을 읽는 것만으로도 배울 점이 많다.

Kaggle

세계 최대의 데이터 사이언스 경진대회 플랫폼. Learn 코스·공개 Notebook·디스커션 포럼(Discussion Forum)이 충실하여, 경진대회에 참가하지 않더라도 학습 환경으로서 기능한다. 상위 입상자의 솔루션 공유('해법 공개')는 실전적인 기법의 보물창고이다.

Kaggle Learn

Python·머신러닝 (Machine Learning)·SQL·특징량 엔지니어링 (Feature Engineering)·딥러닝 (Deep Learning) 등을 단시간(4~8시간)에 배울 수 있는 미니 코스 모음. 모두 브라우저 내에서 완결되며 수료 배지가 나온다. Kaggle을 경진대회 목적으로 사용하기 전 기초를 다지기에 적당하다.

SIGNATE

일본에서 시작된 데이터 분석 경진대회 플랫폼. 일본 국내 기업이 출제자로 나서는 경우가 많으며, 일본어 데이터와 과제 설정으로 참여할 수 있다. 학생을 위한 'SIGNATE Student'도 있다.

DrivenData

사회적 과제(의료·기후·교육 등)를 테마로 한 데이터 사이언스 경진대회. 상업적인 소재가 아니므로, 사회적 맥락 속에서 AI가 어떻게 기능하는지 배우고 싶은 사람에게 적합하다.

AIcrowd

연구 중심의 AI 경진대회가 많은 플랫폼. 강화학습 (RL)·멀티 에이전트 (Multi-agent)·음악 생성 등 Kaggle과는 다른 소재들이 갖춰져 있다. 연구실 수준의 과제에 도전하고 싶은 사람을 위한 곳이다.

체계적인 커리큘럼으로 기초부터 쌓아 올리고 싶은 사람을 위한 곳. 영상·실습·수료증이 세트로 구성되어 있다.

Coursera

스탠퍼드 대학교·Google 등 대학과 기업이 강좌를 제공하는 플랫폼. Andrew Ng의 'Machine Learning Specialization'은 머신러닝 입문 코스로 오랫동안 스테디셀러의 지위를 유지하고 있다. 단과 강의는 무료로 청강할 수 있지만, 과제 제출 및 수료증 발급에는 월간 비용이 발생한다.

edX

MIT·하버드·버클리 등 명문 대학교의 강좌를 들을 수 있다. 무료 청강이 가능하며, 수료증은 유료이다.

Udemy

실전적인 강좌가 풍부하며, AI 엔지니어 및 생성 AI 활용 강좌는 세일 기간에 1,000~2,000엔대에 구매할 수 있다. 내용의 편차가 크므로 리뷰와 업데이트 날짜를 확인한 후 구매할 것. 오래된 코스는 모델이나 API가 변경되어 작동하지 않을 수 있다.

DataCamp

데이터 사이언스·AI 분야에 특화된 인터랙티브(Interactive) 학습 플랫폼. 브라우저 내에서 코드를 작성하고 즉시 실행할 수 있다. 월간 구독제 방식이다.

Udacity

'AI Programming with Python', 'Machine Learning Engineer' 등의 나노 디그리 (Nano Degree) 프로그램이 중심이다. 멘토의 리뷰가 포함된 구현 과제가 있어, 수료까지의 설계가 엄격한 만큼 실력을 키우기 쉽다. 비용은 높은 편이다.

freeCodeCamp

완전 무료인 비영리 학습 서비스. 머신러닝 Python 기초 코스가 포함되어 있어, 프로그래밍 기초와 AI 입문을 무료로 동시에 진행할 수 있다. YouTube 채널에는 수 시간 규모의 머신러닝 풀 코스 영상이 있다.

허리를 펴고 앉아 이론부터 깊이 있게 배우고 싶은 사람을 위한 곳. 모두 무료로 읽을 수 있다.

Dive into Deep Learning (D2L.ai)

코드가 포함된 딥러닝 교과서. PyTorch·TensorFlow·JAX의 3가지 프레임워크로 동일한 코드가 제공된다. 수식·설명·구현이 한 페이지에 갖춰져 있어, '책을 읽으면서 즉시 손을 움직이는' 것이 가능한 구성이다. 무료로 웹 브라우저에서 읽을 수 있다.

Deep Learning Book (Goodfellow 외)

딥러닝 (Deep Learning) 이론을 체계적으로 정리한 교과서. 선형대수·확률론 복습부터 CNN·RNN·생성 모델 (Generative Models)까지 다룬다. 전문이 무료로 공개되어 있다. 내용은 오래된 부분도 있으나, 기초 이론의 참조처로서 지금도 사용되고 있다.

Neural Networks and Deep Learning (Michael Nielsen)

뉴럴 네트워크 (Neural Networks)의 원리를 친절하게 해설하는 무료 온라인 서적. 역전파 (Backpropagation)의 유도를 단계별로 따라가며, "왜 역전파를 통해 가중치 (Weights)가 업데이트되는가"를 알 수 없게 되었을 때 다시 읽어볼 가치가 있다.

Speech and Language Processing (Jurafsky & Martin)

자연어 처리 (NLP)의 정석 교과서 최신 드래프트가 무료로 공개되어 있다. Transformer·LLM·RAG 장도 추가되어 있어, NLP를 본격적으로 공부하려면 반드시 거쳐야 할 자료다.

Stanford CS229 Machine Learning

스탠퍼드 대학교의 머신러닝 (Machine Learning) 강의. 강의 노트가 무료로 공개되어 있으며, SVM이나 확률 모델 등 통계적 머신러닝 이론을 추적하고 싶은 사람에게 적합하다. 영상은 YouTube에서 시청 가능하다.

Stanford CS224n NLP with Deep Learning

자연어 처리와 딥러닝을 다루는 스탠퍼드 대학교의 강의. 매년 업데이트되며, 최신 연도의 슬라이드와 과제가 공개된다. LLM의 기초와 응용을 체계적으로 배우는 강의로서 평가가 높다.

MIT OpenCourseWare - AI

MIT의 인공지능 (AI) 강의 자료와 영상이 무료로 공개되어 있다. 고전적인 AI (탐색·지식 표현·추론)부터 시작하고 싶은 경우 참조할 수 있다.

AI의 동향은 빠르기 때문에, 정기적으로 정보를 얻는 구조를 만들어 두어야 뒤처지지 않는다.

Simon Willison's Weblog

LLM의 구현·도구·논문을 즉시 테스트하고 블로그에 정리하는 개발자. 업데이트 빈도가 높으며, "최신 모델을 실제로 구동하여 무엇을 할 수 있는지 확인하는" 속보로서 신뢰할 수 있다.

The Gradient

AI 연구자 및 실무자에 의한 칼럼·해설 기사가 중심인 미디어. 논문 해설부터 산업 동향까지 깊이 있는 기사가 많다.

Jack Clark (Anthropic 공동 창업자 중 한 명)의 뉴스레터. 주요 AI 연구 동향을 매주 정리한다. 구독은 무료다. 논문 인용이 많으므로 연구 중심의 사람들에게 적합하다.

MIT Technology Review - AI

유서 깊은 테크 미디어의 AI 섹션. 기술적 배경·사회적 영향·윤리 문제까지 깊이 있게 다루는 기사가 많다. 트렌드를 쫓는 것뿐만 아니라 비판적 시각도 얻고 싶은 사람에게 적합하다.

VentureBeat AI

AI 업계의 비즈니스·제품 뉴스에 강점이 있다. 기업의 자금 조달·제품 출시·업계 동향을 파악하고 싶을 때 사용한다.

JPCERT/CC

AI와 관련된 사이버 인시던트(Cyber Incident)나 취약점 정보를 추적할 때의 일본어 1차 정보원. 프로덕션 환경에서 LLM을 사용할 때 살펴봐야 할 리스크 정보가 일본어로 제공된다.

"읽을 시간이 없는" 상태에서도 귀나 눈으로 따라갈 수 있는 리소스.

Andrej Karpathy (YouTube)

앞서 언급한 "Zero to Hero" 시리즈를 포함하여, LLM의 구조와 구현을 다루는 영상 채널. 영상 하나당 1~4시간 정도로 길지만 내용의 밀도가 높다.

Two Minute Papers

최신 AI 논문을 2분 정도의 다이제스트로 소개하는 YouTube 채널. "최근 어떤 연구가 나오고 있는가"를 빠르게 파악하기 위한 영상판 RSS 피드와 같다.

Yannic Kilcher (YouTube)

AI 논문의 정독·해설 영상. Attention이나 GAN 등 중요 논문의 내용을 심층 분석한다. "논문은 읽고 싶지만 영어 기술 문장을 따라가기 벅찬" 단계에서 도움을 준다.

Lex Fridman Podcast

AI 연구자·기업가·철학자와의 장시간 인터뷰. 기술적 상세 내용보다는 "누가 어떻게 생각하는가"를 알고 싶을 때 적합하다. Sam Altman·Yann LeCun·Geoffrey Hinton 등에 대한 인터뷰 회차가 특히 조회수가 높다.

Machine Learning Street Talk

연구자 대상의 기술적으로 깊이 있는 팟캐스트. 학계의 동향·논문 토론·업계 내부 이야기를 다룬다. 입문 단계를 넘어선 사람들을 위한 것이다.

freeCodeCamp (YouTube)

수 시간 규모의 머신러닝·AI 입문 코스 영상을 무료로 공개하고 있다. "체계적인 강의를 영상으로 한꺼번에 보고 싶을 때" 사용한다.

독학은 막히기 마련이다. 같은 목표를 가진 사람들과 연결될 수 있는 장소를 확보해 두면 지속하기가 더 쉬워진다.

connpass

IT 엔지니어를 위한 스터디(勉強会)·이벤트 검색 및 참가 플랫폼. "기계학습 (Machine Learning)", "LLM", "생성 AI (Generative AI)"로 검색하면 주 단위로 스터디를 찾을 수 있다. 온라인 개최 방식이 많아져 지방 거주자도 참여하기 쉽다.

JDLA (일본 딥러닝 협회, Japan Deep Learning Association)

G 검정(G検定)·E 자격(E資格)을 주관하는 단체. 공식 교재·공인 프로그램·이벤트 정보가 모여 있다. 일본 국내에서 딥러닝 (Deep Learning)을 체계적으로 배우는 커뮤니티의 중심이다.

CDLE (Community of Deep Learning Evangelists)

JDLA의 G 검정·E 자격 취득자가 참여할 수 있는 커뮤니티. Slack에서 분야별 논의가 진행되고 있다. 자격 취득 후 학습을 지속하는 장소로서 기능한다.

SHIFT AI

회원 수가 많은 일본의 생성 AI 커뮤니티. 비즈니스 활용 중심의 정보 교환이 핵심이다.

Zenn

기술 기사·Book (전자책 형식)·스크랩을 게시할 수 있는 플랫폼. LLM 구현·RAG 구축·프롬프트 설계 (Prompt Design)에 관한 실전적인 기사가 매일 게시되고 있다. GitHub과 연동하여 기사를 관리할 수 있다는 점도 특징이다.

Qiita

일본 최대 규모의 엔지니어 대상 기술 기사 플랫폼. AI 태그나 기계학습 태그로 필터링하면 풍부한 구현 사례를 찾을 수 있다. 어드벤트 캘린더 (Advent Calendar) 시즌에는 고품질의 기사가 집중된다.

학습의 지표로서 자격증을 활용하고 싶은 사람을 위한 항목이다. 응시를 고려하고 있다면 공식 사이트에서 최신 일정과 요건을 확인하라.

G 검정 (JDLA)