Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
GitHub Trending Jupyter Notebook (weekly) 75건필터 해제
ed-donner/agents
본 문서는 OpenAI Agents SDK, CrewAI, LangGraph, AutoGen 및 MCP를 활용하여 Agentic AI(에이전트형 AI)를 코딩하고 배포하는 6주간의 학습 여정을 안내합니다. 이 과정은 강력한 에이전트 시스템 구축 방법을 다루며, 참가자들에게 필요한 환경 설정 지침과 다양한 실습 옵션을 제공합니다. 특히 Windows 사용자들을 위한 특정 설치 문제 해결 방법(Microsoft Build Tools 설치 및 `uv tool install` 명령어 사용)을 상세히 설명하고 있으며, API 키 관리와 비용 모니터링의 중요성을 강조합니다.
anthropics/courses
Anthropic에서 제공하는 교육 과정 저장소는 총 5개의 과정을 포함하고 있습니다. 이 과정들은 Anthropic API의 기본 사용법부터 시작하여, 프롬프트 엔지니어링, 실제 환경에서의 고급 프롬프팅 통합, 프롬프트 평가 방법론, 그리고 Claude를 활용한 도구 사용(tool use) 구현까지 체계적으로 다룹니다.
jakevdp/PythonDataScienceHandbook
이 저장소는 Python Data Science Handbook 전체 내용을 Jupyter notebooks 형태로 무료로 제공합니다. 사용자는 온라인 링크, Google Colab, 또는 binder를 통해 코드를 실행할 수 있으며, 이 책은 IPython, NumPy, Pandas, Matplotlib, Scikit-Learn 등 데이터 과학에 필수적인 핵심 라이브러리를 다룹니다.
fastai/fastbook
이 저장소는 fastai와 PyTorch를 사용하여 딥러닝 입문부터 고급 주제까지 다루는 노트북 시리즈입니다. 이 자료들은 MOOC(Massive Open Online Course)의 일부로 사용되었으며, 초보자도 쉽게 접근할 수 있도록 Google Colab 환경에서 작업하는 것을 권장합니다. 커버하는 내용은 MNIST 기본기부터 멀티모달 데이터 처리, NLP 등 광범위한 AI 응용 분야를 포함하고 있습니다.
google-gemini/cookbook
본 문서는 Google의 최신 AI 모델인 Gemini API를 활용하여 다양한 기능을 구현할 수 있는 포괄적인 학습 리소스(쿠킹북)를 소개합니다. 사용자는 기본적인 시작 가이드부터 웹훅, 배치 처리, 그리고 고급 기능인 이미지 생성(Nano-Banana 2/Pro), 음악 생성(Lyria 3), 그리고 검색 기반 답변 접지(Grounding) 등 최신 기능을 단계별로 학습할 수 있습니다. 특히, 코드 실행, 브라우저 연동, 비디오 및 애니메이션 스토리 생성 등 여러 API를 결합한 엔드투엔드 애플리케이션 구축 방법을 제시하여 Gemini의 강력한 활용 범위를 보여줍니다.
duoan/TorchCode
TorchCode는 PyTorch와 같은 딥러닝 프레임워크의 핵심 구성 요소(예: Softmax, LayerNorm, Linear Layer 등)를 처음부터 직접 구현해 볼 수 있도록 설계된 구조화된 코딩 연습 환경입니다. 이 플랫폼은 Meta, Google DeepMind와 같은 최고 수준의 ML 기업들이 면접에서 요구하는 '기억으로 코드 작성' 능력을 키우는 데 초점을 맞추고 있습니다. 사용자는 클라우드나 회원가입 없이 Hugging Face Spaces 또는 Google Colab 등 접근성이 좋은 환경에서 즉시 연습할 수 있으며, 다양한 난이도와 빈도로 분류된 문제 목록을 통해 체계적인 학습 경로를 제공받습니다. 이를 통해 이론적 지식뿐만 아니라 실제 코딩 능력을 검증하고 향상시키는 데 도움을 줍니다.
stefan-jansen/machine-learning-for-trading
이 자료는 머신러닝(ML)을 활용하여 알고리즘 트레이딩 전략을 구축하는 방법을 포괄적으로 다루는 책과 코드 저장소에 대한 소개입니다. 선형 회귀부터 심층 강화학습까지 다양한 ML 기법을 사용하여 금융 데이터, 텍스트 데이터(SEC filings 등), 시장/대안 데이터를 분석하고 거래 신호를 추출합니다. 또한, 데이터 소싱, 특징 공학, 모델 최적화, 전략 설계 및 백테스팅에 이르는 전체적인 'ML for Trading' 워크플로우를 제시하며, 이를 실행할 수 있는 150개 이상의 노트북 예제를 제공하여 실질적인 학습을 지원합니다.
mrdbourke/zero-to-mastery-ml
이 저장소는 Udemy의 'Zero to Mastery Machine Learning Course'와 관련된 모든 학습 자료를 통합 제공합니다. 사용자는 YouTube 강의 시청, 온라인 책 읽기, 그리고 실습 프로젝트 수행을 통해 머신러닝 전 과정을 체계적으로 배울 수 있습니다. 특히 데이터 분석에 필수적인 NumPy, pandas 같은 핵심 라이브러리부터 시작하여, 분류 및 회귀와 같은 구조화된 데이터 프로젝트를 거쳐 TensorFlow 2.0 기반의 딥러닝까지 단계별로 학습할 수 있도록 구성되어 있습니다.
PacktPublishing/30-Agents-Every-AI-Engineer-Must-Build
이 책은 AI 시스템의 패러다임 변화에 맞춰 수동적 반응형 시스템에서 자율적이고 목표 지향적인 지능 에이전트 구축에 초점을 맞춥니다. 저자는 모든 AI 엔지니어가 숙지해야 할 30가지 필수 에이전트 아키텍처와 패턴을 제시하며, 단순한 LLM 사용을 넘어 복잡한 작업 분해, 외부 도구 연동, 메모리 유지, 협업, 윤리적 결정 등 실제 시스템 구축에 필요한 깊이 있는 지식을 제공합니다. 각 장은 실행 가능한 코드, 공식적인 아키텍처 패턴, 실제 사례 연구를 포함하여 이론과 실습을 겸비한 종합 가이드입니다.
Agents Towards Production: 프로덕트 레일 제너레이티브 AI 에이전트 구축 가이드
이 가이드는 프로토타입 단계를 넘어 엔터프라이즈급으로 확장 가능한 제너레이티브 AI 에이전트를 구축하는 방법을 포괄적으로 다룹니다. 상태 관리, 벡터 메모리, 실시간 웹 검색 API 통합부터 Docker 배포, GPU 스케일링, 그리고 다중 에이전트 협업에 이르기까지 프로덕션 레벨의 모든 구성 요소를 단계별 튜토리얼과 실행 가능한 코드로 제공합니다.
NVIDIA-NeMo/Nemotron — NVIDIA Nemotron 개발자 자산 허브
이 문서는 NVIDIA의 Nemotron 모델을 위한 종합적인 개발자 자산 허브를 소개합니다. 여기에는 다양한 학습 레시피, 실용적인 사용 쿡북, 필요한 데이터셋, 그리고 전체 엔드투엔드 참조 예제들이 한곳에 모여 있습니다. 이를 통해 사용자들이 Nemotron 모델을 효과적으로 이해하고 실제 프로젝트에 적용하는 데 필요한 모든 자료를 얻을 수 있도록 지원합니다.
microsoft/generative-ai-for-beginners — 생성형 AI 초보자용 21 레슨
이 리포지토리는 초보자를 위해 설계된 '생성형 AI' 학습 자료 모음입니다. 총 21개의 Jupyter Notebook 형식의 레슨을 통해 사용자가 생성형 인공지능의 기본 개념부터 실습까지 체계적으로 배울 수 있도록 구성되어 있습니다. 따라서 프로그래밍 지식이 부족한 입문자도 따라 하기 쉬운 환경에서 AI 기술을 습득할 수 있습니다.
AI4Finance-Foundation/FinRL — 금융 강화학습 프레임워크
FinRL은 금융 분야에 특화된 강화 학습(Reinforcement Learning, RL) 프레임워크입니다. 이 도구는 복잡한 금융 의사결정 문제를 모델링하고 해결하는 데 초점을 맞추고 있습니다. 사용자는 이를 통해 다양한 금융 시나리오에서 최적의 투자 전략이나 포트폴리오 관리 방안을 탐색할 수 있습니다.
신경망 기초부터 시작하는 커리큘럼
본 커리큘럼은 신경망의 기초부터 시작하여 실제 대규모 언어 모델(LLM)을 구축하는 과정을 단계별로 안내하는 실습 중심의 YouTube 비디오 시리즈입니다. 학습자는 미니 프로젝트를 통해 역전파, MLP, 컨볼루션 신경망(WaveNet), 그리고 최종적으로 트랜스포머 기반의 GPT 아키텍처와 토크나이저까지 직접 코딩하며 딥러닝의 핵심 원리와 현대적인 AI 개발 워크플로우 전반을 습득하게 됩니다.
Higgsfield: 초대규모 LLM 훈련을 위한 오픈소스 GPU 오케스트레이션 및 머신러닝 프레임워크
Higgsfield는 수십억에서 수조 개의 파라미터를 가진 초대규모 언어 모델(LLM)을 효율적으로 훈련하기 위해 설계된 오픈소스 GPU 오케스트레이션 및 머신러닝 프레임워크입니다. 이 도구는 자원 할당, 대규모 데이터 병렬 처리 지원(ZeRO-3 등), 실험 관리, 그리고 GitHub Actions와의 통합을 통해 복잡한 LLM 훈련 워크플로우를 간소화합니다. 개발자는 표준 PyTorch 워크플로우를 유지하면서도 환경 및 설정 관리에 따르던 어려움('환경 지옥', '설정 지옥')에서 벗어나 재현 가능하고 견고한 실험을 수행할 수 있습니다.
Claude 최적 프롬프트 엔지니어링 종합 가이드
이 가이드는 Claude 모델에서 최적의 프롬프트를 엔지니어링하는 방법을 포괄적으로 다루는 단계별 튜토리얼입니다. 학습자는 좋은 프롬프트의 기본 구조를 익히고, 일반적인 실패 모드를 해결하며, Claude의 강점과 약점을 이해하게 됩니다. 총 9개의 장으로 구성되어 있으며, 각 장마다 연습 문제와 '예제 플레이그라운드'가 제공되어 실습을 통해 지식을 습득할 수 있습니다.
Vaibhavs10/insanely-fast-whisper
이 기술 기사는 OpenAI의 Whisper 모델을 사용하여 오디오 파일을 극도로 빠르게 전사할 수 있는 CLI 도구인 'insanely-fast-whisper'를 소개합니다. 이 도구는 Transformers, Optimum, 그리고 Flash Attention 2와 같은 최신 AI 가속화 기술들을 결합하여, 기존 대비 압도적으로 빠른 속도를 보여줍니다. 특히 A100 GPU에서 150분 분량의 오디오를 98초 미만으로 전사하는 놀라운 성능을 입증했습니다.
awslabs/agentcore-samples
AWS Labs에서 제공하는 `agentcore-samples` 저장소는 Jupyter Notebook 형식으로 구성되어 있으며, Amazon Bedrock Agentcore를 활용하여 AI 에이전트를 실제 환경에 배포하는 방법을 보여줍니다. 이 코어는 규모, 신뢰성, 보안을 갖추게 함으로써 AI 에이전트가 프로덕션 단계로 진입하는 과정을 가속화하는 데 필수적인 역할을 합니다.
oracle-devrel/oracle-ai-developer-hub
본 저장소는 Oracle AI Database와 Oracle Cloud Infrastructure(OCI) 서비스를 활용하여 실제 애플리케이션, 지능형 에이전트 및 복잡한 시스템을 구축하고자 하는 AI 개발자들을 위한 종합적인 기술 자료 허브입니다. Jupyter Notebook 형식으로 제공되어 실습 위주의 학습에 최적화되어 있으며, 다양한 예제와 리소스를 통해 사용자가 즉시 코드를 실행하고 결과물을 만들어낼 수 있도록 돕습니다.
facebookresearch/dinov2
이 저장소는 Facebook Research에서 개발한 DINOv2 모델을 위한 PyTorch 코드를 제공합니다. DINOv2는 강력한 성능을 보이는 자기지도 학습(Self-supervised Learning) 방법을 구현했으며, 사용자들이 이 코드를 통해 해당 모델과 학습 과정을 활용할 수 있도록 합니다.
이 피드 구독하기
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.