Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
GitHub Trending Jupyter Notebook (weekly) 20건필터 해제
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.
openai/openai-cookbook
이 저장소는 OpenAI API를 활용하는 다양한 실용적인 예제와 가이드를 제공합니다. Jupyter Notebook 형식으로 구성되어 있어 사용자들이 코드를 직접 실행하며 학습하기에 매우 용이합니다. 개발자들이 실제 프로젝트에서 OpenAI의 기능을 효과적으로 통합할 수 있도록 돕는 종합적인 참고 자료 역할을 합니다.
Liquid4All/cookbook
이 저장소는 Liquid AI 기반 모델(LFM)과 LEAP SDK를 활용하여 구축된 다양한 예제와 엔드투엔드 튜토리얼을 제공합니다. 사용자는 이 코드를 통해 실제 애플리케이션 개발 과정을 학습하고, 최신 AI 기술을 적용하는 방법을 익힐 수 있습니다.
Qbot: 완전 로컬 환경에서 AI 기반 자동 양적 투자 플랫폼
Jupyter Notebook 기반의 Qbot은 GPU 없이도 로컬 환경에서 완전히 실행 가능한 AI 자동화 양적 거래 로봇입니다. 17,000 개 이상의 스타를 보유한 이 프로젝트는 복잡한 백엔드 서버 없이 개인 PC 에서 바로 AI 트레이딩을 시작할 수 있게 합니다. 최신 트렌딩 지표 (+112,000) 를 보이며, 금융 AI 및 로컬 추론의 새로운 표준으로 부상하고 있습니다.
초보자를 위한 LLM 애플리케이션 개발 마스터 가이드 (RAG 중심)
본 프로젝트는 코딩 경험이 적은 초심자도 따라 할 수 있도록, 개인 지식 기반의 챗봇(Knowledge Base Assistant)을 중심으로 대규모 언어 모델(LLM) 애플리케이션 개발 전 과정을 안내합니다. LLM API 호출 방법부터 LangChain을 활용한 검색 증강 생성 (RAG) 구축, 그리고 Streamlit을 이용한 배포까지 실습 위주로 구성되어 있습니다. GPT, 문신일언(文心一言), 讯飞星火 등 다양한 국내외 주요 모델의 API를 통합하여 사용하며, Prompt Engineering 및 시스템 평가 방법론까지 체
AI 엔지니어링 학습 및 구축을 위한 종합 허브 (AI Engineering Hub)
본 AI Engineering Hub는 초급부터 연구 수준까지 아우르는 포괄적인 리소스를 제공합니다. 93개 이상의 실전 프로젝트와 LLM, RAG, 에이전트(Agents) 등 최신 주제에 대한 심층 튜토리얼을 통해 학습 곡선을 최소화할 수 있습니다. 특히 LlamaIndex, Ollama 기반의 로컬 OCR/챗봇 구현부터, CrewAI를 활용한 자동화된 콘텐츠 생성 워크플로우, 그리고 DeepSeek-R1 같은 고급 에이전트 시스템까지 다루어 실무 역량 강화에 최적화되어 있습니다.
LLM 원리부터 실전까지: Happy-LLM 프로젝트 완벽 가이드
본 문서는 Datawhale에서 개발한 'Happy-LLM' 프로젝트를 소개하며, 독자들이 대규모 언어 모델(LLM)의 이론적 배경과 실제 구현 과정을 체계적으로 학습할 수 있도록 돕는 종합 커리큘럼입니다. NLP 기초부터 Transformer 아키텍처 이해, LLaMA2와 같은 LLM 직접 구축 및 전이 학습(Fine-tuning), 그리고 RAG나 Agent 같은 최신 응용 기술까지 다룹니다. 이론 습득에 그치지 않고 PyTorch 기반의 실습을 통해 '손으로 코드를 짜는' 경험을 제공하여, 독자들이 LLM 개발자로 성장하는 데
Chip Huyen 의 'AI Engineering' 공식 리소스 레포지토리
Chip Huyen 저자의 최신 책 'AI Engineering'(2025) 을 위한 공식 지원 자료와 AI 엔지니어링 리소스가 모인 Jupyter Notebook 기반의 오픈소스 프로젝트입니다. 현재 활발히 개발 중(WIP)이며, 주별 트렌딩 수치가 +614000 으로 급증하여 커뮤니티의 높은 관심을 받고 있습니다.
오픈소스 ML/LLM 관측성 프레임워크 'Evidently' 급성장
AI 시스템과 데이터 파이프라인의 품질을 보장하는 오픈소스 관측성 프레임워크 'Evidently' 가 주당 24,000 스타 증가로 급성장 중입니다. 표형 데이터부터 생성형 AI(LLM) 까지 100 개 이상의 지표를 지원하여 모델 성능 저하를 조기에 감지하고 테스트할 수 있습니다.
NVIDIA, 생성형 AI 최적화 워크플로우 오픈소스 공개
NVIDIA 가 가속화된 인프라와 마이크로서비스 아키텍처에 최적화된 생성형 AI 참조 워크플로우를 오픈소스로 공개했습니다. Jupyter Notebook 형식으로 제공되며, 실시간으로 26,000 개 이상의 트렌딩을 기록하며 개발자들의 관심을 받고 있습니다. 다양한 생성형 AI 애플리케이션을 구축할 때 바로 적용 가능한 표준 패턴과 최적화 사례를 제공합니다.
FinGPT, 금융 분야의 오픈소스 대형 언어 모델 출시
AI4Finance-Foundation 팀이 금융 산업에 특화된 대형 언어 모델인 FinGPT 를 오픈소스로 공개했습니다. HuggingFace 에서 훈련된 모델을 다운로드할 수 있으며, GitHub 별수는 1 만 9 천 개 이상으로 급성장 중입니다. 이 프로젝트는 금융 데이터 분석 및 자동화를 위한 강력한 도구로 주목받고 있습니다.
O'Reilly 책 'Hands-On Large Language Models' 공식 코드 저장소
O'Reilly 출판사의 베스트셀러 AI 책 'Hands-On Large Language Models' 의 공식 GitHub 저장소가 공개되었습니다. Jupyter Notebook 형식으로 제공되며, 대규모 언어 모델 (LLM) 에 대한 실무적인 구현과 실험을 위한 핵심 코드를 포함하고 있습니다.
LLM 실습 가이드: 미세 조정부터 에이전트, 보안까지 대규모 언어 모델 마스터하기
본 튜토리얼은 상하이교통대학교의 강의 자료를 기반으로 제작된 LLM(대규모 언어 모델) 실습 코딩 가이드입니다. 전처리부터 파인튜닝, 프롬프트 엔지니어링 (CoT), 지식 편집, 수학 추론 등 핵심 주제들을 다루며, 특히 최신 트렌드인 AI 에이전트 개발과 보안 취약점(Jailbreaking)까지 포괄합니다. 또한, 화웨이(Huawei)와 협력하여 昇腾(Ascend) 기반의 '대규모 모델 개발 전 과정'을 추가 제공하여 실질적인 산업 적용 및 최적화 방법을 제시합니다.
LLM 엔지니어링 실습 과정 가이드: 최신 모델 및 환경 설정 완벽 정리
본 문서는 LLM(거대 언어 모델) 엔지니어링 학습 과정을 시작하기 위한 종합적인 안내서입니다. 참가자들은 Ollama를 통해 로컬에서 Llama 3.2와 같은 오픈소스 모델을 즉시 실행하며 실습을 진행합니다. 과정은 여러 주차별 프로젝트로 구성되어 있으며, 궁극적으로는 강력한 자율 에이전트(Agentic AI) 솔루션 구축을 목표로 합니다. 학습의 핵심 원칙은 '직접 해보는 것(DOING)'이며, API 사용 시 비용 효율성을 위해 OpenAI의 `gpt-4.1-nano`나 Anthropic의 `claude-3-haiku-2024
Google Gemma 모델 패밀리 개요 및 활용 가이드 (Cookbook)
본 문서는 Google DeepMind가 개발한 경량의 생성형 AI 오픈 모델, Gemma 패밀리의 종합적인 안내서입니다. Gemma는 Gemini 모델과 동일한 연구 기술을 기반으로 하며, 다양한 사용 사례에 맞춰 여러 버전과 파생 모델(Variants)을 제공합니다. 주요 모델로는 텍스트 생성에 최적화된 기본 Gemma부터, 코딩 특화 CodeGemma, 의료 분야에 강점을 가진 MedGemma, 그리고 이미지 분석이 가능한 PaliGemma 등이 있습니다. 개발자들은 이 가이드북을 통해 각 모델의 특징과 활용 방법을 파악하고,
초보자를 위한 AI 에이전트 구축 가이드: Microsoft 공식 코스
본 문서는 초급자부터 전문가까지 AI 에이전트(AI Agent)의 기본 원리와 실제 구현 방법을 체계적으로 배울 수 있는 Microsoft의 공식 학습 리소스를 소개합니다. 이 커리큘럼은 텍스트 레슨, 비디오, 실습 코드를 모두 제공하며, 특히 'Microsoft Agent Framework'와 Azure AI Foundry Agent Service V2를 활용하여 에이전트 설계 패턴(예: Tool Use, RAG, Multi-Agent)을 깊이 있게 다룹니다. OpenAI 호환 모델 외에도 MiniMax 등 다양한 LLM 환경에의
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.