멋진 인공지능

AI 시스템을 구축하고 배포하는 데 반드시 사용해야 하고, 활발히 유지 관리되는 자료를 선별하여 모은 컬렉션입니다.

중점: AI 엔지니어링 (RAG, 에이전트, 평가, 가드레일, 배포)과 최고의 책, 가이드, 논문 및 신중하게 선정된 도구 세트.

📚 학습

깊고 오래 지속되는 지식 — 5년 후에도 여전히 가치 있는.

현대적 & 실용적

Designing Machine Learning Systems — 확장 가능하고 유지 관리 가능한 ML 파이프라인 (Chip Huyen).
AI Engineering — 엔드 투 엔드 AI 제품 구축 (Chip Huyen).
Build a Large Language Model from Scratch — PyTorch로 레이어별로 트랜스포머 구현 (Sebastian Raschka).
Hands-On Large Language Models — 시각적 + 실용적 LLM 응용 가이드 (Jay Alammar, Maarten Grootendorst).
LLM Engineer's Handbook — Production LLMOps: 파인튜닝, 양자화, 서빙 (Labonne, Iusztin).
The 100-Page Language Models Book — n-그램에서 트랜스포머까지 수학 기반 간결 안내 (Andriy Burkov).
Generative Deep Learning (2nd Edition) — GAN, VAE, 확산 모델 (David Foster).

기초

Artificial Intelligence: A Modern Approach — AI 이론의 표준 교재 (Russell, Norvig).
Deep Learning — 신경망의 수학적 기초 (Goodfellow, Bengio, Courville).
Deep Learning: Foundations and Concepts — Bishop의 2024 업데이트; 확률 기반 현대 DL (Bishop & Bishop).
Understanding Deep Learning — 수학 + 직관 + 파이썬 노트북 (Simon Prince).

🌐 본 텍스트는 빠른 이해를 돕기 위한 요약 번역본입니다. 정확한 기술 정보 및 전체 코드는 GitHub 원문에서 확인하실 수 있습니다.