01
AI 기초
AI가 무엇인지, 시스템이 어떻게 학습하는지, 어디서 실패하는지, 그리고 과장하지 않고 주장을 판단하는 방법을 이해하세요.
무료 AI 라이브러리
기초 가이드영원히 무료입니다.
84 누구나 최신 AI를 이해할 수 있도록 독립적인 501(c)(3) 비영리 단체에서 구축한 일반 영어 가이드, 구조화된 학습 경로 및 개방형 라이브러리입니다.
84무료 가이드
1주제 트랙
~2 min가이드 당
~3h읽기 시간
여기서 시작하세요
다섯 결과 기반 강좌
각 과정에는 명확한 성과, 매핑된 역량, 실습 활동, 그리고 적용된 캡스톤이 포함되어 있습니다.
02
책임 있는 AI 사용자
프라이버시를 보호하고, 결과물을 확인하며, 인간의 책임을 지키면서 AI를 생산적으로 활용하세요.
03
AI at Work(직장 내 인공지능)
직장 내 사용 사례를 평가하고, 안전한 시범 사업을 운영하며, 가치를 측정하고, 변화를 책임감 있게 전달하세요.
04
AI 정책 및 사회
권리, 형평성, 거버넌스, 안전, 공익 결과를 통해 AI 시스템을 분석합니다.
05
AI 시스템으로 구축하기
실용적인 시스템 설계를 통해 언어 모델, 검색, 에이전트, 평가, 비용 및 배포 안전장치를 이해하세요.
주제 트랙
트랙별로 찾아보기
관심 있는 영역으로 뛰어들어 보세요. 모든 트랙에는 여러 개의 일반 영어 가이드가 있습니다.
기초핵심 개념: AI가 높은 수준에서 작동하는 방식.84 가이드 언어 AILLM, NLP, ChatGPT, 프롬프트 및 텍스트 이해.155 가이드 비주얼 AI이미지 생성, 컴퓨터 비전, 비디오 및 디자인.133 가이드 오디오 AI음성, 음악, 팟캐스트, 오디오 우선 AI.117 가이드 회사OpenAI, Anthropic, Google, Meta 등의 프로필.121 가이드 응용AI가 코딩, 검색, 에이전트, 일상생활에 어떻게 나타나는지.111 가이드 산업의료, 금융, 교육, 에너지 등의 AI입니다.91 가이드 기술칩, 미세 조정, RAG, 벡터 및 AI 인프라.177 가이드 사회편견, 개인 정보 보호, 저작권, 안전 및 AI 미래.30 가이드
전체 라이브러리
모든 가이드
84 의 1019 가이드가 표시됩니다. 트랙별로 필터링하거나 위에서 검색하세요.
기초
Meta-학습
Meta-학습 또는 '학습을 위한 학습'은 몇 가지 예를 통해 새로운 작업에 빠르게 적응하도록 모델을 교육합니다.
기초앙상블 방법 및 그래디언트 부스팅
앙상블 방법은 여러 개의 간단한 모델을 결합하므로 그룹이 단일 모델보다 더 나은 예측을 할 수 있습니다.
기초베이지안 딥러닝
베이지안 딥러닝은 신경망의 가중치를 고정 숫자가 아닌 확률 분포로 처리하므로 모델이 얼마나 자신감이 있는지 말할 수 있습니다.
기초커리큘럼 학습
커리큘럼 학습은 데이터를 무작위 순서로 제공하는 대신 의도적인 순서(먼저 쉽게, 나중에 어려운 순서)로 예시를 바탕으로 AI 모델을 교육합니다.
기초신경 아키텍처 검색
NAS(Neural Architecture Search)는 신경망 구조의 설계를 자동화하여 인간이 아닌 알고리즘이 레이어 수, 작업 등을 결정하도록 합니다.
기초지속적인 학습과 치명적인 망각
지속적인 학습은 AI가 이미 알고 있는 것을 삭제하지 않고 시간이 지남에 따라 새로운 작업의 흐름에 대해 AI를 훈련시키는 목표입니다.
기초변형 자동 인코더
VAE(Variational Autoencoders)는 데이터를 부드럽고 확률적인 잠재 공간으로 압축한 후 재구성하는 방법을 학습하는 생성 신경망입니다.
기초상태공간 모델과 Mamba
상태 공간 모델(SSM)은 압축된 숨겨진 상태를 통해 정보를 전달하는 시퀀스 모델로, 대신 시퀀스 길이에 따라 선형적으로 확장됩니다.
기초그래프 신경망
그래프 신경망(GNN)은 정보를 전달하고 집계하여 그래프 구조 데이터(에지로 연결된 노드)를 직접 학습하는 모델입니다.
기초다중 에이전트 강화 학습
MARL(Multi-Agent Reinforcement Learning)은 환경을 공유하는 여러 학습 에이전트를 교육하며, 각 에이전트는 동작을 조정하고 다른 에이전트도 이에 적응합니다.
기초능동적 학습
능동 학습은 모델 자체가 사람이 다음에 라벨을 지정해야 하는 라벨이 지정되지 않은 예시를 선택하는 학습 전략입니다.
기초데이터 증대
데이터 증대는 이미지 뒤집기 또는 자르기와 같이 기존 예제의 수정된 복사본을 생성하여 훈련 세트를 인위적으로 확장합니다.
다 읽었어? 증명해 봐.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.