01
AI 기초
AI가 무엇인지, 시스템이 어떻게 학습하는지, 어디서 실패하는지, 그리고 과장하지 않고 주장을 판단하는 방법을 이해하세요.
무료 AI 라이브러리
기술 가이드영원히 무료입니다.
177 누구나 최신 AI를 이해할 수 있도록 독립적인 501(c)(3) 비영리 단체에서 구축한 일반 영어 가이드, 구조화된 학습 경로 및 개방형 라이브러리입니다.
177무료 가이드
1주제 트랙
~2 min가이드 당
~6h읽기 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
177 의 1019 가이드가 표시됩니다. 트랙별로 필터링하거나 위에서 검색하세요.
기술
주의 롤아웃 및 머리 가지치기
어텐션 롤아웃은 Transformer의 누적된 어텐션 레이어를 통해 정보가 어떻게 흐르는지 추적하여 어떤 입력 토큰이 영향을 미치는지 설명하는 방법입니다.
기술2차 최적화 및 뉴턴 방법
2차 최적화는 곡률 정보(2차 도함수의 헤시안 행렬)를 사용하여 기울기뿐만 아니라 최소값을 향해 더 스마트한 조치를 취합니다.
기술RMSNorm 및 사전 레이어 정규화
RMSNorm은 평균 제곱근으로 활성화 크기를 조정하는 경량 정규화 레이어이며, 사전 레이어 정규화는 각 단계 이전에 해당 단계를 배치합니다.
기술SwiGLU 및 게이트 활성화
SwiGLU는 입력의 하나의 선형 투영에 Swish 활성화된 두 번째 투영을 곱하는 게이트 활성화 함수입니다.
기술압착 및 자극 네트워크
SE(Squeeze-and-Excitation) 블록을 사용하면 컨벌루션 네트워크가 각 기능 채널에 가중치를 부여하는 정도를 학습하고 글로벌 컨텍스트에 따라 재보정할 수 있습니다.
기술워밍업 및 코사인 어닐링 일정
워밍업은 훈련 전에 거의 0에서 학습률을 부드럽게 높인 다음, 코사인 어닐링을 통해 코사인 곡선을 따라 학습률을 다시 낮춥니다.
기술순환 학습률
순환 학습률은 학습률을 감소시키는 대신 하한과 상한 사이에서 반복적으로 학습 속도를 위아래로 순환합니다.
기술선명도 인식 최소화
선명도 인식 최소화(SAM)는 낮은 손실뿐만 아니라 가중치 전체에 걸쳐 낮은 손실을 추구하는 최적화 방법입니다.
기술선형 프로빙 및 동결 피쳐 평가
선형 프로빙은 네트워크를 동결하고 그 위에 간단한 선형 분류기만 훈련하여 사전 훈련된 모델의 내부 표현이 얼마나 좋은지 테스트합니다.
기술DenseNet 및 Dense Connectivity
DenseNet은 모든 레이어가 모든 이전 레이어의 기능 맵을 입력으로 받는 컨벌루션 네트워크입니다.
기술병목 현상 아키텍처
병목 현상 아키텍처는 데이터를 다시 확장하기 전에 좁은 중간 계층을 통해 데이터를 압축하여 네트워크가 작고 효율적으로 학습하도록 합니다.
기술그라데이션 누적
그라데이션 누적을 사용하면 업데이트하기 전에 여러 개의 작은 미니 배치에 대한 그라데이션을 합산하여 제한된 GPU 메모리에서 대규모 배치 크기를 시뮬레이션할 수 있습니다.
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.