YouTube 강의 & 기술 서적 학습 자료
결합도(Coupling)를 네 개의 결합 모델로 분해해 다시 본다. (1) 모듈 결합 모델은 코드의 구조·내용을 정적 분석해 콘텐츠·공통·외부·제어·스탬프·데이터 6종을 강→약으로 구분한다. (2) 공생성(Consequential) 모델은 컴파일러가 잡지 못하는 암묵지 결합(이름·타입·의미·알고리즘·순서·타이밍·상태·정체성)을 다룬다. (3) 도메인 결합 모델은 DDD Distillation(Core·Generic·Supporting)과 Cynefin으로 의존성 방향을 정한다. (4) 코드 소유권은 Bounded Context·유비쿼터스 언어와 커뮤니케이션 비용, AI 시대의 그래프형 모듈 구조까지 잇는다. 모든 모델은 '공개 지식을 얼마나 잘 캡슐화했느냐가 결합을 결정한다'는 하나의 원리로 수렴한다.
학습 시작AI 엔지니어링 서적 기반 강의. AI 제품 기획부터 LLM 구조, 모델 평가, 프롬프트/RAG/에이전트, 파인튜닝/LoRA, 인퍼런스 운영까지 AI 앱 개발의 전 과정을 다룬다.
학습 시작AI 엔지니어링 EP1~7 (LLM·Transformer·RoPE·YaRN·SFT·RLHF) 학습 진입 전 반드시 알아야 할 7 영역 — 선형대수·미적분·확률통계·Python(NumPy/PyTorch)·신경망 기초·자료구조·자연언어. 고등학생·학부 1년차 수준의 비유 중심 입문. verify-before-doc N=3 (2026-05-20, Stanford CS229·CS224N·MIT 6.S191·DeepLearning.AI·Hugging Face·Anthropic Learn 등 Tier 1 ≥10 교차검증).
학습 시작AI 엔지니어링의 정의와 AI 제품 구조를 3계층(인프라·모델·애플리케이션) 관점에서 체계적으로 설명합니다. 급변하는 AI 시장에서 경쟁력을 유지하기 위한 빠른 개발·런칭 전략, 외부 API 활용 전략, 그리고 B2C·B2B·프로슈머별 서비스 수익 전략을 실무 관점에서 제시합니다.
학습 시작토큰의 소프트맥스 확률에서 로그 우도(LogProb)를 거쳐 교차 엔트로피(Cross-Entropy)를 계산하고, 이를 exp()로 정규화한 퍼플렉시티(PPL)로 LLM 예측 성능을 정량 평가하는 전 과정을 다룹니다. LLM을 평가자(judge)로 사용할 때 발생하는 말짓기(할루시네이션) 문제와 1~5점 직접 수치 평가의 한계를 분석하고, 분류·판정 방식 및 multi-judge 앙상블로 신뢰성을 높이는 실무 패턴을 제시합니다. AI·LLM 실무 개발자가 자체 평가 시스템을 구축할 때 필요한 이론적 토대와 구현 가이드를 제공합니다.
학습 시작LLM을 평가하는 두 가지 방법론(단일 모델 절대 평가, 교차 평가)과 5가지 평가 기준(지식·이해, 추론력, 대화 품질, 인간 선호, 안정성), 그리고 PPL(Perplexity) 및 벤치마크 선택 전략을 다룹니다. 단일 모델 평가의 점수 시스템·참거짓 판정·유사도 평가 세 가지 서브 방법의 트레이드오프와 교차 평가(A/B 선호도, Elo Rating)로 비용을 절감하는 패턴을 정리하고, MMLU·BBH·GSM8K·Arena-Hard·Chatbot Arena·HumanEval·MedQA 등 벤치마크의 적용 범위를 비교합니다. AI·LLM 실무 개발자가 자체 평가 파이프라인을 구축할 때 필요한 이론·구현·도구 선택의 의사결정 기준을 제공합니다.
학습 시작AI 애플리케이션을 사업적 관점에서 평가하는 기준과 절차를 다룹니다. 메인 가치·보조 가치 개선, 생성 능력(일관성·창의성·분량·할루시네이션), 지시 수행 능력(컨텍스트·멀티턴), 역할 수행(SFT) 등 6대 평가 축을 LangChain·Anthropic SDK·Ragas 코드와 함께 학습합니다.
학습 시작LLM 기반 애플리케이션을 모델 단독이 아닌 앱 전체 시스템 관점에서 평가하는 전략을 다룹니다. 도메인 특화 지표, LLM-as-a-Judge 자동화, 다단계 RAG 파이프라인의 단계별 평가, 그리고 응답 지연을 UI/UX로 보완하는 기획까지 실무 평가 체계를 학습합니다.
학습 시작AI 앱에 적합한 LLM·API 를 선정하는 5 가지 기준(AI 비중·속도/출력·도메인 특성·라이선스·API 고급 기능)과 도메인 특화 PPL 평가 절차를 다룹니다. 단순 챗 컴플리션을 넘어 RAG·에이전트 그래프·인터프리터 샌드박스를 기본 제공하는 현대 모델 API 들의 활용 전략을 학습합니다.
학습 시작LLM 의 SFT(Supervised Fine-Tuning) 학습 구조가 프롬프트 작성 방식에 미치는 영향을 다룬다. Llama 계열의 `instruction → user → assistant` 컴플리션 구조와 GPT/ChatML 계열의 `system → user → assistant` 멀티턴 구조 차이, 어텐션 토큰 위치별 영향력, few-shot 예시의 올바른 배치, 그리고 OpenAI Responses API 의 신규 4 롤(instruction·developer·user·assistant) 활용 가이드를 학습한다.
학습 시작프롬프트를 학습 분포 재연(統計的 분포) 관점에서 정의하고, 모델 특화 가이드(OpenAI Cookbook·Anthropic docs)·범용 기법(Chain-of-Thought)·LLM 자체 개선 루프를 조합해 고품질 프롬프트를 작성하는 방법을 다룹니다. 프롬프트 해킹 방어를 위한 다중 게이트 패턴(질의 검사·보안 프롬프트 wrapping·응답 재검사·멀티턴 감사·비-LLM 방벽)과 평가 질의셋(≥30) 기반 점수화·버전 관리 체계를 코드 예시와 함께 학습합니다.
학습 시작LLM 입력 컨텍스트 예산을 관리하는 컨텍스트 엔지니어링 개념과, 임베딩 모델·코사인 유사도 기반 의미론적 검색으로 정의되는 RAG의 업계 표준 정의를 다룹니다. 검색 품질의 결정 요소인 청킹(Chunking) 전략과 다차원·멀티모달 청킹까지 확장하여, 실제 RAG 시스템의 응답 정확도와 관련성을 끌어올리는 실무 패턴을 학습합니다.
학습 시작LLM 의 텍스트 생성 한계를 넘어 메모리·도구·자기성찰로 동적 행동을 수행하는 에이전틱 AI 의 핵심 패턴을 학습합니다. 과업달성형 에이전트의 변수 수집 루프, 다층 메모리 설계, LLM 의 도구 사용 메커니즘과 컨텍스트 예산 관리, 그리고 최신 모델의 JSON 스키마·구조화 출력 지원을 Anthropic·OpenAI SDK 공식 패턴 기반으로 구현합니다.
학습 시작LLM 모델의 사전 학습·미세 조정 구조를 이해하고, OpenAI·Anthropic·Google 등 메이저 API와 Upstage 같은 특화 API, Llama Cloud 같은 오픈소스 API를 선택·활용하는 기준을 다룬다. 나아가 모델 중심·서비스 중심·에이전트 중심이라는 세 가지 AI 서비스 기획 마인드셋의 차이와 각각의 적합 시장을 설명한다.
학습 시작LLM 파인튜닝의 장단점과 파라미터 효율적 튜닝(PEFT) 기법 LoRA(Low-Rank Adaptation)의 원리·적용 위치·초기화 전략을 다룬다. 행렬 분해 기반 저랭크 어댑터(B×A)를 어텐션 KQVO와 FFN(gate/up/down)에 삽입해 학습 비용과 파멸적 망각을 동시에 완화하는 실무 패턴, 그리고 학습 후 병합(merge_and_unload)으로 추론 오버헤드를 제거하는 흐름까지 학습한다.
학습 시작LLM 학습·운영 파이프라인의 마지막 단계를 다룹니다. 하이퍼파라미터 설정, 도구 사용·추론 모델용 SFT 데이터셋 구축, Llama Factory 같은 파인튜닝 도구 선택, 지식 증류 기법, 그리고 vLLM·양자화·KV 캐시·프리픽스 캐시를 활용한 추론 비용 최적화까지 실무 의사결정 포인트를 정리합니다.
학습 시작정해(방정식처럼 값이 확정된 해법)와 통계적 해법(데이터 분포에 가장 근사한 식을 도출하는 방식)의 근본적인 차이를 출발점으로, 신경망의 핵심 수학 원리인 가중치(weight)·편향(bias)·편미분 경사하강법(gradient descent)을 다룹니다. 나아가 퍼셉트론의 불연속 분류 특성, Sigmoid·tanh·ReLU·Leaky ReLU·ELU·Maxout 등 활성화 함수 계열, 그리고 MLP·CNN·RNN·LSTM·Transformer·Autoencoder·GAN에 이르는 신경망 모델 계보를 정리합니다.
학습 시작현대 LLM이 의미 표현력과 계산 효율성을 동시에 향상시키는 구조적 기법(토큰 임베딩 차원 확장, MoE, Flash Attention, KV Cache 양자화, GQA)을 다룹니다. 각 기법의 작동 원리와 trade-off를 이해하면 모델 선택, 서빙 최적화, API 비용 관리에 직접 적용할 수 있습니다.
학습 시작기존 Positional Embedding의 외삽 성능 저하·상대 거리 학습 비효율 문제를 출발점으로, RoPE의 벡터 회전 원리와 ALiBi의 선형 페널티 메커니즘을 소개한다. 이어서 RoPE 계열의 컨텍스트 확장 기법인 NTK-Aware Scaling·LongRoPE·YaRN까지 단계별 발전 과정을 설명하며, 현대 LLM에서 위치 인코딩이 모델 성능을 결정하는 핵심 요소임을 다룬다.
학습 시작트랜스포머의 이차 복잡도(컨텍스트 길이 N배 → 어텐션 계산량·메모리 N²배)와 순차 상태 부재 문제를 해결하기 위해 연구된 SSM(State Space Model) 계열 — S4(SSMv4), Mamba, Jamba — 의 핵심 메커니즘과 트랜스포머 결합 전략을 다룬다. 적분 커널 기반 병렬 계산, FFN 비선형성 보정, MoE 결합 구조를 이해하고, DNA 서열·시계열 등 긴 시퀀스 도메인에서의 실무 적용 가능성과 30B 규모 경쟁력 한계를 평가할 수 있다.
학습 시작사전학습된 LLM의 출력 방향을 목적에 맞게 조정하는 세 가지 핵심 사후 학습 기법(SFT·RLHF·DPO)의 원리·데이터 구성·학습 메커니즘을 다룹니다. 각 기법의 손실 함수 차이·보상 모델 유무·구현 복잡도를 비교하고, HuggingFace TRL·PEFT·LLaMA-Factory 등 Tier 1 OSS 사례를 통해 실무 적용 패턴을 정리합니다.
학습 시작LLM 파라미터의 수치 정밀도를 낮춰 메모리와 연산량을 절감하는 양자화(Quantization) 기법과, 확률적 토큰 생성 구조에서 비롯되는 환각(Hallucination) 현상의 원인 및 완화 전략을 다룹니다. FP16/FP8/INT8/INT4 정밀도 비교, 모델·활성화·캐시 양자화 유형 분류, 그리고 인퍼런스 제어·파인튜닝·RAG를 통한 환각 저감 방법을 체계적으로 학습합니다.
학습 시작AI에게 코드를 맡기는 바이브 코딩을 시작할 때 반드시 알아야 할 LLM·IDE·소스 관리·프론트/백엔드·서버·배포·API·DB의 필수 IT 지식을 하나의 흐름으로 정리한 보충 학습자료입니다. 프롬프트와 컨텍스트로 LLM을 호출해 소스를 생성하고, 그 결과물을 백엔드 서버로 띄워 API·JSON으로 검증하는 한 사이클을 직접 구현하며 개념 지도를 완성합니다.
학습 시작LLM 모델 평가의 세 가지 핵심 축(학습 적합성·기능 정확성·의미적 유사도)과 Cross-Entropy·Perplexity의 정보이론적 의미를 체계적으로 다룹니다. 일반 벤치마크 점수와 도메인 특화 PPL의 차이를 이해하고, 실무에서 평가 데이터셋을 구축·활용하는 방법을 학습합니다.
학습 시작OpenAI Codex CLI와 GPT-5.5 기반 데스크톱 에이전트 환경에서 하네스 엔지니어링(Harness Engineering) 원칙을 실습하는 25분 요약 강의다. Superpowers 플러그인 설치부터 브레인스토밍·설계 문서(SSOT) 작성·서브에이전트 기반 TDD 구현·컴파운드 엔지니어링 추가·gstack CSO 보안 점검까지 전체 워크플로를 단계별로 시연하며, AGENTS.md·Skills·Subagent·Git Worktree 패턴을 실제 프로젝트(Windows 시간 관리 앱)에 적용하는 과정을 보여준다. AI 코딩 에이전트의 일관성·재현성·통제성 확보에 관심 있는 실무 개발자에게 직접적인 학습 가치를 제공한다.
학습 시작테디노트의 랭체인을 활용한 RAG 비법노트 강의. RAG의 개념과 실무적인 구축을 배웁니다.
학습 시작OpenAI Codex 오픈소스(Apache 2.0)를 TypeScript로 재구현한 NDX 에이전트로, 클라우드가 아닌 로컬 LLM 위에서 동작하는 '로컬특화 코딩 에이전트'를 구축하는 실습입니다. LM Studio·LM Link로 로컬 모델을 띄우고, 양자화 모델과 KV 캐시의 GPU 우선 할당으로 출력 속도를 최적화하며, Docker 기반 환경에서 settings.json 통합 설정으로 에이전트를 실행해 테트리스를 생성합니다. 토큰 비용 없이 로컬 모델 성능을 끌어올리는 에이전트 설계를 학습합니다.
학습 시작테디노트의 RAG 심화 강의. 리랭커, 컨텍스트 압축, 어텐션 편향, RAPTOR 비판, RAG 평가·튜닝까지 실무 중심으로 다룹니다.
학습 시작벡터DB의 기초부터 설계까지. 정형/비정형 데이터, 임베딩, 코사인 유사도, HNSW 인덱스, 청킹, 임베딩 모델 진화를 다룬다.
학습 시작Google NotebookLM의 업데이트된 슬라이드(Slides) 기능을 활용해 소스 기반 RAG 방식으로 AI 프레젠테이션을 생성하는 실전 워크플로우를 다룹니다. 9가지 실전 예제와 50종 스타일 템플릿, 맞춤형 프롬프트 설정 기법을 학습하여 AI 기반 문서 자동화 80%를 달성하고 핵심 인사이트 도출의 20%에 집중하는 실무 역량을 구축합니다.
학습 시작Claude를 단순 질의응답 도구가 아닌 업무 파트너로 쓰기 위한 멘탈 모델과 실전 활용법을 다룹니다. LLM이 확률 기계임을 전제로 기대치를 조정하고, 소크라테스식 반복 대화로 맥락을 쌓으며, claude.md로 목적별 컨텍스트를 분리·상속하고, 스킬(Skills)을 선택적으로 주입하며, 다중 세션을 병렬 운영해 생산성을 높이는 컨텍스트 엔지니어링을 학습합니다.
학습 시작조태호 저자의 바이브 코딩 입문 강의. Claude Code를 활용한 프롬프트 기반 개발, 에이전트 구성, MCP 연동까지 다룬다.
학습 시작입문자용(PDF 1차+노트 참고) — 선수지식 0, 용어 풀어쓰기, 예시 폭격, 원서 커버리지 보존.
결합(coupling)을 두려워하지 말고 설계 도구로 활용하라. 1부(결합)·2부(차원: 강도·공간·시간)·3부(균형)·결론·사례연구까지 14장+부록으로, 일반인도 따라올 수 있게 일상 비유와 사례를 풍성히. (전체본 — Balancing Coupling in Software Design)
전체 PDF 다운로드입문자용(PDF 원문 1차 + 노트 참고) — 선수지식 0, 전문용어 풀어쓰기, 예시 폭격, 원서 커버리지 보존.
랭체인·LangGraph 기반 RAG 실무서. 검색 증강 생성의 기초(임베딩·벡터DB)부터 멀티모달 RAG·고도화 전략(청킹·리랭킹·Self-RAG)·그래프 RAG(Neo4j)·LangGraph 파이프라인·ReAct 에이전트·LLM/임베딩 파인튜닝까지. 이론과 실습 코드를 함께 다룬다. (참고 스타일: AI 엔지니어링)
전체 PDF 다운로드입문자용(PDF 원문 1차+노트 참고) — 선수지식 0, 용어 풀어쓰기, 예시 폭격, 원서 커버리지 보존.
Chip Huyen 의 'AI Engineering' (O'Reilly) 한국어판. 파운데이션 모델 기반 AI 애플리케이션 구축 실무 — 모델 이해·평가·프롬프트·RAG/에이전트·파인튜닝·데이터셋·추론 최적화·아키텍처. 책 원본(텍스트 레이어) 기반 챕터별 학습자료.
전체 PDF 다운로드입문자용 — 선수지식을 더 쉽게(귀납·비유·예시 폭격). 노트 1차(PDF 없음).
AI 엔지니어링 EP1~7 학습 진입 전 7 영역(선형대수·미적분·확률·Python·신경망·자료구조·자연언어)을 장별로 학습. 고등학생·학부 1년차 수준. 비유·코드·그림·실무 예제 중심.
전체 PDF 다운로드API 설계 패턴에 대한 체계적 가이드. 리소스 지향 설계, 필드 마스크, 페이지네이션 등 실무에서 바로 쓸 수 있는 패턴을 다룬다.
전체 PDF 다운로드Claude Code를 활용한 바이브 코딩의 원리와 실전 방법 — 환경 설정부터 배포까지 A to Z
『API Design Patterns』(JJ Geewax) 입문판 — 쉬운 비유·예시 폭격
입문자용 — 선수지식 0 가정, 전문용어 풀어쓰기. 0장 용어집·척추 먼저. 예시 폭격.
『클로드 코드 완벽 가이드』(코드팩토리 최지호) 입문판 — 쉬운 비유·예시 폭격
입문자용 — 더 쉽게(귀납·비유·예시 폭격). 노트 1차(이미지 PDF).