연구 기초

    AI 연구를 이해하고 구현·재현하는 데 필요한 수학과 실습 기초를 쌓으세요.

    연구를 시작하는 순서

    1. 01

      기초 다지기

      선형대수·확률·최적화를 익히세요.

    2. 02

      모델 구현하기

      작은 모델을 만들고 학습 과정을 따라가세요.

    3. 03

      논문 재현하기

      방법을 바꾸기 전에 원래 실험 설정을 재현하세요.

    4. 04

      실험 설계하기

      기준 대안과 제거 실험으로 아이디어를 검증하세요.

    수학 기초4 개 자료

    3Blue1Brown Linear Algebra

    벡터와 행렬의 시각적 입문

    3Blue1Brown Calculus

    미적분의 본질 시리즈

    Mathematics for ML

    임페리얼 칼리지 런던 교재, 무료 공개

    Matrix Calculus for DL

    딥러닝을 위한 도함수와 그래디언트 해설

    강의 & 기초5 개 자료

    Andrej Karpathy: Zero to Hero

    신경망과 GPT를 코드로 밑바닥부터 구현

    Stanford CS224n

    딥러닝 기반 NLP — LLM 기초의 표준 강의

    Stanford CS231n

    시각 인식을 위한 CNN

    3Blue1Brown Neural Networks

    신경망과 트랜스포머의 시각적 해설

    Deep Learning Book

    Goodfellow, Bengio, Courville 교재

    아키텍처4 개 자료

    Attention Is All You Need

    트랜스포머 원 논문 (2017)

    The Illustrated Transformer

    트랜스포머 아키텍처의 시각적 해부

    ResNet Paper

    딥 레지듀얼 러닝 (2015)

    BERT Explained

    BERT 아키텍처의 시각적 이해

    학습 & 최적화4 개 자료

    PyTorch Tutorials

    공식 학습 가이드

    Hugging Face Training

    트랜스포머 파인튜닝 실전

    LoRA Paper

    저랭크 적응 — 모두가 쓰는 파인튜닝 기법

    Adam Optimizer Paper

    적응형 모멘트 추정 (2014)