loveunk/deep-learning-llm-agent-notes

프로젝트 이름：loveunk/deep-learning-llm-agent-notes

한 줄 요약：중국어 학습자를 위한 AI 학습 로드맵으로, 머신러닝, 딥러닝, 대규모 언어 모델(LLM), RAG, Agent, 멀티모달 엔지니어링 실천을 다루며, 핵심 목표는 "무엇을 먼저 배울지, 어느 수준까지 배울지, 실행 가능한 AI 애플리케이션을 어떻게 만들지"에 답하는 것입니다.

핵심 포지셔닝：자료를 쌓아두는 것이 아니라, "최소 폐루프를 먼저 실행하고, 문제에 따라 이론을 보충한다"는 원칙으로 내용을 구성하며, 엔지니어링 폐루프(배포 가능, 평가 가능, 오류 식별 가능)를 강조합니다.

주요 학습 경로：

• 30일 신입 경로：제로 베이스에서 Python, sklearn, PyTorch, LLM API를 사용하여 기본 작업을 완료할 때까지(4주로 나뉘며, 매주 하나의 주제).
• LLM 엔지니어 경로：이미 기초가 있는 사람을 대상으로, 모델 호출, Prompt, Transformer 아키텍처, RAG에서 파인튜닝까지, 최종적으로 "프롬프트만 / RAG / 파인튜닝 / Agent"의 적용 시나리오를 판단할 수 있게 합니다.
• Agent 엔지니어링 경로：도구 호출, 워크플로우, 메모리, MCP에서 프로덕션화(guardrails, tracing, eval)까지, 작업 경계, 도구 계약, 상태 전이, 실패 처리를 명확히 설계하는 것을 강조합니다.
• 고전 딥러닝 보충 경로：이미 LLM을 사용하지만 기초 능력을 보충하려는 사람을 위해, 신경망, 최적화 및 하이퍼파라미터 튜닝, CNN, RNN, 어텐션 메커니즘을 다룹니다.

내용 구조：저장소에는 수학 기초, Python 및 데이터 처리, 머신러닝 알고리즘, 딥러닝, 대규모 언어 모델 및 Agent, 멀티모달, 실천 및 대회 등의 디렉토리가 포함되며, 각 장은 빠른 모드(15-30분)와 심층 모드(1-3시간)의 두 가지 학습 방식을 제공합니다.

추가 섹션：

• 인기 AI 기술 기사 읽기：고품질 기사를 수동으로 엄선하여 학습 주제에 매핑하고, 추천 이유와 요약을 첨부합니다.
• 추천 도구：Colab, PyTorch, Hugging Face, LangChain 등의 일반적인 도구를 나열합니다.

기여 방법：Issue/PR 제출을 환영하며, 오류 수정, 최소 예제, 기사 요약, 평가 경험 추가를 우선시합니다.

라이선스：MIT License.