nndl/nndl-practice

해결하는 문제

이 프로젝트는 딥러닝의 이론적 이해와 실용적 엔지니어링 사이의 간극을 메웁니다. PyTorch를 사용하여 핵심 신경망 구성 요소를 처음부터 구현하고 실제 실행 가능한 작업에 적용함으로써 학습자가 추상적 개념을 넘어서도록 돕습니다.

작동 방식

저장소는 교과서 구조를 반영한 10개 장으로 구성되어 있습니다. 각 장은 Jupyter Notebooks를 사용하여 기본 선형 모델에서 시작하여 Transformer, 그래프 신경망, 대규모 언어 모델과 같은 복잡한 아키텍처로 진행되는 알고리즘 구현을 안내합니다. 진행하면서 프로젝트는 재사용 가능하고 가벼운 훈련 프레임워크(nndl/)를 구축하는 데 도움을 주며, 단순한 훈련 루프에서 전문가 수준의 모델 관리로 진화합니다.

대상 독자

Python에 대한 기초 지식을 갖추고 실습을 통해 딥러닝을 배우고자 하는 학생과 엔지니어를 위해 설계되었습니다. 이론 교과서와 함께 사용하도록 의도되었습니다.

주요 특징

• 단계별 구현: 합성곱, 어텐션 메커니즘, 최적화 알고리즘과 같은 핵심 구성 요소를 처음부터 구축합니다.
• 점진적 프레임워크: 장을 진행하면서 모듈식이고 재사용 가능한 코드 라이브러리(nndl/)를 개발합니다.
• 포괄적인 범위: 기본 회귀 및 신경망부터 최첨단 LLM, 에이전트, 그래프 신경망까지 주제가 다양합니다.
• 검증 도구: 각 장에는 구현이 예상 모델 형태와 핵심 논리와 일치하는지 확인하는 무결성 테스트가 포함되어 있습니다.
• 유연한 학습 경로: 컴퓨터 비전, 시퀀스 모델링 또는 LLM 개발과 같은 특정 관심사에 맞춘 선별된 학습 트랙을 제공합니다.