patchy631/ai-engineering-hub

이것이 무엇인가

AI Engineering Hub는 93개 이상의 바로 사용 가능한 프로젝트와 튜토리얼을 갖춘 GitHub 저장소로, 초보자 기초부터 고급 프로덕션 시스템까지 다룹니다. 실제로 무언가를 구축하며 AI 엔지니어링을 배우고자 하는 모든 사람을 위해 설계되었습니다——이제 막 시작했든, 이미 실무 중이든, 연구 중이든 상관없습니다.

저장소는 난이도 수준별로 구성되어 있어 간단한 것부터 시작해 단계적으로 올라갈 수 있습니다. LLM(대규모 언어 모델), RAG(검색 증강 생성——AI가 자신의 데이터로 질문에 답하게 하는 방법), AI 에이전트 등에 대한 실습 예제가 포함되어 있습니다.

내부에 포함된 것

• 초급 프로젝트(22개) – OCR(이미지에서 텍스트 추출), 간단한 채팅 인터페이스, 기본 RAG 설정과 같은 단일 구성 요소 앱.
• 중급 프로젝트(48개) – 다중 구성 요소 시스템, 에이전트 워크플로, 음성 및 오디오 처리, 고급 RAG, 모델 비교, MCP(모델 컨텍스트 프로토콜——AI를 외부 도구에 연결하는 방법) 예제.
• 고급 프로젝트(23개) – 자체 모델 미세 조정, 추론 모델 구축, 복잡한 에이전트 시스템, 프로덕션 배포, 본격적인 애플리케이션(NotebookLM 클론 등).

각 프로젝트는 코드와 튜토리얼이 포함된 자체 폴더로 연결됩니다. README는 또한 AI 엔지니어링 로드맵을 제공합니다——Python 기초부터 프로덕션 AI까지의 단계별 학습 경로입니다.

시작하는 방법

README는 네 가지 단계를 제안합니다:

1. 완전 초보자는 먼저 AI 엔지니어링 로드맵을 확인하세요.
2. 그런 다음 초급 프로젝트(OCR 앱이나 간단한 RAG 등)에 뛰어드세요.
3. 중급 프로젝트(에이전트 및 복잡한 워크플로)로 이동하세요.
4. 마지막으로 고급 프로젝트(미세 조정, 프로덕션 시스템)에 도전하세요.

또한 무료 뉴스레터(Daily Dose of Data Science)를 구독하여 150개 이상의 강의가 포함된 무료 데이터 과학 전자책을 받을 수 있습니다.

기여 방법

이 프로젝트는 기여를 환영합니다——튜토리얼을 추가하거나, 기존 코드를 개선하거나, 문제를 보고할 수 있습니다. 프로세스는 표준적입니다: 저장소를 포크하고, 브랜치를 만들고, 변경 사항을 적용하고, 풀 리퀘스트를 제출하세요. 기여 가이드라인이 링크되어 있습니다.

라이선스

MIT 라이선스——코드를 자유롭게 사용, 수정, 배포할 수 있으며 저작자 표시가 필요합니다.

연락처

토론, 제안 또는 질문이 있으면 저장소에 이슈를 만들거나 직접 연락하세요.