viveknaskar/everything-ai-ml

해결하는 문제

AI와 머신러닝을 위한 좋고 최신의 학습 자료를 찾는 것은 엄청난 시간 낭비입니다. 이 프로젝트는 엄선된 수백 개의 링크를 한곳에 모아, 핵심 ML 개념과 수학 기초부터 고급 GenAI, 에이전틱 AI, MLOps, 보안, 심지어 양자 컴퓨팅까지 다룹니다. 수십 개의 웹사이트, 블로그, 코스, GitHub 저장소를 직접 검색하는 수고를 덜어줍니다.

작동 방식

본질적으로 구조화되고 탐색 가능한 링크 디렉토리입니다. README 자체가 목차 역할을 하며, 각 섹션에는 기사, 코스, 비디오, 논문, 도구에 대한 링크가 포함되고 각각 짧은 설명이 있습니다. 함께 제공되는 웹사이트(README에 링크됨)는 동일한 데이터의 대화형 치트시트 버전을 제공합니다. README는 중앙 소스 파일(website/src/data/resources.ts)에서 명령을 통해 자동 생성되므로 사이트와 README 간의 콘텐츠 일관성이 유지됩니다.

대상 독자

AI/ML을 배우거나 일하는 모든 사람—구조화된 로드맵을 원하는 초보자, 실용적인 도구와 프레임워크 문서를 찾는 개발자, 필독 논문을 찾는 연구자, GenAI 도입을 모색하는 비즈니스 리더까지. 또한 집중 코스와 연습 문제를 찾는 교육자와 면접 준비생에게도 유용합니다.

주요 특징

• 광범위한 주제를 다룸: 핵심 개념, 구성 요소(수학, Python, 데이터 전처리), 다단계 학습 로드맵, 일반 및 고급 GenAI 주제, 프롬프트 엔지니어링, RAG, 파인튜닝, 프레임워크(LangChain, LangGraph, CrewAI, Google ADK, Agno), 에이전틱 AI, MLOps/GenAIOps, 보안, Google Cloud AI, 비용 최적화, 조직 도입, 양자 컴퓨팅, AI 증강 SDLC 등.
• 추상적인 개념을 구체적으로 만드는 인터랙티브 시각화(CNN Explainer, Transformer Explainer, MLU-Explain) 포함.
• 최고 수준의 무료 리소스를 집계: Stanford, MIT, Harvard, Google, OpenAI, Anthropic, Hugging Face, DeepLearning.AI, fast.ai 등.
• 더 깊이 있는 학습을 위한 엄선된 연구 논문 및 필독 블로그.
• 기술을 테스트할 수 있는 연습 문제와 면접 준비 자료 제공.
• 중앙 데이터 소스에서 자동 생성되어 사이트와 README의 동기화를 유지.