youssefHosni/LLM-Open-University-From-Begineer-to-Advanced

해결하는 문제

대규모 언어 모델(LLM)은 이제 어디에나 있습니다—챗봇, 검색, 코딩 어시스턴트, 에이전트 등. 그러나 그것들을 배우는 것은 압도적일 수 있습니다. 왜냐하면 이 분야는 거대하고 블로그 게시물, 논문, 비디오, 강좌에 흩어져 있기 때문입니다. 이 저장소는 최고의 무료 리소스를 단일 구조화된 경로로 정리하여, 누구나 트랜스포머가 무엇인지 모르는 상태에서 실제 LLM 애플리케이션을 구축하고 배포하는 데까지 길을 잃지 않고 나아갈 수 있게 합니다.

작동 방식

로드맵은 서로 기반을 두는 네 개의 섹션으로 나뉩니다. 첫 번째 섹션은 LLM 기초를 다룹니다: 아키텍처, 트랜스포머, 어텐션 메커니즘, 토큰화, 임베딩, 디코딩 전략. Jay Alammar의 일러스트 트랜스포머와 Andrej Karpathy의 비디오 시리즈 같은 고전적인 설명을 가리킵니다. 두 번째 섹션은 처음부터 LLM을 구축하고 훈련하는 것으로 이동합니다—데이터셋 준비, 지시 튜닝, 파인튜닝(LoRA 및 QLoRA 같은 파라미터 효율적인 방법 포함), 평가, 양자화, RLHF 정렬, 그리고 연구에 최신 상태를 유지하는 방법. 세 번째 섹션은 프로덕션으로 전환합니다: 프롬프트 엔지니어링, 벡터 데이터베이스, RAG, LLM 에이전트, 추론 최적화, LLMOps, 보안, 배포, 로컬 모델 실행 도구, MCP. 마지막 섹션은 포트폴리오 프로젝트에 관한 것입니다—학습자가 구축한 것을 보여줄 수 있는 아이디어와 안내된 작업.

대상 독자

단계별로 LLM을 마스터하려는 절대 초보자를 위해 설계되었지만, LLM 기술을 심화하려는 데이터 과학자, 머신러닝 엔지니어, AI 엔지니어, 소프트웨어 개발자에게도 적합합니다. 모든 섹션이 무료 리소스(기사, YouTube 비디오, 강좌)에만 링크하기 때문에 예산이 제한된 자기 주도 학습자에게도 적합합니다.

하이라이트

• 기초에서 훈련, 배포, 포트폴리오 작업으로 논리적으로 진행되는 구조화된 단계별 커리큘럼
• 고품질의 대부분 무료 리소스를 선별: 일러스트 기사, Karpathy와 3Blue1Brown의 비디오, 대학 스타일 강좌, 실용적인 노트북
• 실습 파인튜닝 연습을 위한 14개의 무료 Colab 노트북 포함
• 기술적 깊이(어텐션, PEFT, 양자화, RLHF)와 실용적인 프로덕션 주제(RAG, 에이전트, LLMOps, 보안) 모두 다룸
• 고용주에게 기술을 보여줄 수 있는 포트폴리오 구축 프로젝트로 끝남