교육 · 영상

Attention in transformers, visually explained

트랜스포머의 핵심인 어텐션을 시각적으로 설명. 개념편 다음 한 단계 깊이로.

▸ 재난 텍스트에서 무엇이 중요하게 연결되는지 모델의 관점을 이해하는 한 걸음입니다.

Deep Dive into LLMs like ChatGPT

LLM 내부 작동 원리를 깊게 파고드는 심화 강의. 개념을 잡은 뒤 한 단계 더.

▸ 모델 한계·환각의 출처를 깊이 이해해 현장 판단엔 사람 검증을 남기는 근거.

But what is a neural network? — 신경망 기초

신경망이 무엇인지 손글씨 숫자 인식으로 그림처럼 설명. 비전공자의 첫 직관.

▸ 위험도 예측·영상 탐지 모델이 "학습한다"는 게 무엇인지 감을 잡는 출발점.

Gradient descent — 신경망은 어떻게 학습하나

모델이 오차를 줄여가며 학습하는 원리(경사하강)를 시각적으로.

▸ 데이터가 많을수록 나아지는 이유와 한계를 이해하는 토대.

Backpropagation, intuitively — 역전파 직관

신경망이 가중치를 어떻게 고치는지(역전파)를 직관적으로 설명.

▸ 딥러닝 학습의 핵심 메커니즘을 개념 수준에서 파악.

StatQuest · 해외

Attention for Neural Networks, Clearly Explained

트랜스포머의 어텐션을 StatQuest 특유의 쉬운 방식으로 설명.

▸ LLM이 신고·문서에서 무엇에 "주목"하는지 이해.

신경망·역전파를 코드로 — building micrograd

신경망과 역전파를 라이브러리 없이 밑바닥부터 코드로 구현하는 강의.

▸ 원리를 코드로 확인해 모델을 신뢰·검증하는 토대를 만듭니다.

Let's build GPT from scratch — 코드로 GPT 만들기

GPT를 처음부터 코드로 만들어보는 권위자의 심화 강의.

▸ LLM 내부를 코드로 이해해 환각·한계의 출처를 짚습니다.

Corey Schafer · 해외

Python Pandas Tutorial (Part 1) — 데이터 분석 첫걸음

pandas로 데이터를 불러오고 다루는 기초를 차근차근.

▸ 출동·민원 CSV를 코드로 다루는 출발점.

Vectors — 선형대수의 본질 (Chapter 1)

AI 수학의 기초인 벡터를 그림으로 직관적으로 설명.

▸ 임베딩·좌표 데이터를 이해하는 수학 토대.

DeepLearning.AI · 해외

Machine Learning 입문 — Andrew Ng 강의 1강

앤드류 응의 머신러닝 입문 강의 첫 수업.

▸ ML을 처음부터 체계적으로 시작하는 정석 경로.

StatQuest · 해외

Decision and Classification Trees, Clearly Explained

결정트리가 어떻게 분류·예측하는지 쉽게 설명.

▸ 화재 위험도·유형 예측에 쓰는 트리 모델의 기초.

StatQuest · 해외

StatQuest — Random Forests Part 1

여러 결정트리를 모아 예측을 안정화하는 랜덤포레스트.

▸ 위험도 예측 모델의 대표 기법을 개념부터.

Let's build the GPT Tokenizer

LLM이 글자를 토큰으로 쪼개는 토크나이저를 코드로 구현.

▸ 한국어 처리에서 토큰화가 왜 중요한지 이해.