ποΈ Transformer μν€ν μ²
Transformer β Self-Attention, Multi-Head Attention, Positional Encoding, Encoder-Decoder ꡬ쑰
ποΈ LLM Overview
λκ·λͺ¨ μΈμ΄ λͺ¨λΈ(LLM) κ°μ β μΈμ΄ λͺ¨λΈ μ§ν, GPT/Claude/Gemini, Scaling Law, ν ν¬λμ΄μ , μΆλ‘ μ΅μ ν
ποΈ ν둬ννΈ μμ§λμ΄λ§
ν둬ννΈ μμ§λμ΄λ§ β Zero/Few-shot, CoT, System Prompt μ€κ³, ꡬ쑰νλ μΆλ ₯, 보μ, νκ°
ποΈ νμΈνλ β LoRA, RLHF, PEFT
LLM νμΈνλ β Full Fine-tuning, LoRA/QLoRA, RLHF/DPO, Instruction Tuning, λ°μ΄ν°μ ꡬμΆ
ποΈ Embedding & Vector DB
μλ² λ©κ³Ό λ²‘ν° DB β ν μ€νΈλ₯Ό 벑ν°λ‘, μ μ¬λ κ²μ, Chroma/Pinecone/pgvector λΉκ΅
ποΈ RAG β κ²μ μ¦κ° μμ±
RAG μν€ν μ² β μΈλ±μ±, κ²μ, μμ±, μ²νΉ μ λ΅, νμ΄λΈλ¦¬λ κ²μ, νκ°, Advanced RAG
ποΈ AI Agent
AI Agent β ReAct, Function Calling, LangChain/LangGraph, CrewAI, MCP, λ©λͺ¨λ¦¬, μμ μ±
ποΈ λ©ν°λͺ¨λ¬ AI
λ©ν°λͺ¨λ¬ AI β ν μ€νΈ+μ΄λ―Έμ§+μ€λμ€+λΉλμ€, Vision-Language λͺ¨λΈ, λ©ν°λͺ¨λ¬ RAG
ποΈ μ΄λ―Έμ§ μμ± β Diffusion λͺ¨λΈ
Diffusion λͺ¨λΈ β λ Έμ΄μ¦μμ μ΄λ―Έμ§λ₯Ό 볡μνλ μμ± λͺ¨λΈ, Stable Diffusion μν€ν μ², μ€λ¬΄ νμ©
ποΈ LLM νμ© ν¨ν΄
LLM μ€λ¬΄ νμ© β API κΈ°μ΄, μ± μν€ν μ² ν¨ν΄, κ°λλ μΌ, νκ°, λͺ¨λΈ μ ν