All of AI인공지능 지식베이스

수식과 직관으로 체계적으로 정리합니다.

시작하기

GitHub

I. 인공지능 기초

인공지능의 정의, 학습의 개념, 일반화와 이론적 기초

II. 머신러닝과 딥러닝 핵심

경험적 위험 최소화, 전통적 ML 모델, 신경망, 표현 학습

III. 생성 모델과 파운데이션 모델

생성 모델 접근법, LLM, 스케일링, 정렬과 미세조정

IV. 문제 영역과 의사결정

비전·언어·오디오, 강화학습 이론과 방법론

V. AI 시스템과 에이전트

LLM 기반 시스템 설계, 에이전트형 인공지능

VI. 인공지능 수학과 컴퓨터 과학

선형대수, 확률, 최적화, 자료구조, 컴퓨터 구조, OS, 네트워크, DB

전체 목차

I. 인공지능 기초

Chapter 01. 인공지능과 학습

Chapter 02. 일반화와 이론적 기초

II. 머신러닝과 딥러닝 핵심

Chapter 03. 머신러닝의 기본 구조

Chapter 04. 딥러닝과 표현 학습

III. 생성 모델과 파운데이션 모델

Chapter 05. 생성 모델

Chapter 06. 대규모 언어 모델

IV. 문제 영역과 의사결정

Chapter 07. 문제 영역별 인공지능

Lecture 16. 비전/언어/오디오 문제의 구조

Chapter 08. 강화학습

V. AI 시스템과 에이전트

Chapter 09. LLM 시스템

Lecture 19. LLM 기반 시스템 설계

Chapter 10. 에이전트형 인공지능

Lecture 20. 에이전트형 인공지능

VI. 인공지능 수학과 컴퓨터 과학

Chapter 11. 인공지능 수학

Chapter 12. 컴퓨터 과학 기초

All of AI인공지능 지식베이스

I. 인공지능 기초

II. 머신러닝과 딥러닝 핵심

III. 생성 모델과 파운데이션 모델

IV. 문제 영역과 의사결정

V. AI 시스템과 에이전트

VI. 인공지능 수학과 컴퓨터 과학

전체 목차 ​

I. 인공지능 기초 ​

II. 머신러닝과 딥러닝 핵심 ​

III. 생성 모델과 파운데이션 모델 ​

IV. 문제 영역과 의사결정 ​

V. AI 시스템과 에이전트 ​

VI. 인공지능 수학과 컴퓨터 과학 ​

전체 목차

I. 인공지능 기초

II. 머신러닝과 딥러닝 핵심

III. 생성 모델과 파운데이션 모델

IV. 문제 영역과 의사결정

V. AI 시스템과 에이전트

VI. 인공지능 수학과 컴퓨터 과학