sejong.jeonjo@gmail.com

작성일: 2024년 7월 22일

추천 도서, 입문 도서

오늘까지 출판된 LLM, LangChain 관련 책을 여러 권 찾아서 읽어 보았는데

아래의 책이 개발자(코드 구현자)가 따라 하기에 가장 적절한 책 같다.

더 쉬운 책도 많은데, 적당히 책 보면서 따라하기에는 아래 책이 그나마 괜찮았다.

• 챗GPT와 랭체인을 활용한 LLM 기반 AI 앱 개발 : 랭체인 기초부터 슬랙 앱 제작과 배포까지, 실무 중심의 LLM 애플리케이션 구축
     요시다 신고, 오시마 유키 지음
     최용 옮김
     출판사: 위키북스
• OpenAI API와 파이썬으로 나만의 챗GPT 만들기
    후루카와 쇼이치, 오기와라 유이 지음
    최용 옮김
    출판사: 위키북스
• 랭체인 완벽 입문 (혁신적인 LLM 앱을 구축하기 위한 랭체인 활용법)
    타무라 하루카 지음
    최용 옮김
    출판사: 위키북스

위 세 책은 모두 "최용"님이 번역한 것이라서 문체가 비슷하다.
그래서 책을 세 권을 읽었는데, 마치 한 권을 읽은 것 같은 느낌이다. ^^

Python을 이용하여 스터디할 거라면, 아래 웹 문서를 읽는 것을 추천 !

Python OpenAI API library

https://pypi.org/project/openai/

Python API 에 대한 설명와 예제 코드가 잘 만들어져있다.

LangChain 공식 문서

https://python.langchain.com/v0.2/docs/introduction/

LangChain 공식 블로그

https://blog.langchain.dev/

awesome-langchain (랭체인을 사용한 프로젝트와 관련 정보를 모아 놓은 저장소)

https://github.com/kyrolabs/awesome-langchain

Private, Local Chat with a GPT - 관련 자료 모음

h2oGPT

• 소개 동영상 링크

localGPT

• 소개 동영상 링크

Hugging Face

• 홈페이지 링크

LLM 관련 기타 자료

Dataiku

• 홈페이지 링크

YouTube 채널 추천

Prompt Engineering

• YouTube 링크

추천 문서

데이터 프라이버시와 정확성 모두 갖춘 생성형 AI 로컬 LLM 구축 가이드

• 문서 다운로드 링크

작성일: 2024년 5월 25일

AI, Machine Learning, Deep Learning 등 관련 컴퓨터 과학의 역사가 반세기가 넘다보니까,

공부를 시작하는 사람 입장에서는 어디서부터 시작해야 할지 막막하다.

원래 시작점이 수학(미분, 선형대수학, 통계학 등)이니까 대학원 수준의 수학 공부부터 해야 할까?

이렇게 하면 좋기는 하지만, 최근 몇년 사이에 TensorFlow 같은 Library가 잘 만들어져 있고 이것을 활용하는 수준으로 서비스를 개발하는 입장이라면 그냥 얇은 수학 지식만 가지고 TensorFlow를 활용하는 것이 훨씬 시간과 개발자의 에너지를 아낄 수 있다.

게다가 YouTube 영상 중에 TensorFlow 예제를 직접 보여주는 것이 있어서, 영상을 먼저 보고 공부를 시작하면 길잡이를 만난 것처럼 공부할 수 있다. (아래 영상을 보는 것을 추천 ^^)

NVIDIA TensorRT Model Optimizer

A library to quantize and compress deep learning models for optimized inference on GPUs

문서 링크:  https://github.com/NVIDIA/TensorRT-Model-Optimizer

위 Python package에 대한 설명은 아래 문서를 참고할 것!

문서 링크: https://nvidia.github.io/TensorRT-Model-Optimizer/

TensorRT Model Optimizer 관련 블로그를 읽어보는 것을 권장함.

문서 링크: 여기를 클릭

추천 YouTube  -  얄팍한 코딩 사전 

IT 세상의 다양한 지식을 쉽게, 스피디하게 설명해주니까 꼭 보길~~~

PyTorch 한국 사용자 모임 - Tutorials

PyTorch 한국 사용자 모임 - PyTorch 설치하기