🧠 LLM Study — 대규모 언어모델 시대의 학습 자료 모음 (2023–2026)

트랜스포머부터 GPT·Claude, 에이전트·MCP·RAG까지 — LLM 시대를 스스로 공부하는 분들께 도움이 되고자 직접 읽고, 보고, 검증한 자료만 모았습니다. 이 저장소의 모든 링크는 실제로 열어 보고 살아있는 것만 담았습니다. (죽은 링크·추측 URL 없음)

• 관리: 데이터가답이다(동원킴) · @melocream
• 만든 사람이 만드는 것: marblo.app — AI-native 팀을 위한 오케스트레이션 컨트롤 플레인
• 원칙: 권위 있는 1차 출처 우선, 최신(2024–2026) 자료 우선, 한 줄 코멘트로 "왜 봐야 하는지"만 남깁니다.

---

English summary

An opinionated Korean-first, source-verified map for learning LLMs: foundations, building models, agents and MCP, RAG, evaluation, observability, and staying current. Start with the four-stage roadmap below; every resource is labelled with a prerequisite level and a first-pass time (or 참고용 for reference material you dip into as needed). Contributions are welcome in Korean or English.

🗺️ 학습 로드맵

자료가 많은 것보다 다음에 무엇을 할지 아는 것이 중요합니다. 아래 순서대로 한 단계씩 끝내고, 관심 분야의 섹션으로 확장하세요.

단계	목표	먼저 볼 자료	권장 기간
1. 작동 원리 잡기	토큰·어텐션·다음 토큰 예측을 말로 설명한다	3Blue1Brown, Illustrated Transformer	1–2주
2. 직접 만들어 보기	작은 언어 모델을 학습·평가한다	Karpathy Zero to Hero, CS336	3–6주
3. 제품으로 연결하기	구조화 출력·RAG·툴 호출을 조합한다	에이전트·MCP, RAG	2–4주
4. 운영 가능한 시스템 만들기	평가·관측·서빙·비용·보안을 함께 설계한다	Evals·관측, 로컬 실행, 보안, 비용	지속

[입문]·[중급]·[심화]는 사전지식 기준, 시간은 첫 회독·1회 실습의 대략적 투자량입니다. 참고용 은 완주 개념이 없어 필요할 때 찾아보는 채널·레퍼런스 문서·라이브러리 문서입니다.

목차

• 학습 로드맵 · 발전사·기초 · 강의 · 에이전트·MCP
• 코딩 에이전트 · 프롬프트 · RAG · 정렬
• 핵심 논문 · 평가·관측 · 로컬 실행 · 보안 · 비용 · 멀티모달 · 한국어 자료 · 최신 따라가기

---

1. 🏗️ LLM 발전사 · 기초

트랜스포머 → GPT → instruction tuning → 현재까지, "안에서 무슨 일이 벌어지는가"를 그림과 애니메이션으로 이해하기.

• [입문 · 3시간] 3Blue1Brown — Neural Networks 시리즈 · 신경망·어텐션을 수식이 아닌 직관으로 이해시키는 최고의 시각화 강의
• [입문 · 30분] 3Blue1Brown — Transformers, the tech behind LLMs (Ch.5) · "LLM이 왜 트랜스포머인가"를 27분 애니메이션으로 완벽 설명
• [입문 · 1시간] Andrej Karpathy — Intro to Large Language Models · LLM 전체 그림을 비전문가도 이해하게 그려주는 입문 명강
• [중급 · 3.5시간] Andrej Karpathy — Deep Dive into LLMs like ChatGPT · 사전학습→SFT→RLHF 전 과정을 3시간 넘게 훑는 심화 강의
• [입문 · 40분] The Illustrated Transformer — Jay Alammar · 트랜스포머 구조를 그림으로 뜯어보는 국민 필독 블로그
• [입문 · 40분] The Illustrated GPT-2 — Jay Alammar · 디코더-온리 언어모델이 토큰을 생성하는 원리를 시각화
• [중급 · 2시간] Andrej Karpathy — Let's build the GPT Tokenizer · 토큰화(BPE)를 밑바닥부터 구현하며 "토큰이 뭔지"를 확실히 잡는 강의 — 12번 비용·토큰 경제학과 직결
• [입문 · 참고용] openai/tiktoken · GPT 계열 BPE 토크나이저 구현체 — 실제 토큰 수를 세어 보는 표준 라이브러리
• [중급 · 3시간] The Annotated Transformer — Harvard NLP · 원논문을 줄 단위 PyTorch 코드로 재현한 주석본 (코드 따라가야 함)
• [입문 · 20분] LLM Visualization — bbycroft.net · GPT 추론을 행렬 단위로 3D 애니메이션으로 걸어보는 인터랙티브 시각화
• [입문 · 15분] Generative AI exists because of the transformer — Financial Times · 스크롤형 인터랙티브로 배우는 생성형 AI의 작동 원리

2. 🎓 강의 (Courses)

밑바닥부터 직접 구현하며 배우는 정통 커리큘럼 위주.

• [중급 · 40시간+] Stanford CS224n — NLP with Deep Learning · NLP·언어모델의 정석 대학원 강의 (강의노트·슬라이드 공개)
• [중급 · 30시간] ↳ CS224n 강의 영상 (Spring 2024, YouTube) · Christopher Manning 교수의 전체 강의 23강을 공개한 Stanford Online 공식 재생목록
• [심화 · 60시간+] Stanford CS336 — Language Modeling from Scratch · 데이터·토크나이저부터 학습·평가까지 "LLM을 처음부터" 만드는 2025 신설 강의
• [심화 · 25시간] ↳ CS336 강의 영상 (Spring 2025, YouTube) · 위 강의의 전체 녹화본 17강 — 토크나이저·아키텍처·GPU·MoE까지 처음부터 쌓아 올리는 과정
• [중급 · 20시간] Karpathy — Neural Networks: Zero to Hero · micrograd→makemore→GPT까지 코드로 쌓아올리는 무료 강의 시리즈
• [중급 · 5시간] karpathy/nanoGPT · GPT를 ~300줄로 재현하는 가장 유명한 미니멀 학습용 구현체
• [중급 · 8시간] karpathy/makemore · bigram→트랜스포머까지 언어모델을 단계별로 만드는 실습 저장소
• [중급 · 15시간] Hugging Face — LLM Course · Transformers·토크나이저·파인튜닝을 실습으로 배우는 무료 공식 코스
• [입문 · 1~2시간/강] DeepLearning.AI — Short Courses · Andrew Ng 팀이 파트너사와 만든 1시간짜리 실전 LLM 단기 강좌 모음
• [입문 · 참고용] Andrej Karpathy — YouTube 채널 · 위 강의들의 원본 채널, LLM 학습 영상의 사실상 표준
• [중급 · 참고용] Practical Deep Learning — fast.ai · LLM을 직접 다루진 않는 일반 딥러닝 강의 — 기초가 부족할 때 보강용으로만

3. 🤖 에이전트 · 툴콜 · MCP

"모델이 스스로 도구를 쓰게" 만드는 패턴과, 그 표준이 된 MCP. MCP로 뛰기 전에 구조화 출력·함수 호출부터 계단을 밟으세요.

구조화 출력 · 함수 호출 (먼저)

• [입문 · 40분] OpenAI — Function calling · 모델이 정의된 함수를 호출하도록 만드는 기본 — 툴 사용의 출발점
• [입문 · 40분] OpenAI — Structured Outputs · JSON 스키마로 출력을 강제해 파싱 가능한 응답을 받는 법
• [입문 · 40분] Anthropic — Tool use with Claude · Claude에게 도구를 쥐여 주는 공식 가이드 (MCP의 밑바탕)

MCP · 에이전트 패턴

• [입문 · 30분] Model Context Protocol — 공식 소개 · LLM에 도구·데이터를 연결하는 개방형 표준 MCP의 출발점
• [심화 · 2시간] MCP Specification (2025-06-18) · 프로토콜 스펙 원문 — 서버/클라이언트를 직접 만들 때 필독
• [중급 · 참고용] modelcontextprotocol — GitHub 조직 · SDK·레퍼런스 서버·스키마 등 MCP 생태계 소스 저장소
• [입문 · 40분] Anthropic — Building Effective Agents · 워크플로우 vs 에이전트, 프롬프트 체이닝·라우팅·오케스트레이션 패턴 정리 (에이전트 설계 필독)
• [중급 · 1.5시간] Anthropic — Building agents with the Claude Agent SDK · 실제 프로덕션 에이전트를 SDK로 짜는 공식 가이드
• [중급 · 1시간] ReAct — 추론+행동 에이전트 패턴 (원문은 §8 논문) · 추론(Reason)과 행동(Act)을 번갈아 하는 에이전트 패턴의 원조 — arXiv 링크는 8번 랜드마크 논문에 둡니다
• [중급 · 1시간] Toolformer: LMs Can Teach Themselves to Use Tools (arXiv) · 모델이 스스로 API 호출을 학습하는 툴 사용의 대표 논문

4. 💻 코딩 에이전트

터미널에서 사는 코딩 에이전트들 — 여러 벤더의 공식 문서와 실전 베스트 프랙티스. (마블로처럼 이기종 CLI를 섞어 쓰는 흐름과 맞닿아 있습니다.)

• [입문 · 15분] Claude Code — Overview · Claude Code가 무엇이고 무엇을 할 수 있는지 공식 개요
• [입문 · 30분] Claude Code — Quickstart · 설치부터 첫 작업까지 10분 온보딩 가이드
• [입문 · 45분] Claude Code — Common Workflows · 코드베이스 탐색·리팩터·테스트 등 실무 워크플로우 모음
• [중급 · 1시간] Claude Code — Best Practices · CLAUDE.md·컨텍스트 관리 등 에이전틱 코딩을 잘 쓰는 노하우
• [입문 · 참고용] openai/codex · 터미널에서 도는 OpenAI의 경량 코딩 에이전트 (오픈소스)
• [입문 · 참고용] google-gemini/gemini-cli · Gemini를 터미널로 가져오는 오픈소스 AI 에이전트
• [입문 · 30분] Aider — AI Pair Programming · git 저장소에서 함께 코딩하는 터미널 페어프로그래밍 에이전트
• [중급 · 참고용] Cursor — Docs · AI 코드 에디터 Cursor의 Agent·Rules·MCP 공식 문서

5. ✍️ 프롬프트 · 컨텍스트 엔지니어링

잘 물어보는 법(Prompt)에서, 무엇을 컨텍스트 윈도우에 넣을지 설계하는 법(Context)으로.

• [입문 · 1시간] Anthropic — Prompt Engineering Overview · Claude 기준 프롬프트 기법 총정리 (공식)
• [입문 · 6시간] Anthropic — Interactive Prompt Engineering Tutorial · 9개 챕터 실습형 프롬프트 튜토리얼 (초급→고급)
• [입문 · 45분] OpenAI — Prompt Engineering Guide · GPT 계열 기준 프롬프트 작성 전략 공식 가이드
• [중급 · 1.5시간] Anthropic — Effective Context Engineering for AI Agents · 프롬프트 이후의 화두 "컨텍스트 엔지니어링"을 정의한 글
• [중급 · 참고용] Prompt Engineering Guide (DAIR.AI) · 기법·논문·예제를 총망라한 커뮤니티 표준 레퍼런스
• [중급 · 참고용] OpenAI Cookbook · 실전 예제 코드로 배우는 프롬프트·툴콜·임베딩 레시피

6. 📚 RAG (검색 증강 생성)

모델의 지식 한계를 외부 검색으로 메우는 파이프라인 설계. 첫 결정은 파이프라인이 아니라 "어떤 임베딩 모델을 쓰나"입니다.

임베딩 · 벡터 검색 기초 (먼저)

• [입문 · 참고용] MTEB Leaderboard · 임베딩 모델을 태스크별로 비교하는 표준 리더보드 — 모델 고를 때 첫 참조
• [중급 · 참고용] Sentence Transformers 문서 · 임베딩·시맨틱 검색을 코드로 다루는 사실상 표준 라이브러리
• [입문 · 40분] Hugging Face — Getting Started With Embeddings · 임베딩으로 시맨틱 검색을 만드는 최소 실습 튜토리얼

RAG 파이프라인

• [중급 · 1시간] RAG: Retrieval-Augmented Generation (원논문, arXiv) · RAG라는 개념을 처음 제시한 2020년 원조 논문
• [심화 · 4시간] Retrieval-Augmented Generation for LLMs: A Survey (arXiv) · Naive→Advanced→Modular RAG까지 전체 지형을 정리한 서베이
• [중급 · 40분] Anthropic — Contextual Retrieval · 청크에 문맥을 덧붙여 검색 정확도를 크게 올리는 실전 기법
• [중급 · 3시간] LangChain — Retrieval 문서 · RAG 파이프라인을 코드로 구성하는 공식 가이드
• [중급 · 참고용] LlamaIndex — 공식 문서 · 문서 인덱싱·쿼리에 특화된 RAG 프레임워크 레퍼런스
• [입문 · 1시간] Pinecone — Retrieval-Augmented Generation · 벡터DB 관점에서 RAG를 개념부터 실습까지 정리한 학습 글
• [입문 · 1.5시간] Hugging Face Cookbook — Simple RAG · 오픈모델(Zephyr)+LangChain으로 만드는 최소 RAG 예제

7. 🎯 파인튜닝 · RLHF · 정렬 (Alignment)

사전학습 모델을 "사람이 원하는 대로" 다듬는 방법 — SFT, RLHF, DPO, LoRA.

• [심화 · 2시간] InstructGPT: Training LMs to follow instructions (arXiv) · RLHF로 지시를 따르게 만든, ChatGPT의 직계 조상 논문
• [입문 · 40분] Illustrating RLHF — Hugging Face 블로그 · RLHF 3단계(SFT·보상모델·PPO)를 그림으로 설명한 입문 글
• [심화 · 2.5시간] Constitutional AI: Harmlessness from AI Feedback (arXiv) · 사람 대신 원칙(헌법)으로 정렬하는 Anthropic의 RLAIF 논문
• [심화 · 2시간] DPO: Direct Preference Optimization (arXiv) · 보상모델·RL 없이 선호 데이터로 바로 정렬하는 방법
• [중급 · 1.5시간] LoRA: Low-Rank Adaptation (arXiv) · 소수 파라미터만 학습해 저비용으로 파인튜닝하는 표준 기법
• [심화 · 2시간] QLoRA: Efficient Finetuning of Quantized LLMs (arXiv) · 4-bit 양자화로 단일 GPU에서 대형모델 파인튜닝을 가능케 한 논문
• [중급 · 참고용] Hugging Face PEFT 문서 · LoRA·QLoRA 등 파라미터 효율적 파인튜닝 공식 라이브러리
• [중급 · 참고용] Hugging Face TRL 문서 · SFT·DPO·PPO를 코드로 돌리는 RLHF/정렬 학습 라이브러리

8. 📄 핵심 논문 (Must-Read Papers)

LLM 시대를 만든 논문들. 모든 arXiv 링크는 abs 페이지를 직접 열어 논문 제목이 표기와 일치하는지 대조했습니다 (ID만 그럴듯하게 적힌 항목이 없도록).

랜드마크 (2017–2023)

• [심화 · 3시간] Attention Is All You Need (2017) · 트랜스포머를 세상에 내놓은 모든 것의 시작
• [심화 · 2시간] Scaling Laws for Neural Language Models (2020) · 모델·데이터·연산을 키우면 예측 가능하게 좋아진다는 스케일링 법칙
• [중급 · 2.5시간] GPT-3: Language Models are Few-Shot Learners (2020) · 거대 모델의 few-shot in-context learning을 입증한 논문
• [심화 · 1.5시간] Chinchilla: Training Compute-Optimal LLMs (2022) · 같은 연산이면 "더 많은 데이터"가 답이라는 컴퓨트-최적 학습
• [중급 · 1시간] Chain-of-Thought Prompting (2022) · "단계별로 생각하라"로 추론 성능을 끌어올린 프롬프트 기법 (논문 중 가장 쉬움)
• [심화 · 2시간] InstructGPT / RLHF (2022) · 인간 피드백 강화학습으로 정렬한 대화형 LLM의 원형
• [중급 · 1시간] Self-Instruct (2022) · 모델이 스스로 지시 데이터를 생성해 튜닝하는 방법
• [중급 · 3시간] Llama 2 (2023) · 오픈 웨이트 LLM 대중화를 이끈 Meta의 기술 보고서
• [중급 · 1시간] ReAct (2023) · 추론+행동 결합, LLM 에이전트의 개념적 토대
• [입문 · 1.5시간] GPT-4 Technical Report (2023) · 멀티모달·시험 성능 등 GPT-4의 능력과 한계 (기술 디테일 비공개라 읽기 쉬움)

2024–2026 프런티어 — MoE · 롱컨텍스트 · 추론 · SSM

지금 모델들이 왜 이렇게 생겼는지를 설명하는 네 갈래. 위 랜드마크를 읽은 뒤에 보세요.

MoE (Mixture of Experts) — 파라미터는 키우되 계산은 아끼기

• [심화 · 2시간] Mixtral of Experts (2024) · sparse MoE가 성능과 추론 비용을 어떻게 함께 다루는지 보여 주는 실전형 기술 보고서
• [심화 · 2.5시간] DeepSeek-V3 Technical Report (2024) · 671B MoE를 실제로 학습시킨 과정을 라우팅·로드밸런싱·학습 비용까지 공개한 보고서

롱컨텍스트 — 컨텍스트 윈도우는 어떻게 늘어났고, 늘어난 만큼 쓸 수 있나

• [심화 · 2시간] LongRoPE (2024) · 위치 임베딩 확장으로 롱컨텍스트를 만드는 대표 접근; 긴 문서·에이전트 설계 전에 읽기 좋음
• [심화 · 2시간] Gemini 1.5 (2024) · 100만 토큰 컨텍스트를 제품 규모로 끌어올린 기술 보고서
• [심화 · 1.5시간] RULER: What's the Real Context Size of Your Long-Context LMs? (2024) · "광고된 컨텍스트 길이 ≠ 실제로 쓸 수 있는 길이"를 벤치마크로 보여 주는 논문; 롱컨텍스트를 믿기 전에 읽기

Test-time compute · 추론 모델 — 학습이 아니라 추론에 연산을 더 쓰기

• [심화 · 2시간] Scaling LLM Test-Time Compute Optimally (2024) · 추론 시점에 연산을 더 쓰는 편이 파라미터를 키우는 것보다 유리해지는 조건을 정면으로 분석
• [심화 · 2시간] DeepSeek-R1 (2025) · open reasoning model의 학습·증류 설계를 공개해 추론 모델을 실험하려는 사람에게 유용

SSM — 어텐션 바깥의 계보

• [심화 · 2시간] Mamba: Linear-Time Sequence Modeling with Selective State Spaces (2023) · attention 밖의 SSM 계열이 왜 다시 주목받는지 이해하는 출발점
• [심화 · 2.5시간] Transformers are SSMs (Mamba-2, 2024) · 트랜스포머와 SSM이 같은 구조의 두 얼굴임을 보이고 Mamba-2를 제시

9. ✅ 평가 · Evals · 관측

만든 모델·프롬프트·에이전트가 정말 좋아졌는지 재현 가능하게 확인하고, 여러 개를 돌릴 때 어디서 터졌는지 보이게 만드는 방법.

평가 · Evals

• [중급 · 참고용] EleutherAI LM Evaluation Harness · 공개 모델 벤치마크를 같은 조건에서 재현하는 가장 널리 쓰이는 평가 도구
• [입문 · 참고용] promptfoo · 프롬프트·RAG·에이전트를 assertion과 red-team 케이스로 CI에서 검증하는 실무 도구
• [입문 · 20분] LMSYS Chatbot Arena · 사람 선호 기반 리더보드가 모델 선택에 무엇을 말하고 무엇을 말하지 않는지 배운다
• [중급 · 참고용] SWE-bench · 실제 GitHub 이슈 해결 능력으로 코딩 에이전트를 평가하는 대표 벤치마크

관측 · 트레이싱 (에이전트를 여러 개 운영하려면)

에이전트가 여러 개면 "어디서 왜 터졌는지"가 안 보이는 순간 운영이 무너집니다. 4단계 운영의 필수 축.

• [입문 · 참고용] Langfuse · LLM·에이전트 트레이싱/평가 오픈소스 — 호출·비용·지연·프롬프트를 추적
• [입문 · 참고용] LangSmith Observability · 체인·에이전트 실행을 추적·디버깅·평가하는 관측 플랫폼
• [중급 · 40분] OpenTelemetry for Generative AI · GenAI 시맨틱 컨벤션 — 벤더 중립 트레이싱 표준으로 관측을 통일

10. 🖥️ 로컬 실행 · 서빙 · 양자화

API 호출을 넘어 내 컴퓨터와 서버에서 모델을 돌리고, 속도·메모리·품질을 교환하는 법.

• [입문 · 30분] Ollama · 가장 짧은 경로로 로컬 모델을 내려받아 API로 실행하는 시작점
• [중급 · 참고용] vLLM · PagedAttention과 continuous batching을 포함한 고성능 LLM 서빙의 표준 레퍼런스
• [중급 · 참고용] llama.cpp · CPU·Apple Silicon에서도 GGUF 양자화 모델을 이해하고 실행하는 핵심 프로젝트
• [중급 · 45분] Hugging Face — Bitsandbytes quantization · 8-bit/4-bit 양자화의 트레이드오프를 코드로 확인한다

11. 🛡️ LLM 보안

도구를 쓰고 데이터를 읽는 모델에서는 프롬프트 인젝션을 포함한 보안 설계가 기능의 일부입니다.

• [입문 · 40분] OWASP Top 10 for LLM Applications · LLM 애플리케이션의 대표 위험과 완화책을 빠르게 훑는 기준선
• [중급 · 1시간] Anthropic — Mitigate jailbreaks and prompt injections · 공격을 막는 단일 프롬프트가 아니라 계층형 방어가 필요한 이유를 배운다
• [중급 · 참고용] promptfoo red teaming · 인젝션과 데이터 유출 시나리오를 자동 테스트로 옮기는 실습 경로

12. 💸 비용 · 토큰 경제학

좋은 제품은 품질뿐 아니라 토큰·지연 시간·캐시·모델 선택 비용을 함께 관리합니다. (1번 토크나이저를 먼저 보면 감이 옵니다.)

• [입문 · 30분] OpenAI — Prompt caching · 반복되는 긴 컨텍스트 비용을 줄이는 캐시 설계의 출발점
• [중급 · 40분] Anthropic — Token counting · 호출 전에 토큰을 측정해 예산·제한·UX를 통제하는 방법
• [중급 · 참고용] Google Cloud — AI/ML cost optimization · 모델·인프라·운영 비용을 KPI와 함께 관리하는 Well-Architected 프레임워크

13. 🖼️ 멀티모달

텍스트만 다루던 LLM이 이미지·음성·문서를 이해하고 생성하는 흐름. 로드맵 3단계 "제품으로 연결하기"의 확장 — 이미지 입력이 필요한 제품을 만들 때 봅니다.

• [입문 · 40분] OpenAI — Images and vision · 이미지 입력·생성 기능을 제품 흐름에 안전하게 붙이는 공식 가이드
• [입문 · 40분] Anthropic — Vision · Claude에 이미지 입력을 붙이는 공식 가이드
• [심화 · 1.5시간] CLIP: Learning Transferable Visual Models (2021, arXiv) · 이미지와 텍스트를 같은 공간에 정렬한, 멀티모달의 기초 논문
• [심화 · 1.5시간] ViT: An Image is Worth 16x16 Words (2020, arXiv) · 이미지를 패치 토큰으로 잘라 트랜스포머에 넣은 Vision Transformer
• [중급 · 1시간] LLaVA: Large Language and Vision Assistant (arXiv) · 비전 인코더와 언어 모델을 결합하는 멀티모달 assistant의 대표 논문
• [중급 · 1.5시간] Qwen2-VL (2024, arXiv) · 임의 해상도 입력을 처리하는 오픈 비전-언어 모델의 기술 보고서 (현행 오픈 SOTA 계보)
• [중급 · 참고용] Hugging Face — Multimodal task guides · 오픈 모델로 비전·문서 작업을 실험할 때의 실용적 출발점

14. 🇰🇷 한국어 자료

한국어로 깊게 파고들 수 있는, 지금도 살아있는 자료만.

• [입문 · 참고용] 테디노트 (teddylee777) 블로그 · LangChain·RAG·LLM 실전 예제가 가장 풍부한 한국어 기술 블로그
• [입문 · 참고용] 테디노트 TeddyNote — YouTube · LLM/LangChain을 한국어로 가장 꾸준히 다루는 채널
• [입문 · 10시간] teddylee777/langchain-kr · LangChain 공식 문서를 한국어로 재구성한 실습 튜토리얼 저장소
• [중급 · 15시간] ratsgo's NLPBOOK · 트랜스포머·BERT·GPT를 한국어로 깊이 있게 정리한 전자책
• [중급 · 참고용] 가짜연구소 (Pseudo-Lab) — GitHub · 국내 최대 오픈 AI 스터디 커뮤니티의 프로젝트·자료 모음
• [입문 · 20시간] 모두를 위한 머신러닝/딥러닝 — 김성훈 · 한국어 딥러닝 입문의 고전, 기초 개념 다지기용
• [중급 · 12시간] rickiepark/nlp-with-transformers · 『트랜스포머를 활용한 자연어 처리』 한국어판 예제 코드
• [중급 · 참고용] 혁펜하임 — AI & 딥러닝 강의 (YouTube) · 어텐션·트랜스포머 같은 딥러닝 이론을 수식까지 한국어로 차근차근 짚어 주는 강의 채널
• [심화 · 참고용] 서울대 DSBA 연구실 (YouTube) · LLM·딥러닝 최신 논문을 한국어로 발표·해설하는 대학원 세미나 채널 (논문 읽기 훈련용)
• [입문 · 참고용] 조코딩 JoCoding (YouTube) · 비개발자·입문자가 LLM API로 AI 앱을 직접 만들어 보는 실전 채널

🧭 시작하기 — 데이터가 답이다 (이 저장소 관리자)

이 저장소를 관리하는 데이터가 답이다(동원킴, @melocream) 의 한국어 시작 자료. Claude Code·마블로를 처음 켜는 분들께.

• [입문 · 참고용] 데이터가 답이다 — YouTube 채널 · 클로드코드·이기종 AI 에이전트·마블로를 한국어로 다루는 관리자 채널
• [입문 · 참고용] 클로드코드 완전 셋업 가이드 (영상) · Claude Code를 처음부터 셋팅하는 한국어 실전 가이드
• [입문 · 참고용] gstack — Claude Code 셋업 실전기 (영상) · Claude Code에 gstack 스킬 스택(브라우징·리뷰·배포 등)을 얹어 코드 한 줄 없이 사이트를 만드는 한국어 실전 영상
• [입문 · 참고용] 마블로 — 오케와 함께 병렬 개발 시작하기 (한국어 가이드) · 목표를 말하면 오케스트레이터가 티켓으로 분해하고, 여러 코딩 에이전트를 각자 워크트리에서 병렬로 스폰·추적·안전 머지하는 워크플로우를 처음부터 따라 하는 공식 시작 가이드 (제품: marblo.app)

15. 📡 최신 따라가기

큐레이션 레포는 낡습니다. 이 리스트도 6개월 뒤엔 낡아요 — 그래서 "무엇을 구독해 스스로 갱신할지"를 남깁니다.

• [입문 · 참고용] Latent Space · 엔지니어 관점에서 LLM 실무·제품 흐름을 다루는 뉴스레터·팟캐스트
• [입문 · 참고용] The Batch — DeepLearning.AI · Andrew Ng 팀이 매주 정리하는 AI 뉴스·해설 (균형 잡힌 개요)
• [입문 · 참고용] Import AI — Jack Clark · 정책·연구·프런티어를 짚는, 업계가 읽는 주간 뉴스레터
• [입문 · 참고용] Hugging Face — Daily Papers · 매일 화제 논문을 커뮤니티 투표로 추리는 페이지 (논문 트래킹의 시작점)

---

📁 향후 저장소 구조

현재는 README를 검증된 인덱스로 유지합니다. 노트·실습이 실제로 쌓일 때만 아래 구조를 만듭니다.

확장 예정 구조 보기

01-foundations/        # 개념 노트와 시각화
02-courses/            # 강의 수강 노트와 실습
03-agents-mcp/         # 툴콜·MCP 실험
06-rag/                # 검색 증강 생성 실습
08-papers/             # 논문 요약

---

🔗 잘못된 링크나 추가하면 좋을 자료가 있으면 이슈/PR 환영합니다. 기여 방법은 CONTRIBUTING.md, 이용 조건은 CC BY 4.0을 참고하세요. Maintained by 데이터가답이다(동원킴) · @melocream · Built with marblo.app