init

Author: soohyunme

docs/docker_tutorial/README.md

@@ -0,0 +1,43 @@
+### 0. LLM Model Download
+
+### 1. Docker 개념 및 필요성 (15분)
+
+- 컨테이너와 이미지의 개념
+- Docker가 왜 필요한가 (부제 : 저는 잘 되는데요?) (환경 재현, 배포 편의성 등)
+
+### 2. Docker 기본 명령어 실습 (15분)
+
+- 간단한 커스텀 컨테이너 제공 (pytorch example)
+- `docke build & run` , `ps`, `exec`, `logs` 등
+- 컨테이너 상태 확인 및 진입 실습
+
+### 3. Docker compose (30분)
+
+- Docker Compose 개념 소개
+    - 복수 컨테이너를 하나의 구성 파일로 정의
+    - `docker run`을 반복하지 않아도 됨
+- `docker-compose.yaml` 구조 설명
+    - `services`, `volumes`, `ports`, `depends_on` 등 필수 필드
+- 간단한 예제 실습
+    - 예: nginx + html 서버, 또는 redis + flask 등
+- 명령어 실습
+    - `docker compose up`, `down`, `ps`, `logs`, `restart` 등
+- 정리: 단일 명령으로 여러 컨테이너 구성 및 실행
+
+### 4. Ollama 실행 (Docker 사용) (20분)
+
+- `docker run`으로 Ollama 실행
+- 로컬 LLM API 호출
+
+### 5. Web UI 실행 (15분)
+
+- Open WebUI 컨테이너 실행
+- 브라우저에서 로컬 ChatGPT 환경 접속
+
+### 6. Docker Compose로 통합 구성 (30분)
+
+- `docker-compose.yaml` 작성
+- Ollama + WebUI를 함께 실행
+- 구성 이해 및 명령어 정리
+
+### 7. Q&A

docs/docker_tutorial/pytorch_example.md

@@ -0,0 +1,55 @@
+# Pytorch example
+
+## pytorch 예시 코드 실행시켜보기
+아래 예제 코드를 현재 환경에서 실행시켜봅시다.
+
+```python
+# -*- coding: utf-8 -*-
+import numpy as np
+import math
+
+# 무작위로 입력과 출력 데이터를 생성합니다
+x = np.linspace(-math.pi, math.pi, 2000)
+y = np.sin(x)
+
+# 무작위로 가중치를 초기화합니다
+a = np.random.randn()
+b = np.random.randn()
+c = np.random.randn()
+d = np.random.randn()
+
+learning_rate = 1e-6
+for t in range(2000):
+    # 순전파 단계: 예측값 y를 계산합니다
+    # y = a + b x + c x^2 + d x^3
+    y_pred = a + b * x + c * x ** 2 + d * x ** 3
+
+    # 손실(loss)을 계산하고 출력합니다
+    loss = np.square(y_pred - y).sum()
+    if t % 100 == 99:
+        print(t, loss)
+
+    # 손실에 따른 a, b, c, d의 변화도(gradient)를 계산하고 역전파합니다.
+    grad_y_pred = 2.0 * (y_pred - y)
+    grad_a = grad_y_pred.sum()
+    grad_b = (grad_y_pred * x).sum()
+    grad_c = (grad_y_pred * x ** 2).sum()
+    grad_d = (grad_y_pred * x ** 3).sum()
+
+    # 가중치를 갱신합니다.
+    a -= learning_rate * grad_a
+    b -= learning_rate * grad_b
+    c -= learning_rate * grad_c
+    d -= learning_rate * grad_d
+
+print(f'Result: y = {a} + {b} x + {c} x^2 + {d} x^3')
+```
+
+## 예상되는 결과
+
+
+이렇듯 
+
+
+### Ref.
+PyTorch Tutorials “PyTorch with Examples”, https://tutorials.pytorch.kr/beginner/pytorch_with_examples.html

docs/docker_tutorial/what_is_docker.md

@@ -0,0 +1,14 @@
+## Docker란?
+
+Docker는 애플리케이션 개발, 배포 및 실행을 위한 개방형 플랫폼입니다. Docker를 사용하면 애플리케이션과 인프라를 분리하여 소프트웨어를 신속하게 배포할 수 있습니다. Docker를 사용하면 애플리케이션을 관리하는 것과 같은 방식으로 인프라를 관리할 수 있습니다. Docker의 코드 배포, 테스트 및 배포 방법론을 활용하면 코드 작성과 프로덕션 실행 간의 지연 시간을 크게 줄일 수 있습니다.
+
+
+## Docker 플랫폼  
+Docker는 **컨테이너**라고 불리는 느슨하게 격리된 환경에서 애플리케이션을 패키징하고 실행할 수 있는 기능을 제공합니다. 이러한 격리와 보안 덕분에 하나의 호스트에서 여러 컨테이너를 동시에 실행할 수 있습니다. 컨테이너는 경량이며 실행에 필요한 모든 것을 포함하므로 호스트에 무엇이 설치되어 있든 관계없이 동일하게 동작합니다. 컨테이너를 동료와 쉽게 공유할 수 있고, 공유받은 사람도 동일하게 동작하는 컨테이너를 보장받습니다.  
+
+Docker는 컨테이너의 라이프사이클을 관리하기 위한 도구와 플랫폼을 제공합니다:  
+1. 컨테이너를 이용해 애플리케이션과 필요한 구성 요소를 개발합니다.  
+2. 컨테이너를 하나의 단위(unit)로 삼아 애플리케이션을 배포·테스트합니다.  
+3. 준비가 되면, 컨테이너 또는 오케스트레이션된 서비스 형태로 프로덕션 환경에 배포합니다.  
+   - 로컬 데이터센터, 퍼블릭 클라우드, 혹은 하이브리드 환경 어디에서나 동일하게 동작합니다.  
+