|
19 | 19 |
|
20 | 20 | ## 튜토리얼 목차 |
21 | 21 |
|
22 | | -| 기본 | 신경망 | 고급 | |
23 | | -|------|--------|------| |
24 | | -| 1. MLX 소개 | 6. 신경망 기초 | 11. LLM 텍스트 생성 | |
25 | | -| 2. 배열 기초 | 7. 활성화 & 손실 함수 | 12. VLM 이미지 분석 | |
26 | | -| 3. 배열 연산 | 8. 옵티마이저 | 13. LoRA 파인튜닝 | |
27 | | -| 4. 디바이스 관리 | 9. 모델 저장/로드 | 14. 이미지 생성 | |
28 | | -| 5. 자동 미분 | 10. MNIST 분류기 | 15. 생태계 | |
| 22 | +### 기본 (Chapter 1-5) |
| 23 | + |
| 24 | +| # | 제목 | 설명 | |
| 25 | +| --- | ------------- | ---------------------------------------------- | |
| 26 | +| 1 | MLX 소개 | MLX 프레임워크 개요, Apple Silicon 최적화 특징 | |
| 27 | +| 2 | 배열 기초 | MLXArray 생성, 인덱싱, 슬라이싱 | |
| 28 | +| 3 | 배열 연산 | 수학 연산, 브로드캐스팅, 행렬 연산 | |
| 29 | +| 4 | 디바이스 관리 | CPU/GPU 선택, 통합 메모리 활용 | |
| 30 | +| 5 | 자동 미분 | grad 함수로 그래디언트 계산 | |
| 31 | + |
| 32 | +### 신경망 (Chapter 6-10) |
| 33 | + |
| 34 | +| # | 제목 | 설명 | |
| 35 | +| --- | ------------------ | --------------------------------- | |
| 36 | +| 6 | 신경망 기초 | MLXNN 모듈, Linear/Conv 레이어 | |
| 37 | +| 7 | 활성화 & 손실 함수 | ReLU, Softmax, Cross-Entropy 구현 | |
| 38 | +| 8 | 옵티마이저 | SGD, Adam으로 모델 학습 | |
| 39 | +| 9 | 모델 저장/로드 | safetensors 형식 사용 | |
| 40 | +| 10 | MNIST 분류기 | 손글씨 숫자 인식 실습 | |
| 41 | + |
| 42 | +### 고급 (Chapter 11-15) |
| 43 | + |
| 44 | +| # | 제목 | 설명 | |
| 45 | +| --- | --------------- | -------------------------------------------- | |
| 46 | +| 11 | LLM 텍스트 생성 | Llama, Qwen 등 대형 언어 모델 실행 | |
| 47 | +| 12 | VLM 이미지 분석 | 이미지 업로드 후 AI 분석 (SmolVLM, Qwen2-VL) | |
| 48 | +| 13 | LoRA 파인튜닝 | 적은 파라미터로 모델 커스터마이징 | |
| 49 | +| 14 | 이미지 생성 | Stable Diffusion SDXL Turbo로 이미지 생성 | |
| 50 | +| 15 | 생태계 | mlx-community, Hugging Face 리소스 | |
29 | 51 |
|
30 | 52 | ## 개발 |
31 | 53 |
|
|
0 commit comments