LLM 튜토리얼

Google Apps Script와 Gemini API를 사용해 이메일과 PDF에서 데이터 추출을 자동화하는 방법을 배워 보세요. 오늘 바로 Google 스프레드시트로 가는 서버리스 파이프라인을 구축하세요.

이 Claude Code 커넥터 튜토리얼을 통해 MCP로 GitHub를 설정하세요. 로컬 읽기 전용 파일로 20분 만에 오픈 소스 이슈 분류를 자동화하는 방법을 배웁니다.

llama.cpp로 GLM-5.2를 개인적으로 실행하고, 자체 API 키로 보호하며, Web UI와 cURL로 테스트한 뒤 OpenCode에 연결해 강력한 로컬 코딩 워크플로를 구축하세요.

사전 빌드된 llama.cpp 바이너리를 사용해 4개의 RTX PRO 6000 GPU에서 5분 만에 Kimi K2.7 Code를 로컬로 실행하고, OpenAI 호환 API를 통해 웹 UI와 Pi 코딩 에이전트를 활용해 보세요.

Claude Code 루틴이 일정 또는 GitHub 이벤트에 따라 클라우드에서 코딩 에이전트를 실행하여, 노트북을 닫아도 PR 리뷰와 감사가 완료되는 과정을 배워보세요.

GGUF는 모델 가중치, 토크나이저 데이터, 메타데이터를 단일 휴대용 파일로 패키징합니다. 올바른 양자화 수준을 고르는 법과 Ollama로 시작하는 방법을 알아보세요.

기준 설정과 비교해 DFlash 추측 디코딩과 Flash Attention을 사용하여 단일 RTX 4090에서 로컬 Gemma 4 31B 추론을 가속하는 방법을 알아보세요.

텐서 병렬 처리와 EAGLE 추론 가속을 갖춘 멀티 GPU Docker 환경을 구성해 OpenAI 호환 API로 Mistral Medium 3.5 128B를 서빙합니다.

RTX 3090에서 Qwen3.6 27B를 실행하고, llama.cpp의 멀티 토큰 예측(MTP)으로 GPU 업그레이드 없이 로컬 LLM 추론 속도를 거의 2배까지 끌어올려 보세요.

OpenAI의 gpt-realtime-2, gpt-realtime-translate, gpt-realtime-whisper의 차이를 이해하고, 작동하는 Python WebSocket 코드로 각각을 테스트해 보세요.

이 실습형 튜토리얼에서는 수정된 llama.cpp 빌드와 호환되는 GGUF 파일을 사용해 단일 GPU에서 전체 DeepSeek V4 Flash 모델을 실행하는 방법을 배웁니다.

Hugging Face에서 모델을 다운로드한 뒤 LoRA와 TRL을 사용해 RTX 3090 GPU로 심리학 Q&A 데이터셋에 NVIDIA Nemotron-3-Nano-4B를 미세 조정하는 방법을 배워보세요.