C.W.K. Quests

신경망이 움직이는 원리를 수학의 눈으로 읽기

증명의 늪은 건너뛰고 AI에 꼭 필요한 수학 감각을 단련해. 공식보다 개념이 먼저야.

AI를 바꾼 아키텍처를 제대로 이해하기

Transformer 실무자 투어 — 토큰, embedding, attention, block, 학습, 모델 계열, 그리고 2026년에 그걸 서빙하는 데 드는 실제 숫자들까지.

잘 쓰던 능력 안 깨고 모델 커스터마이징하기

근거 있는 현대 파인튜닝 커리큘럼 — 언제 학습 돌리고 (그리고 안 돌리고), 검토 통과하는 데이터 준비, OpenAI managed 파인튜닝, LoRA/QLoRA와 PEFT 가족, TRL v1.0 기반 Hugging Face 스택, 학습 최적화, alignment(DPO/ORPO/SimPO), 실전 프로젝트, Ollama부터 vLLM까지의 실서비스 배포.

AI 시스템에서 정말 중요한 것을 측정하기

프롬프트, 모델, RAG, 도구, 에이전트, 안전성, 운영 환경까지 AI 작업 과정 전반을 평가하는 법을 배워. 감에 의존한 점검에서 벗어나 출시 판단을 뒷받침할 측정 원칙을 세우는 과정이야.

키워드 검색부터 임베딩, 믿고 운영할 수 있는 메모리 시스템까지

실전에 버티는 의미 검색을 만들어봐. 청킹과 ChromaDB, pgvector, 하이브리드 검색, RAG, 운영, AI 메모리까지 한 바퀴 돌아.

오픈 모델 생태계, 처음부터 끝까지

Hub 저장소와 모델 카드부터 Transformers, Datasets, InferenceClient, TGI, vLLM, Trainer·PEFT, Spaces, Accelerate, Optimum, TRL, GGUF, ONNX, MLX까지 이어지는 오픈웨이트 운영 기반을 한 번에 다져.

내 머신에서 모델 돌리고 운영하기

실용적인 local AI 리터러시를 바닥부터 쌓아. Ollama, GGUF / MLX, API 표면, NDJSON streaming, tool 사용, vision, 대체 server, adapter 패턴, production fallback 아키텍처까지.

Apple Silicon에 맞춘 머신러닝 프레임워크 — 2026년의 눈으로, 코드는 돌려 보고 날짜를 남겼어

MLX는 Apple 머신러닝 연구팀이 Apple Silicon을 위해 처음부터 설계한 프레임워크야. 다른 업계가 여러 계층을 덧대는 동안, MLX는 칩의 구조를 출발점으로 삼았어. 이 퀘스트는 2024년 온라인 MLX 책을 mlx 0.32.x에 맞춰 손으로 다시 썼어. 8개 트랙 51개 레슨의 코드를 실제로 돌려서 확인했고(가장 최근은 2026-09-15), 그래서 LLM이 MLX에 관해 내놓기 쉬운 그럴듯한 환각을 걷어냈어. 다만 이 검증은 날짜가 찍힌 기록이지 실시간이 아니야. MLX는 이 퀘스트가 따라갈 수 있는 것보다 빨리 변하니까, 버전 표기를 내 설치본과 직접 맞춰 봐.

`torch.tensor([42])`에서 배포 가능한 모델까지, PyTorch를 프레임워크답게 배워.

텐서와 autograd, nn.Module, 학습 반복문에서 출발해 torch.compile·FSDP·AMP 같은 현대적 도구와 torch.export·ONNX·ExecuTorch·Core ML 배포 경로까지 이어지는 PyTorch 퀘스트야. Apple Silicon도 곁가지로 넘기지 않고, 별도 수업에서 MLX와 제대로 비교해.

확산 모델의 직관부터 실제 제작 과정까지 — 픽셀과 시간을 생성하는 원리

이미지와 영상을 만드는 AI를 마법이 아니라 학습된 분포에서 답을 뽑는 시스템으로 이해하는 퀘스트야. 확산 모델의 수학적 직관, 프롬프트의 실제 역할, 되풀이되는 실패 원인, 참조 이미지·인페인팅·ControlNet을 활용한 제어, 영상의 시간적 일관성, 멀티모달 오디오, 모델 계열 비교, 실전 제작 과정, 그리고 도구가 바뀌어도 쓸 수 있는 평가 기준까지 차근차근 익혀.

CUDA & Metal 입문서 — GPU 코드를 산문처럼 읽기

GPU 코드를 산문처럼 읽어. CUDA는 NVIDIA, Metal은 애플 — 같은 군단, 다른 군복. 여덟 트랙이 첫 nvcc --version부터 vendor BLAS가 손코딩 GEMM을 10배로 이기는 이유를 프로파일러로 보는 데까지 끌고 가.

텐서, 기울기, 학습 루프, 아키텍처 — 유행보다 먼저 잡아야 할 계약

프레임워크가 바뀌어도 살아남는 딥러닝 사고방식을 세우는 퀘스트야. 신경망이 실제로 무엇인지, 어떻게 배우는지, 학습을 안정시키는 장치는 무엇인지, 문제마다 어떤 아키텍처를 골라야 하는지 다뤄. 8개 트랙과 73개 레슨, 실제 PyTorch 코드, 그리고 노트북 실험을 배포 가능한 시스템으로 바꾸는 운영 습관까지 담았어.

모델이 배우는 원리부터 운영 책임까지

고전 기계학습의 실용적인 뼈대: 목표값, 자료 분할, 파이프라인, 평가 지표, 모델 선택, 해석, 배포.

Transformer 대안을 고르는 현장 안내서 — Mamba, RWKV, RetNet, Hyena, 하이브리드

Transformer는 2017년부터 2025년까지 한 시대를 휩쓸었어. 하지만 2026년의 최전선은 한 가지 구조로 정리되지 않아. SSM 블록과 순환 게이트, 암시적 합성곱, 어텐션을 조금 섞은 하이브리드 스택이 나란히 경쟁하고 있지. 이 퀘스트에서는 각 갈래의 장단점과 실제 제품 배포 사례를 솔직하게 살펴보고, 작업 특성에 맞는 아키텍처를 고르는 실전 기준을 세워. 벤치마크 순위만 좇지 않고 무엇을 왜 써야 하는지 근거를 들어 설명하는 게 목표야.

포스트 트랜스포머 시대의 아키텍처 문해력

2026년에 “이 모델은 트랜스포머야”라고 말해 봐야 거의 아무 정보도 얻지 못해. 현대 LLM은 백본, 후속 학습, 추론 전략, 제품 동작이라는 네 축에서 갈라져. 이 축을 구분할 줄 알아야 발표문을 읽지, 발표문에 끌려가지 않아. 이 퀘스트는 그때 꺼내 보는 현장 안내서야.

Tensor부터 TPU Pod까지 — production이 살아있는 ML 스택

TF 2.21을 피파처럼 배우는 quest. eager가 default고, Keras 3가 밑단인 지금 모습 그대로 — 그리고 2026년에도 TF를 production에 살려두는 deployment story까지.

사람이 이해하기 좋은 방식으로 딥러닝 모델 만들기

Keras 3는 개발자가 편해야 연구도 빨라진다는 믿음으로 세 번의 실행 엔진 전쟁을 살아남은 프레임워크야. TensorFlow, PyTorch, JAX를 한 API로 다루고 필요한 도구도 두루 갖췄어. 2026년에도 가장 널리 쓰이는 딥러닝 프레임워크 가운데 하나지. 이 퀘스트는 첫 Sequential 모델부터 LoRA로 Gemma를 미세 조정하는 데까지 14개 트랙, 97개 레슨으로 안내해.

첫 jit부터 미분 가능한 물리 시뮬레이션까지

가속기에서 실행되는 수치 코드를 함수 변환으로 다루는 법을 배운다. 14개 트랙, 73개 레슨, 약 28시간에 걸쳐 "jax.numpy는 그냥 NumPy일까?"라는 질문에서 출발해 미분 가능한 시뮬레이터와 사용자 정의 XLA 커널까지 나아간다.

Anthropic Client SDK · Claude Agent SDK · cwkPippa급 운영 아키텍처

현재 공식 문서를 기준으로 Claude SDK를 직접 익히는 종합 퀘스트야. Messages API와 Python·TypeScript SDK, 스트리밍, 도구 사용과 Tool Runner, 프롬프트 캐싱, Files와 Batch, 이름이 바뀐 Claude Agent SDK, MCP, 훅, 권한, cwkPippa의 운영 패턴까지 한 흐름으로 배워.

OpenAI API 를 제품에 제대로 연결해보자 — Responses, 도구, 스트리밍, raw HTTP, production agents

OpenAI API 를 감싸서 숨기기 전에, 요청과 응답이 오가는 모습을 그대로 익혀봐. Chat Completions 와 Responses 부터 스트리밍, function calling, vision, raw httpx, production agent 설계까지 다룬다.

현재 Google GenAI 기술로 실전용 Gemini 어댑터 만들기

Gemini를 밑바닥부터 끝까지 익혀 봐. 모델 계열과 가격, Python·TypeScript SDK, 스트리밍, 함수 호출, 멀티모달, OAuth와 원시 HTTP, 운영 어댑터 패턴까지 이어져. 현재 google-genai 기술과 cwkPippa에서 피파가 실제로 쓰는 패턴을 바탕으로 만들었어.

Agent 와 모델과 도구가 진짜로 말이 통하게 해주는 contract

재미있는 AI 는 전부 지루한 contract 위에 서 있어. Protocol Quest 는 그 밑바닥부터 올라가. 모델은 왜 혼자서는 세상에 손을 못 뻗는지, tool calling 이 그 벽을 어떻게 뚫었는지, product 마다 따로 놓던 다리를 MCP 가 어떻게 하나로 모았는지, 그리고 잘난 척 없이 제대로 도는 server 를 어떻게 내보내는지까지.

말만 하는 AI에서 행동하는 AI로

agent loop, tool use, memory, planning, multi-agent orchestration, framework 선택, production 운영까지 한 번에 잡는 AI SDKs & Agents 루트 퀘스트.

2026년, AI와 제대로 일하는 기술과 과학

프롬프트는 확률적으로 움직이는 시스템과 맺는 제품 계약서야. 그 계약을 쓰고, 시험하고, 실제로 운영하는 법을 익혀보자.

생성형 미디어 모델 7개를 위한 레퍼런스 가이드 라이브러리

이미지, 영상, 음성 모델별 prompting guide를 한곳에 묶은 reference academy. Course가 아니라 필요할 때 펼쳐보는 작업대야.

뭘 남기고, 뭘 흘려보내고, 뭘 다시 불러올지 정하는 기술

긴 AI 작업을 끝까지 끌고 가는 실전 퀘스트. token 예산 짜기, attention drift, prompt 설계, 사람이 잡아주는 방향, compaction, handoff board, RAG, prompt caching, 모형한테 직접 캐묻는 디버깅, context 위생까지.

길 찾기부터 자동화까지, 명령줄을 예측 가능하게 다루는 법

터미널은 시스템을 통제하는 마법 상자가 아니라 입력, 출력, 권한, 프로세스가 만나는 경계야. 그 경계를 읽고 안전하게 조합하는 힘을 익혀.

Claude Code부터 Codex와 Gemini까지, AI CLI를 실제 업무에 활용하는 법을 익히는 실전 안내서

2026년의 AI CLI를 한눈에 꿰는 실전 안내서야. Claude Code, Cowork, Dispatch, Remote, Skills, OpenAI Codex CLI, Google Gemini CLI를 직접 다루는 8개 핵심 트랙을 거쳐, MCP, 프로젝트 지침 파일, sandbox, Skill처럼 도구가 달라도 그대로 통하는 공통 원리까지 익혀.

어디서든 살아있는 키보드 IDE

Vim, Neovim, tmux를 손에 박아넣자. 어떤 서버에 SSH로 들어가도 터미널 하나만 있으면 풀 개발 환경이 따라온다 — 1990년대에 만들어진 이 조합이 30년 후에도 여전히 정답인 이유.

패턴 매칭 짐승 길들이기

정규식은 어디서나 통하는 텍스트 패턴 언어야. 8개 트랙과 90개 레슨에서 첫 리터럴 문자부터 ReDoS 방어까지 익혀. 마치고 나면 실서비스에 넣을 만한 패턴을 작성하고, 압박 속에서도 디버깅하며, 정규식 대신 진짜 파서를 꺼낼 때를 정확히 판단할 수 있어.

Command-Line Video Wizardry — 첫 ffmpeg 부터 full production pipeline 까지

FFmpeg 이 universal media toolkit — YouTube 업로드, podcast pipeline, 화면 녹화, video 변환 모든 거 뒤의 command-line 척추야. 이 quest 가 'ffmpeg 한 번도 안 쳐봤어' 부터 'scale, overlay, color-grade, stream 한 shot 에 하는 filtergraph 작성해' 까지 — 8 트랙, 73 lesson, runnable production-quality recipe 로 데려가.

첫 commit부터 이력 복구와 재구성까지

Git을 단순한 백업기가 아니라 프로젝트의 시간, 협업 약속, 복구 장치로 익혀.

Container, image, Compose — production runtime 감각까지

Docker를 kernel primitive 부터 production deploy 까지 마스터하자. image vs container, 캐시 잘 타는 Dockerfile, volume 으로 state 살리기, 멀티 서비스 Compose, container 디버깅, Docker 너머의 ecosystem 까지.

GitHub Actions로 전부 자동화하기

코드를 커밋해 사용자에게 전달하기까지, 모든 관문과 테스트와 배포를 GitHub Actions 워크플로로 자동화해. 이 퀘스트는 2026년 실제 엔지니어링 팀이 제품을 내보내는 방식 그대로 파이프라인을 설계하고 운영하는 법을 가르쳐.

SSH, 네트워킹, multi-machine fleet ops 마스터

IP 주소부터 hardened mesh-VPN 의 9 머신 fleet 까지 — 오퍼레이터의 path.

혼자 쓰는 앱이라도 보안은 챙겨야지 — 두 명이 되기 전에

솔로 개발자를 위한 실전 보안 퀘스트야. 현실적인 위협 모델, 0.0.0.0 바인딩 결정, Tailscale 의 진짜 한계, 100 줄짜리 PIN 레이어, 잃어버린 디바이스 킬스위치, 보안 상태를 한눈에 보는 admin 대시보드, 그리고 에디터 안의 LLM 이 조용히 시크릿을 흘리는 패턴까지 — gotcha 위주로 다뤄.

첫 출력에서 cwkPippa 소스 읽기까지

Python을 처음 만나는 한 줄에서 출발해 cwkPippa 소스의 익숙한 패턴을 찾아내는 데까지 걸어. 17개 트랙, 93개 수업, 약 26시간으로 문법·자료구조·객체·I/O·타입·동시성·도구를 한 길로 이어.

프론트엔드 공용어 — Python Quest의 거울짝

17개 트랙, 약 93개 레슨, 약 28시간. 가족 공용어 두 축 가운데 프론트엔드를 맡아. ‘타입이 뭐야?’에서 출발해 cwkPippa 프론트엔드를 읽는 데까지 간다. Python Quest와 뼈대가 같아서 한쪽의 학습 리듬을 다른 쪽에도 그대로 가져갈 수 있어.

`npm install` 한 줄 밑에 깔리는 우주

`npm install` 밑에 진짜 뭐가 돌아가는지 — V8, libuv, npm 내부, 그리고 공식 문서가 잘 안 알려주는 modern Node 기능들까지 다 까봐.

컴파일러를 심판이 아니라 멘토로 만들어주는 언어

Rust 가 진짜로 click 하는 방식으로 배워 — 소유권 먼저, 두려움은 나중에. GC 없는 메모리 안전, 악몽 없는 동시성. 의식(ceremony) 보다 개념, 늘.

아는 것을 담는 모양, 그 위에서 한 번 움직일 때 치르는 값

자료구조와 알고리즘을 제대로 가르쳐. 면접 통과용 고문이 아니라 어떤 시스템이든 꿰뚫어 보는 렌즈로. 코드보다 개념과 비용이 늘 먼저야.

눈에 보이는 웹 플랫폼 — semantic markup, cascade, 모던 layout, 그리고 인터넷에 굴러다니는 튜토리얼 대부분을 박물관으로 보낸 2026 CSS 기능들

2026 년 기준으로 HTML 과 CSS 가 실제로 어떻게 굴러가는지 배워. Semantic 우선, 접근성 우선, 모던 우선. 옛 패턴을 best practice 인 척 다시 포장하는 짓은 안 해.

메타 프레임워크 없이 익히는 모던 클라이언트 React — TypeScript, Vite, Tailwind v4

메타 프레임워크 없이 React 19 앱을 처음부터 조립해. Vite SPA, strict TypeScript, Tailwind v4, Actions와 concurrent 기능을 실제 CWK 사례까지 이어서 익히는 퀘스트야.

App Router부터 서버 컴포넌트, 캐시, 액션, 프로덕션까지

App Router를 중심으로 Next.js 16의 라우팅, 서버·클라이언트 경계, 캐시, 서버 액션, Proxy, UI 최적화, 배포를 익혀.

웹으로 만든 걸 진짜 네이티브 앱으로 내보내 — Rust 코어에 시스템 웹뷰, 크기는 기가가 아니라 메가

이미 할 줄 아는 웹 프론트엔드에 Rust 코어를 붙이면 작고 빠르고 안전한 데스크톱·모바일 앱이 나와. 개념은 전부 실제로 출시한 앱에 대고 설명해.

Vitest 는 빠른 inner loop. Playwright 는 느리지만 정직한 outer loop.

테스트는 ship 직전에 찍는 체크박스가 아냐. 코드를 의심하지 않고 믿게 되는 순간이지.

Markdown · JSON · YAML · TOML — 매일 손에 닿는 네 가지 텍스트

현대 개발이 조용히 굴러가는 네 가지 데이터·문서 포맷. README, API 응답, CI 설정, 프로젝트 매니페스트 — Stack Overflow 복붙 그만하고, 의도를 가지고 직접 쓰기 시작하자.

CREATE TABLE부터 운영 PostgreSQL까지

스키마와 쿼리부터 인덱스, 트랜잭션, JSONB, pgvector, 운영 판단까지. 실제 시스템에서 PostgreSQL을 제대로 쓰는 법을 배운다.

파일 한 개짜리 DB에서 production 데이터 레이어까지

SQLite를 장난감이 아니라 제대로 된 embedded DB로 배우는 quest야. schema와 SQL부터 시작해서 WAL, 인덱스, Python 연동, aiosqlite로 굴리는 async 앱, full-text search, JSON, 백업, 그리고 production에서 감수해야 할 트레이드오프까지 가.

웹과 API의 밑바닥에서 실제로 오가는 말을 읽는 힘

감으로 HTTP와 REST를 쓰는 데서 벗어나자. 메서드, 상태 코드, 헤더, 캐시, CORS, 인증을 제대로 이해하면 버그는 더 이상 수수께끼가 아니라 진단할 수 있는 현상이 돼.

요청하고 답받는 답답한 구조를 벗어나, 진짜 실시간 양방향 통신까지

현장에서 쓰는 WebSocket 을 제대로 배워. 프로토콜과 브라우저 API, FastAPI 서버, 연결 관리, 메시지 규약, Socket.IO, 실전 앱, 확장까지 이어져. SSE 와 polling, 관리형 서비스도 같은 지도 위에서 솔직하게 비교해.

지저분한 파일에서 믿을 수 있는 파이프라인까지

Python, Pandas, NumPy, Parquet, DuckDB, Polars, Airflow, dbt, Apache Arrow까지 — 새벽 2시에 5천만 행짜리 CSV 청소하기 전에 누가 알려줬으면 좋았을 모든 거. 실전 데이터 엔지니어링.

Mac에서 쓰는 패키지 관리자 — 어디에 무엇을 깔고, 왜 도구가 갈라졌는지

Homebrew부터 pixi까지 패키지 관리자 11개를 한 대의 Mac 위에 펼쳐놓고 비교해. 무엇을 골라야 하는지, 각 도구는 왜 생겼는지, 평소 어떤 명령을 쓰는지까지 한 번에 잡는 Quest야.

어떤 투자 철학을 갖든 알아야 할 금융 산수 — 시리즈 1편

<code>a-b=c</code> 앞에서 멈추는 95%를 위한 금융 산수. 식을 외우지 않고 분자와 분모가 벌이는 일을 눈으로 익혀.

학교 시험에서 과학이 끝났다고 생각한 95%를 위한, 세상을 보는 여덟 가지 관점

정의와 공식을 외웠는데도 우주는 멀게만 느껴졌다면 여기서 다시 시작해. 자연은 연속적이고 우리는 그 일부를 골라 이해해. 그 틈에서 창발을 발견하는 기초과학 퀘스트야.

교과서 다 끝난 뒤에 진짜로 남는 정규분포 트릭

시험 문제를 푸는 통계가 아니라, 일상에서 숫자에 속지 않기 위한 통계야. 정규분포가 언제 좋은 근사이고 언제 위험한 가정인지, 표집·검정·베이즈 추론이 각각 무엇을 말하는지, 데이터가 만들어진 과정을 어떻게 읽는지 배워.

역사는 암기과목이 아니야. 인생 통계야.

역사를 패턴 인식자의 눈으로 읽어봐. 이야기를 따라가며 인스턴스를 모으다 보면 어느 순간 그 밑의 거푸집이 보여. 거푸집끼리 이어지면 더 큰 상위 클래스가 되고, 그 분포 안에는 네 삶도 들어가. 학교는 처음부터 역사의 부모 클래스를 잘못 가르친 거야.

OSS env drift, ghost vars, 오늘의 진실

릴리스 사이에 drift 하는 OSS 도구 환경 변수들의 레퍼런스 라이브러리야. 코스 경로가 아니라 — '왜 이게 안 되지?'가 나타날 때 돌아오는 검증 데스크.