챕터별 상세
00:00
JAX의 핵심 기능과 구글의 활용 사례
JAX는 구글이 Gemini, VEO 등 최첨단 모델을 학습시키기 위해 사용하는 오픈소스 수치 계산 라이브러리이다. NumPy와 유사한 문법을 공유하면서도 자동 미분(Automatic Differentiation)과 JIT(Just-In-Time) 컴파일을 지원하여 실행 속도를 극대화한다. 수천 개의 CPU, GPU, TPU에 걸쳐 계산을 분산 처리할 수 있는 확장성이 가장 큰 특징이다.
JAX는 고성능 수치 계산을 위해 XLA(Accelerated Linear Algebra) 컴파일러를 사용한다.
00:51
MiniGPT 구축 및 학습 워크플로우
코스에서는 2000만 개의 파라미터를 가진 MiniGPT 스타일의 LLM을 처음부터 구현한다. Flax/NNX로 신경망 레이어를 정의하고, Grain을 사용하여 데이터를 로드하며, Optax로 최적화를 수행하는 전체 파이프라인을 다룬다. 학습된 모델은 Orbax를 통해 체크포인트로 저장되며, 최종적으로 그래픽 인터페이스를 통해 모델과 대화하는 단계까지 진행한다.
Flax는 JAX 위에서 동작하는 유연한 신경망 라이브러리이며, NNX는 그 최신 인터페이스이다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 04.수집 2026. 03. 04.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
