TL;DR

  • Machine Learning Systems는 단일 머신부터 대규모 인프라까지 머신러닝 시스템의 구축·최적화·배포를 다루는 2권 교재임.
  • 교재는 하버드 대학교와 MIT Press가 제공하며, 2026년판으로 표기되고 지속적으로 관리됨.
  • 교육 과정은 실습 랩, TinyTorch, MLSys·im, 하드웨어 키트, StaffML, 강의 자료와 강사용 자료로 구성됨.
  • 교육 자료와 학습 과정은 모든 사람이 무료로 이용할 수 있도록 공개하는 것을 사명으로 삼음.
  • 월평균 독자는 32,393명, 이용 국가는 210개국 및 지역이며, 2030년까지 AI 엔지니어 100만 명 양성을 목표로 함.

Machine Learning Systems

  • 부제는 AI 엔지니어링의 물리학임.
  • 머신러닝 시스템의 구축·최적화·배포를 원리 중심으로 엄밀하게 다루며, 범위는 단일 머신부터 대규모 인프라까지임.
  • 하버드 대학교와 MIT Press가 제공하는 2권 교재이며, 2026년판으로 표기됨.
  • 교재는 지속적으로 관리되며, 마지막 업데이트는 2026년 9월로 표기됨. 릴리스 노트도 제공됨.

교육 과정

  • 1권: 머신러닝 시스템 입문
  • 다운로드 형식: HTML, PDF, EPUB
  • 2권: 대규모 머신러닝 시스템
  • 다운로드 형식: HTML, PDF, EPUB
  • AI 엔지니어링 교육 과정은 교재 학습, 실습 랩에서의 절충점 탐색, TinyTorch로 내부 구현 구축, MLSys·im으로 제약 조건 모델링, 실제 하드웨어 배포, StaffML로 연습, Blueprint를 활용한 전체 과정 도입으로 구성됨.

학생 및 학습자용 자료

  • 실습 랩: 대화형 Marimo 노트북에서 매개변수를 바꾸고 결과를 확인하며 직관을 쌓는 구성임.
  • TinyTorch: 20개의 단계별 모듈을 통해 처음부터 자체 머신러닝 프레임워크를 구축하는 구성으로, 숨겨진 마법 없이 진행됨.
  • MLSys·im: 원리 기반 성능 모델링 도구로, 한 번의 명령으로 모든 병목을 살펴보는 구성임.
  • 하드웨어 키트: Arduino, Seeed, Grove, Raspberry Pi에 머신러닝을 배포하며, 실제 메모리 한도와 전력 예산을 다룸.

커리어 및 강사용 자료

  • StaffML: 머신러닝 시스템 직무를 위한 물리학 기반 면접 질문과 문제 풀이 자료, 모의 면접을 제공함.
  • 강사용 허브: AI Engineering Blueprint를 통해 2학기 강의 계획서, 교수법 안내서, 평가 기준표, 조교 핸드북을 제공함.
  • 강의 슬라이드: 발표자 노트와 자체 제작 SVG 다이어그램 281개가 포함된 Beamer 자료 35개로 구성됨.
  • 뉴스레터: 교육 과정 업데이트, 새 장, 커뮤니티의 제작물을 다룸.

사명과 독자층

  • 사명은 AI 교육을 누구나 무료로 이용할 수 있도록 공개하는 것임.
  • AI를 새로운 전기에 비유하더라도 전력망을 구축할 엔지니어가 없으면 전기는 쓸모가 없다는 관점에서, 효율적이고 신뢰할 수 있으며 안전한 AI를 구축할 엔지니어의 필요성을 강조함.
  • 이러한 지식은 배우려는 의지가 있는 누구나 이용할 수 있어야 한다는 약속을 교육 과정에 담음.
  • 210개국 및 지역에서 월평균 32,393명이 읽으며, 상위 독자 국가는 미국, 인도, 싱가포르, 중국, 베트남임.
  • 독자 수는 367,520명으로 표기되며, 2030년까지 AI 엔지니어 100만 명 양성이 목표임.