강의

N
챌린지

멘토링

N
클립

커뮤니티

AI Technology

/

Deep Learning & Machine Learning

LLM Finetuning : RunPod and Multi-GPU Practice

Packed with LLM Fine-Tuning Know-how, learned from Silicon Valley LLM Project Practitioners.

(4.8) 6 reviews

37 learners

  • danielyouk
multi-gpu
환경구축
ai개발
LLM
RunPod
openAI API
GPU
Parallel Processing

What you will gain after the course

  • LLM Fine Tuning

  • Multi GPUs

  • OpenAI API

  • Ollama

  • Hugging Face

The Core of AI Customization
Fine Tuning & Multi-GPU

No more same old AI!
Sharing practical AI customization know-how from a Silicon Valley LLM project lead .

✅ API, fine tuning, and multi-GPU all at once

This course covers the core skills required for practical LLM development, including API utilization, dataset creation, fine-tuning, and multi-GPU setup.

✅ Learn how to use RunPod quickly and easily

RunPod, the key to leveraging multi-GPUs! Efficiently build a multi-GPU environment without wasting time by selecting only the necessary sections from the official documentation.

Increasing the efficiency of AI development
GPU solution, RunPod !



RunPod is a service that allows you to rent virtual GPUs in the cloud to train and deploy AI models . It easily builds a multi-GPU environment for efficient, large-scale training and inference. With hourly billing, you can use only as much as you need, resulting in significant cost savings. Furthermore, you can immediately leverage the latest GPUs without complex infrastructure, maximizing AI performance.

Learn about these things

Multi-GPU Fine-Tuning: Creating the Optimal LLM Training Environment

Learn how to efficiently conduct LLM training without hardware limitations using multi-GPUs. This guide details how to build a multi-GPU environment using the RunPod service and connect to the Pod from your local environment via SSH.


Building Your Own LLM: Customizing AI Models with Fine-Tuning

Now, build your own AI as smart as ChatGPT! In this course, you'll learn how to fine-tune an AI model that converts Korean input into Shakespearean English .

Leveraging the OpenAI API: Building the Dataset Required for Model Training

By leveraging the OpenAI API, you can overcome data shortage issues and efficiently secure high-quality data needed for model training. 

 from openai import OpenAI
client = OpenAI()

completion = client.chat.completions.create(
    model= "gpt-4o" ,
    messages=[
        { "role" : "developer" , "content" : "You are a helpful assistant." },
        {
            "role" : "user" ,
            "content" : "Translate the following English text into a Shakespearean style."
        }
    ]
)

print (completion.choices[ 0 ].message)


AI Development Hands-on: Fine-Tuning Your LLM with the Latest Technology Stack

From generating data with the OpenAI API, downloading LLM from HuggingFace, running models with Ollama, and optimizing with RunPod GPU, you'll experience the latest AI technology stack all at once and master the practical workflow of LLM fine-tuning.


Things to note before taking the course

Practice environment

  • Operating System and Version (OS): All OS are supported, including Windows, macOS, and Linux.

  • Tools used: Visual Studio Code, Ollama, Hugging Face API, OpenAI API, llama.cpp

  • PC specifications: PC with basic specifications capable of Internet access

Learning Materials

  • Learning material formats provided: Jupyter Notebook, lecture script

  • All lecture content is provided as text files. After class, you can use the search function to quickly find the section you need.

Player Knowledge and Precautions

  • No prior knowledge is required.

  • For those who are not familiar with the usage of the hugging face API covered in the lecture, it may feel a little difficult, but it is something that can be easily solved by following the lecture content and searching for chatgpt.

  • We encourage you to utilize the bulletin board. We'll provide in-depth, detailed answers to any questions you have about class-related topics.

Recommended for
these people

Who is this course right for?

  • Developer wanting to build their own Chat model

  • Everyone who wants to learn Multi GPU model training

Need to know before starting?

  • (Optional) Problem-solving ability via Chatgpt search

Hello
This is

626

Learners

66

Reviews

74

Answers

4.8

Rating

7

Courses

  • LLM 기반 AI 기업에서 Pod Lead로 활동

  • 서울대학교 기계항공 공학부 졸업

  • 유럽 소재 대학원에서 기계항공공학 석사

  • 독일 소재 공학 연구기관에서 박사 과정 연구 수행

  • 유럽 대형 에너지 기업에서 Senior Data Scientist 경험

  • 영국 소재 에너지 컨설팅 기업에서 Senior Consultant 활동

  • Databricks 기반 데이터 엔지니어링 프로젝트 수행

  • Kaggle 주식 거래 AI 대회 Top 3% 성과

  • AI Agent 개발팀장으로 현재 활동 중

Curriculum

All

20 lectures ∙ (3hr 26min)

Course Materials:

Lecture resources
Published: 
Last updated: 

Reviews

All

6 reviews

4.8

6 reviews

  • julee님의 프로필 이미지
    julee

    Reviews 2

    ∙

    Average Rating 5.0

    5

    100% enrolled

    • 배소정님의 프로필 이미지
      배소정

      Reviews 3

      ∙

      Average Rating 5.0

      5

      30% enrolled

      • brand13님의 프로필 이미지
        brand13

        Reviews 9

        ∙

        Average Rating 5.0

        5

        30% enrolled

        • 류하경님의 프로필 이미지
          류하경

          Reviews 2

          ∙

          Average Rating 5.0

          5

          65% enrolled

          • handover.oh님의 프로필 이미지
            handover.oh

            Reviews 2

            ∙

            Average Rating 4.5

            4

            100% enrolled

            $47.30

            danielyouk's other courses

            Check out other courses by the instructor!

            파이썬 알고리즘 트레이딩 파트3: 클라우드 거래 자동화Course Thumbnail

            파이썬 알고리즘 트레이딩 파트3: 클라우드 거래 자동화

            다니엘

            이 강의는 알고리즘 트레이딩을 로컬 컴퓨터와 클라우드 환경에서 자동화하는 과정을 다루며 실습을 중심으로 진행됩니다.

            Intermediate

            Intermediate

            Python, 퀀트, github-actions

            파이썬 알고리즘 트레이딩 파트3: 클라우드 거래 자동화Course Thumbnail

            파이썬 알고리즘 트레이딩 파트3: 클라우드 거래 자동화

            다니엘

            파이썬 알고리즘 트레이딩 파트2: Interactive Brokers API를 활용한 실시간 알고리즘 트레이딩Course Thumbnail

            파이썬 알고리즘 트레이딩 파트2: Interactive Brokers API를 활용한 실시간 알고리즘 트레이딩

            다니엘

            Python과 글로벌 점유율 1위인 Interactive Brokers API를 활용하여 주식 거래 자동화를 체계적으로 학습하실 수 있습니다.

            Intermediate

            Intermediate

            Python, 객체지향, 퀀트

            파이썬 알고리즘 트레이딩 파트2: Interactive Brokers API를 활용한 실시간 알고리즘 트레이딩Course Thumbnail

            파이썬 알고리즘 트레이딩 파트2: Interactive Brokers API를 활용한 실시간 알고리즘 트레이딩

            다니엘

            파이썬 알고리즘 트레이딩 파트1: 알고리즘 트레이딩을 위한 파이썬 데이터 분석Course Thumbnail

            파이썬 알고리즘 트레이딩 파트1: 알고리즘 트레이딩을 위한 파이썬 데이터 분석

            다니엘

            S&P 500 페어 트레이딩의 통계적 접근법을 파이썬으로 체계적으로 학습하실 수 있습니다. 전문적인 데이터 분석을 통해 감정을 배제한 투자 전략의 기초를 마련하세요.

            Basic

            Basic

            Python, 객체지향, 퀀트

            파이썬 알고리즘 트레이딩 파트1: 알고리즘 트레이딩을 위한 파이썬 데이터 분석Course Thumbnail

            파이썬 알고리즘 트레이딩 파트1: 알고리즘 트레이딩을 위한 파이썬 데이터 분석

            다니엘

            실전도커: 도커로 나만의 딥러닝 클라우드 컴퓨터 만들기Course Thumbnail

            실전도커: 도커로 나만의 딥러닝 클라우드 컴퓨터 만들기

            다니엘

            도커를 사용해서 클라우드에 딥러닝 분석환경을 만들 수 있습니다. 구글, MS 등이 관리하는 도커 이미지와 클라우드가 결합할 때 여러분의 컴퓨터에서 가장 최신의 딥러닝 분석 방법으로 작업을 수행하는 것이 가능해집니다.

            Basic

            Basic

            Docker, 가상화, Python

            실전도커: 도커로 나만의 딥러닝 클라우드 컴퓨터 만들기Course Thumbnail

            실전도커: 도커로 나만의 딥러닝 클라우드 컴퓨터 만들기

            다니엘

            Similar courses

            Explore other courses in the same field!

            90분 완성: LLM Agent 입문부터 실전까지 – 실습으로 배우는 AI 에이전트Course Thumbnail

            90분 완성: LLM Agent 입문부터 실전까지 – 실습으로 배우는 AI 에이전트

            HappyAI

            AI가 단순히 대답만 하던 시대는 끝났습니다. 이제는 스스로 판단하고 행동하는 LLM Agent의 시대입니다. 이 강의는 단 90분 실습으로 에이전트의 핵심 원리와 구조를 직접 구현하며 배우는 입문형 강의입니다. 복잡한 이론은 최소화하고, 코드 중심의 실습 흐름으로 “AI가 어떻게 판단하고 툴을 사용하는지”를 직접 체험할 수 있습니다. 프롬프트 엔지니어링을 넘어서, AI 자동화의 첫걸음을 함께 시작해 보세요.

            Basic

            Basic

            multi-agent, LLM, LangChain

            90분 완성: LLM Agent 입문부터 실전까지 – 실습으로 배우는 AI 에이전트Course Thumbnail

            90분 완성: LLM Agent 입문부터 실전까지 – 실습으로 배우는 AI 에이전트

            HappyAI

            딥러닝 이론 + PyTorch 실무 완전 정복Course Thumbnail

            딥러닝 이론 + PyTorch 실무 완전 정복

            변정현

            딥러닝 현업에 종사하기 위해 필요한 딥러닝의 “핵심 개념”을 배우고 PyTorch을 활용한 실습을 통해서 실제 딥러닝 프로젝트를 수행하는데 필요한 실무를 가르쳐주는 강의입니다.

            Basic

            Basic

            딥러닝, PyTorch, 컴퓨터 비전

            딥러닝 이론 + PyTorch 실무 완전 정복Course Thumbnail

            딥러닝 이론 + PyTorch 실무 완전 정복

            변정현

            맞춤형 LLM 만들기 : 처음 시작하는 분을 위한 RAG 기초 개념부터 멀티모달·Agent 실습까지Course Thumbnail

            맞춤형 LLM 만들기 : 처음 시작하는 분을 위한 RAG 기초 개념부터 멀티모달·Agent 실습까지

            HappyAI

            RAG(Retrieval-Augmented Generation)의 이론부터 최신 멀티모달, 에이전트 기반 RAG까지! 비전공자도 이해할 수 있도록 구성된 실습 중심 강의입니다. 논문 리뷰부터 실전 코드 구현까지, RAG를 처음 접하는 사람도 쉽게 따라올 수 있도록 설계했습니다.

            Beginner

            Beginner

            Python, vector-database, LLM

            맞춤형 LLM 만들기 : 처음 시작하는 분을 위한 RAG 기초 개념부터 멀티모달·Agent 실습까지Course Thumbnail

            맞춤형 LLM 만들기 : 처음 시작하는 분을 위한 RAG 기초 개념부터 멀티모달·Agent 실습까지

            HappyAI

            생성모델 튜닝 어디까지 왔나? - Langcon 2024Course Thumbnail

            생성모델 튜닝 어디까지 왔나? - Langcon 2024

            Young Sook Song

            자연어처리 컨퍼런스 <Langcon 2024> 발표 세션 영상입니다

            Intermediate

            Intermediate

            LLM, openAI API

            생성모델 튜닝 어디까지 왔나? - Langcon 2024Course Thumbnail

            생성모델 튜닝 어디까지 왔나? - Langcon 2024

            Young Sook Song

            AI Agent with LangGraph version 1 기초부터 고급까지Course Thumbnail

            AI Agent with LangGraph version 1 기초부터 고급까지

            당근먹는토끼

            이 강의는 ChatGPT가 단순한 대화형 AI에서 벗어나 실제 업무를 수행하는 지능형 AI Agent로 발전하는 모든 과정을 다룹니다. LangChain, LangGraph, LangSmith 세 가지 핵심 프레임워크를 활용하여 실무에서 바로 사용할 수 있는 AI Agent를 직접 만들어보니다.

            Basic

            Basic

            인공지능(AI), ChatGPT, LLM

            AI Agent with LangGraph version 1 기초부터 고급까지Course Thumbnail

            AI Agent with LangGraph version 1 기초부터 고급까지

            당근먹는토끼

            CUDA 프로그래밍 (3) - C/C++/GPU 병렬 컴퓨팅 - 메모리 구조Course Thumbnail

            CUDA 프로그래밍 (3) - C/C++/GPU 병렬 컴퓨팅 - 메모리 구조

            드립커피+한모금더

            ✅ 전체 (1) ~ (6)의 시리즈 중, (3) CUDA 메모리 계층구조 최적화 ✅ NVIDIA GPU + CUDA 프로그래밍을 기초부터 차근차근 설명합니다. ✅ C++/C 언어로 배열/행렬/이미지처리/통계처리/정렬 등을 병렬 컴퓨팅으로 매우 빠르게 처리합니다.

            Intermediate

            Intermediate

            CUDA, GPU, 병렬 처리

            CUDA 프로그래밍 (3) - C/C++/GPU 병렬 컴퓨팅 - 메모리 구조Course Thumbnail

            CUDA 프로그래밍 (3) - C/C++/GPU 병렬 컴퓨팅 - 메모리 구조

            드립커피+한모금더

            CUDA 프로그래밍 (2) - C/C++/GPU 병렬 컴퓨팅 - 벡터 vector 더하기Course Thumbnail

            CUDA 프로그래밍 (2) - C/C++/GPU 병렬 컴퓨팅 - 벡터 vector 더하기

            드립커피+한모금더

            ✅ 전체 (1) ~ (6)의 시리즈 중, (2) 벡터(1D 배열) 병렬로 동시에 더하기 ✅ NVIDIA GPU + CUDA 프로그래밍을 기초부터 차근차근 설명합니다. ✅ C++/C 언어로 배열/행렬/이미지처리/통계처리/정렬 등을 병렬 컴퓨팅으로 매우 빠르게 처리합니다.

            Intermediate

            Intermediate

            CUDA, GPU, 병렬 처리

            CUDA 프로그래밍 (2) - C/C++/GPU 병렬 컴퓨팅 - 벡터 vector 더하기Course Thumbnail

            CUDA 프로그래밍 (2) - C/C++/GPU 병렬 컴퓨팅 - 벡터 vector 더하기

            드립커피+한모금더

            대규모 언어 모델, 핵심만 빠르게!Course Thumbnail

            대규모 언어 모델, 핵심만 빠르게!

            박해선

            <대규모 언어 모델, 핵심만 빠르게!>(인사이트, 2025)를 바탕으로 LLM의 이론과 실전 예제를 다루는 강의입니다.

            Beginner

            Beginner

            인공신경망, PyTorch, LLM

            대규모 언어 모델, 핵심만 빠르게!Course Thumbnail

            대규모 언어 모델, 핵심만 빠르게!

            박해선

            대규모 언어 모형(LLM)의 기초 원리 이해Course Thumbnail

            대규모 언어 모형(LLM)의 기초 원리 이해

            아리가람

            챗지피티(ChatGPT) 같은 대규모 언어 모형의 기초 원리를 이론 중심으로 설명합니다.

            Intermediate

            Intermediate

            NLP, gpt, 인공지능(AI)

            대규모 언어 모형(LLM)의 기초 원리 이해Course Thumbnail

            대규모 언어 모형(LLM)의 기초 원리 이해

            아리가람

            CUDA 프로그래밍 (0) - C/C++/GPU 병렬 컴퓨팅 - 공개 샘플 강의Course Thumbnail

            CUDA 프로그래밍 (0) - C/C++/GPU 병렬 컴퓨팅 - 공개 샘플 강의

            드립커피+한모금더

            ✅ 전체 (1) ~ (6)의 시리즈 강의를 소개하는 (0) 인트로 강의 입니다. ✅ NVIDIA GPU + CUDA 프로그래밍을 기초부터 차근차근 설명합니다. ✅ C++/C 언어로 배열/행렬/이미지처리/통계처리/정렬 등을 병렬 컴퓨팅으로 매우 빠르게 처리합니다.

            Intermediate

            Intermediate

            CUDA, GPU, 병렬 처리

            CUDA 프로그래밍 (0) - C/C++/GPU 병렬 컴퓨팅 - 공개 샘플 강의Course Thumbnail

            CUDA 프로그래밍 (0) - C/C++/GPU 병렬 컴퓨팅 - 공개 샘플 강의

            드립커피+한모금더