# ONNX 런타임
* [GitHub 링크](https://github.com/microsoft/onnxruntime)

ONNX 런타임 추론은 PyTorch 및 TensorFlow/Keras와 같은 딥 러닝 프레임워크와 scikit-learn, LightGBM, XGBoost 등과 같은 기존 기계 학습 라이브러리의 모델을 지원하여 더 빠른 고객 경험과 더 낮은 비용을 가능하게 할 수 있습니다. ONNX 런타임은 다양한 하드웨어, 드라이버 및 운영 체제와 호환되며, 그래프 최적화 및 변환과 함께 해당하는 경우 하드웨어 가속기를 활용하여 최적의 성능을 제공합니다.

다음은 주어진 내용을 마크다운 형식으로 정리한 것입니다:



# TODO

## 전공 지식 공부하기
- 논문 읽고 구현하며 기초를 다지기
- 전공 지식 커리큘럼 따라 배우기

## 인공지능 프로그래밍 쪽 준비
- 자료구조, 알고리즘
- 알고리즘 + 코딩 테스트
- Python 등...

## 포트폴리오
- 가능한 안 만들고 포트폴리오를 만드는 방향

출처: [https://f-lab.kr/insight/becoming-an-ai-developer](https://f-lab.kr/insight/becoming-an-ai-developer)

## 온라인 코스, 대학원 과정, 실무 경험으로 배우는 방법
- 대학원 과정은 보다 심도 있는 학습을 원하는 사람들에게 적합
- 실무 경험을 통해 이론적 지식을 실제 프로젝트에 적용해 볼 수 있음
- GitHub, Kaggle과 같은 플랫폼에서는 다양한 AI 프로젝트에 참여해볼 수 있음

## 네트워킹과 커뮤니티 참여를 통해
- AI 관련 컨퍼런스, 워크샵, 해커톤 등에 참여하여
- 최신 기술 동향을 파악하고
- 업계 전문가와 교류하는 것이 좋음

## 프로그래밍 언어
- Python

## 수학 및 통계학
- 선형대수학, 확률론, 미적분학 등

## 기계 학습(ML)
- 딥러닝
- 인공지능 관련 알고리즘 숙지 및 실제 프로젝트에 적용해보기
- 자연어 처리(NLP), 컴퓨터 비전 등 특정 분야에 대한 전문 지식

## 기타
- 끊임없이 발전하고 있으므로, 최신 기술 동향을 지속적으로 학습하는 자세도 중요