상세정보
미리보기
파이토치로 배우는 LLM & AI
- 저자
- 로런스 모로니 저/박해선 역
- 출판사
- 한빛미디어
- 출판일
- 2026-02-26
- 등록일
- 2026-04-17
- 파일포맷
- PDF
- 파일크기
- 86MB
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
파이토치로 머신러닝 기초부터 최신 생성형 AI까지모델을 직접 구현하며 익히는 실전 가이드북유연하고도 강력한 파이토치를 기반으로, AI 모델을 직접 설계하고 학습시키며 머신러닝의 기본 원리부터 최신 생성형 AI 기술까지 단계적으로 익혀 보세요. 복잡한 수식이나 이론 설명에 치우치지 않고, 실행 가능한 예제와 실험을 통해 모델의 동작 방식과 성능 변화를 직접 확인할 수 있습니다. 컴퓨터 비전과 자연어 처리 같은 핵심 주제에서 출발해 트랜스포머와 LLM, RAG로 자연스럽게 학습 범위를 확장합니다. 또한 모델 학습 이후의 활용까지 고려해 로컬 환경에서의 모델 운용과 간단한 서비스 연계 과정까지 살펴봅니다. 이 책을 통해 AI를 개념으로 이해하는 데서 나아가, 실제 시스템에서 활용 가능한 기술로 익힐 수 있습니다.
저자소개
여러 상을 수상한 AI 연구자이자 베스트셀러 작가입니다. 프로그래밍과 머신러닝 업계에서 30년이 넘는 경력을 쌓아 온 베테랑으로, 대표적인 프로그래밍 서적을 비롯해 SF 소설과 각본에 이르기까지 20권이 넘는 책을 집필했습니다. 또한 DeepLearning.AI의 앤드루 응과 함께 코세라에서 인기 있는 AI 전문 과정을 강의하고 있습니다. 전 세계적으로 인정받는 연사이며, 소프트웨어 개발자가 AI와 머신러닝을 보다 쉽게 이해할 수 있도록 풀어 내는 데 열정을 쏟고 있습니다.
목차
[PART I 모델 구축]CHAPTER 1 파이토치 소개_1.1 머신러닝이란_1.2 전통적인 프로그래밍의 한계_1.3 프로그래밍에서 학습으로_1.4 파이토치란_1.5 파이토치 사용하기_1.6 머신러닝 시작하기_1.7 마치며CHAPTER 2 컴퓨터 비전 소개_2.1 컴퓨터 비전의 작동 방식_2.2 컴퓨터 비전을 위한 뉴런_2.3 신경망 설계_2.4 신경망 훈련_2.5 모델 출력 살펴보기_2.6 과대적합_2.7 조기 종료_2.8 마치며CHAPTER 3 고급 컴퓨터 비전: 이미지에서 특징 감지하기_3.1 합성곱_3.2 풀링_3.3 합성곱 신경망 만들기_3.4 합성곱 신경망 살펴보기_3.5 말과 사람을 구별하는 CNN 만들기_3.6 이미지 증식_3.7 전이 학습_3.8 다중 분류_3.9 드롭아웃 규제_3.10 마치며CHAPTER 4 파이토치 데이터셋_4.1 데이터셋 시작하기_4.2 FashionMNIST 클래스 살펴보기_4.3 제너릭 데이터셋 클래스_4.4 사용자 정의 분할 사용하기_4.5 머신러닝 데이터 관리를 위한 ETL 프로세스_4.6 로드 단계 최적화하기_4.7 DataLoader 클래스 사용하기_4.8 훈련 성능 향상을 위해 ETL 병렬화하기_4.9 마치며CHAPTER 5 자연어 처리 소개_5.1 언어를 숫자로 인코딩하기_5.2 불용어 제거와 텍스트 정제_5.3 실제 데이터 다루기_5.4 마치며CHAPTER 6 임베딩을 사용한 감성 프로그래밍_6.1 단어의 의미 구축하기_6.2 파이토치의 임베딩_6.3 임베딩 시각화_6.4 사전 훈련된 임베딩 사용하기_6.5 마치며CHAPTER 7 자연어 처리를 위한 순환 신경망_7.1 순환 구조_7.2 순환을 언어로 확장하기_7.3 RNN으로 텍스트 분류기 만들기_7.4 RNN에 사전 훈련된 임베딩 사용하기_7.5 마치며CHAPTER 8 머신러닝으로 텍스트 생성하기_8.1 시퀀스를 입력 시퀀스로 변환하기_8.2 모델 만들기_8.3 텍스트 생성하기_8.4 데이터셋 확장하기_8.5 모델 구조 개선하기_8.6 데이터 개선하기_8.7 문자 기반 인코딩_8.8 마치며CHAPTER 9 시퀀스와 시계열 데이터 이해하기_9.1 시계열의 공통 특징_9.2 시계열 예측 기법_9.3 마치며CHAPTER 10 시퀀스를 예측하는 머신러닝 모델 만들기_10.1 윈도 데이터셋 만들기_10.2 DNN을 만들고 시퀀스 데이터로 훈련하기_10.3 DNN의 결과 평가하기_10.4 학습률 튜닝하기_10.5 마치며CHAPTER 11 시퀀스 모델을 위한 합성곱 신경망과 순환 신경망_11.1 시퀀스 데이터를 위한 합성곱_11.2 NASA 날씨 데이터 사용하기_11.3 RNN으로 시퀀스 모델링하기_11.4 다른 순환 층_11.5 드롭아웃 사용하기_11.6 양방향 RNN 사용하기_11.7 마치며[PART II 모델 사용]CHAPTER 12 추론의 개념_12.1 텐서_12.2 이미지 데이터_12.3 텍스트 데이터_12.4 모델의 텐서 출력_12.5 마치며CHAPTER 13 서빙을 위해 파이토치 모델 호스팅하기_13.1 TorchServe 소개_13.2 TorchServe 설정_13.3 플라스크로 서빙하기_13.4 마치며CHAPTER 14 서드 파티 모델과 허브 사용하기_14.1 허깅 페이스 허브_14.2 파이토치 허브_14.3 마치며CHAPTER 15 트랜스포머와 transformers_15.1 트랜스포머 이해하기_15.2 인코더-디코더 구조_15.3 transformers API_15.4 transformers 시작하기_15.5 핵심 개념_15.6 마치며CHAPTER 16 사용자 정의 데이터와 함께 LLM 사용하기_16.1 LLM 미세 튜닝_16.2 LLM 프롬프트 튜닝_16.3 마치며CHAPTER 17 Ollama로 LLM 서빙하기_17.1 Ollama 시작하기_17.2 서버로 Ollama 실행하기_17.3 Ollama LLM을 사용하는 애플리케이션 구축하기_17.4 마치며CHAPTER 18 RAG 소개_18.1 RAG란 무엇인가요?_18.2 RAG 시작하기_18.3 RAG 콘텐츠와 LLM 사용하기_18.4 마치며CHAPTER 19 허깅 페이스의 diffusers를 사용한 생성 모델 활용_19.1 디퓨전 모델이란_19.2 허깅 페이스의 diffusers 사용하기_19.3 마치며CHAPTER 20 LoRA와 diffusers를 사용한 이미지 생성 모델 튜닝_20.1 diffusers로 LoRA 미세 튜닝하기_20.2 마치며
[1].png){kind=logo}
