책소개
“딥러닝을 배워서 어디에 활용할 수 있을지 궁금하다면?”강아지 사진 분류하기, 영화 리뷰 텍스트의 감성 분석하기, GPT 모델 만들기 등 다양한 딥러닝 모델을 직접 구현해 보며 재미있게 실력 쌓기!딥러닝 분야를 대표하는 초창기 컴퓨터 비전 모델부터 대규모 언어 모델인 GPT, Llama, Gemma 등의 최신 모델까지! 다양한 딥러닝 모델을 구현하며 인공지능의 발전 과정은 물론, 새롭게 적용된 최신 기술까지 흥미롭게 경험해 보자.
저자소개
기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. Microsoft AI MVP, Google AI/Cloud GDE이다. 텐서 플로우 블로그(tensorflow.blog)를 운영하고 있고, 머신 러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다. 『챗GPT로 대화하는 기술』(한빛미디어, 2023), 『혼자 공부하는 데이터 분석 with 파이썬』(한빛미디어, 2023), 『혼자 공부하는 머신러닝+딥러닝』(한빛미디어, 2020), 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했다.
『개발자를 위한 필수 수학』(한빛미디어, 2024), 『실무로 통하는 ML 문제 해결 with 파이썬』(한빛미디어, 2024), 『머신러닝 교과서: 파이토치 편』(길벗, 2023), 『스티븐 울프럼의 챗GPT 강의』(한빛미디어, 2023), 『핸즈온 머신러닝 3판』(한빛미디어, 2023), 『만들면서 배우는 생성 딥러닝 2판』(한빛미디어, 2023), 『코딩 뇌를 깨우는 파이썬』(한빛미디어, 2023), 『트랜스포머를 활용한 자연어 처리』(한빛미디어, 2022), 『케라스 창시자에게 배우는 딥러닝 2판』(길벗, 2022), 『개발자를 위한 머신러닝&딥러닝』(한빛미디어, 2022), 『XGBoost와 사이킷런을 활용한 그레이디언트 부스팅』(한빛미디어, 2022), 『구글 브레인 팀에게 배우는 딥러닝 with TensorFlow.js』(길벗, 2022), 『(개정2판)파이썬 라이브러리를 활용한 머신러닝』(한빛미디어, 2022), 『머신러닝 파워드 애플리케이션』(한빛미디어, 2021), 『머신러닝 교과서 3판』(길벗, 2021)을 포함하여 여러 권의 책을 우리말로 옮겼다.
목차
Chapter 01. 합성곱 신경망(CNN)으로 패션 상품 이미지 분류하기01-1. 딥러닝 개발환경 구축하기__딥러닝을 위한 준비물, 구글 코랩__코랩의 화면 구성__코랩으로 실습 준비하기__키워드로 정리하는 핵심 포인트01-2. 합성곱 신경망(CNN) 모델 이해하기__최초의 CNN 모델 - LeNet__합성곱 층 - Conv2D__풀링층과 밀집층 - AveragePooling2D, Dense__키워드로 정리하는 핵심 포인트01-3. 패션 상품 이미지 분류하기__LeNet 모델 만들기__LeNet 모델 훈련하기__키워드로 정리하는 핵심 포인트Chapter 02.사전 훈련된 CNN 모델로 강아지와 고양이 사진 분류하기02-1. 이미지 분류 CNN 모델 만들기__이미지넷 대회에서 우승한 최초의 CNN 모델 - AlexNet__사전 훈련된 CNN 모델 - VGGNet__키워드로 정리하는 핵심 포인트02-2. 강아지와 고양이 사진 분류하기__VGGNet 모델 로드하기__강아지와 고양이 사진 분류하기__키워드로 정리하는 핵심 포인트02-3. 강아지와 고양이 사진 분류 모델의 성능 개선하기__훈련 성능을 높이는 CNN 모델 - ResNet__ResNet 모델 만들기__강아지와 고양이 사진 분류하기__[좀 더 알아보기] GoogLeNet__[미니 프로젝트] GoogLeNet으로 강아지와 고양이 사진 분류하기__키워드로 정리하는 핵심 포인트Chapter 03. 고급 CNN 모델과 전이 학습으로 이미지 분류하기03-1. 이미지 분류 모델의 효율성 최적화하기 __ResNet의 확장 모델 - DenseNet__모바일 환경(경량) 모델 - MobileNet__키워드로 정리하는 핵심 포인트03-2. 이미지 분류 모델의 성능 최적화하기 __가장 높은 성능을 내는 모델 - EfficientNet__EfficientNet 모델 만들기__EfficientNet 모델로 강아지 사진 분류하기__키워드로 정리하는 핵심 포인트03-3. 전이 학습으로 피스타치오 이미지 분류하기__텐서플로 허브로 강아지 사진 분류하기__허깅페이스로 강아지 사진 분류하기__전이 학습으로 피스타치오 품종 분류하기__[미니 프로젝트] 캐글 모델로 피스타치오 품종 분류하기__키워드로 정리하는 핵심 포인트Chapter 04. 트랜스포머 인코더 모델로 영화 리뷰 텍스트의 감성 분류하기04-1. 트랜스포머 인코더 모델 이해하기__어텐션 메커니즘__위치 인코딩과 층 정규화__트랜스포머 인코더 모델 만들기__키워드로 정리하는 핵심 포인트04-2. 전이 학습으로 영화 리뷰 텍스트의 감성 분류하기__트랜스포머 인코더 기반 언어 이해 모델 - BERT__KerasNLP로 영화 리뷰 텍스트의 감성 분류하기__허깅페이스로 영화 리뷰 텍스트의 감성 분류하기__[좀 더 알아보기] 미세 튜닝된 모델로 감성 분석하기__키워드로 정리하는 핵심 포인트04-3. BERT 후속 모델로 영화 리뷰 텍스트의 감성 분류하기__BERT의 성능 개선 모델 - RoBERTa__BERT의 경량화 모델 - DistilBERT__[미니 프로젝트] KerasNLP로 DistilBERT 모델 만들기__키워드로 정리하는 핵심 포인트Chapter 05. 트랜스포머 디코더 모델로 텍스트 생성하기05-1. GPT-2 모델로 텍스트 생성하기__마스크드 멀티 헤드 어텐션__트랜스포머 디코더 모듈 만들기__GPT-2 모델로 다양한 텍스트 생성하기__허깅페이스로 다양한 텍스트 생성하기__키워드로 정리하는 핵심 포인트05-2. Llama 모델로 텍스트 생성하기__Llama 모델 이해하기__KerasNLP로 Llama-2 모델 만들기__Llama-2 모델로 텍스트 생성하기__Llama-3 모델로 텍스트 생성하기__[좀 더 알아보기] Llama-3.1과 Llama-3.2__키워드로 정리하는 핵심 포인트05-3. Gemma 모델로 텍스트 생성하기__Gemma 모델 이해하기__KerasNLP로 Gemma 모델 만들기__Gemma 모델로 텍스트 생성하기__Gemma-2 모델로 텍스트 생성하기__[미니 프로젝트] KerasNLP로 Llama-3 모델 만들기__키워드로 정리하는 핵심 포인트Chapter 06. 트랜스포머 인코더-디코더 모델로 텍스트 요약하기06-1. BART 모델로 텍스트 요약하기__트랜스포머 인코더-디코더 모델 만들기__BART 모델로 텍스트 요약하기__키워드로 정리하는 핵심 포인트06-2. T5 모델로 텍스트 요약하기__T5 모델 이해하기__T5 모델로 텍스트 요약하기__T5-1.1 모델로 텍스트 요약하기__[미니 프로젝트] T5-1.1 small 모델 만들기__키워드로 정리하는 핵심 포인트06-3. 에필로그
[1].png){kind=logo}
