품목정보
발행일	2022년 11월 30일
쪽수, 무게, 크기	484쪽 \| 872g \| 18323520mm
ISBN13	9791169210508
ISBN10	1169210503

더보기

CHAPTER 1 트랜스포머 소개 _1.1 인코더-디코더 프레임워크 _1.2 어텐션 메커니즘 _1.3 NLP의 전이 학습 _1.4 허깅페이스 트랜스포머스 _1.5 트랜스포머 애플리케이션 둘러보기 __1.5.1 텍스트 분류 __1.5.2 개체명 인식 __1.5.3 질문 답변 __1.5.4 요약 __1.5.5 번역 __1.5.6 텍스트 생성 _1.6 허깅페이스 생태계 __1.6.1 허깅페이스 허브 __1.6.2 허깅페이스 토크나이저 __1.6.3 허깅페이스 데이터셋 __1.6.4 허깅페이스 액셀러레이트 _1.7 트랜스포머의 주요 도전 과제 _1.8 결론 CHAPTER 2 텍스트 분류 _2.1 데이터셋 __2.1.1 허깅페이스 데이터셋 처음 사용하기 __2.1.2 데이터셋에서 데이터프레임으로 __2.1.3 클래스 분포 살펴보기 __2.1.4 트윗 길이 확인 _2.2 텍스트에서 토큰으로 __2.2.1 문자 토큰화 __2.2.2 단어 토큰화 __2.2.3 부분단어 토큰화 __2.2.4 전체 데이터셋 토큰화하기 _2.3 텍스트 분류 모델 훈련하기 __2.3.1 트랜스포머를 특성 추출기로 사용하기 __2.3.2 트랜스포머 미세 튜닝하기 _2.4 결론 CHAPTER 3 트랜스포머 파헤치기 _3.1 트랜스포머 아키텍처 _3.2 인코더 __3.2.1 셀프 어텐션 __3.2.2 피드 포워드 층 __3.2.3 층 정규화 추가하기 __3.2.4 위치 임베딩 __3.2.5 분류 헤드 추가하기 _3.3 디코더 _3.4 트랜스포머 유니버스 __3.4.1 트랜스포머 가계도 __3.4.2 인코더 유형 __3.4.3 디코더 유형 __3.4.4 인코더-디코더 유형 _3.5 결론 CHAPTER 4 다중 언어 개체명 인식 _4.1 데이터셋 _4.2 다중 언어 트랜스포머 _4.3 XLM-R 토큰화 __4.3.1 토큰화 파이프라인 __4.3.2 SentencePiece 토크나이저 _4.4 개체명 인식을 위한 트랜스포머 _4.5 트랜스포머 모델 클래스 __4.5.1 바디와 헤드 __4.5.2 토큰 분류를 위한 사용자 정의 모델 만들기 __4.5.3 사용자 정의 모델 로드하기 _4.6 NER 작업을 위해 텍스트 토큰화하기 _4.7 성능 측정 _4.8 XLM-RoBERTa 미세 튜닝하기 _4.9 오류 분석 _4.10 교차 언어 전이 __4.10.1 제로 샷 전이가 유용할 때 __4.10.2 다국어에서 동시에 미세 튜닝하기 _4.11 모델 위젯 사용하기 _4.12 결론 CHAPTER 5 텍스트 생성 _5.1 일관성 있는 텍스트 생성의 어려움 _5.2 그리디 서치 디코딩 _5.3 빔 서치 디코딩 _5.4 샘플링 방법 _5.5 탑-k 및 뉴클리어스 샘플링 _5.6 어떤 디코딩 방법이 최선일까요? _5.7 결론 CHAPTER 6 요약 _6.1 CNN/DailyMail 데이터셋 _6.2 텍스트 요약 파이프라인 __6.2.1 요약 기준 모델 __6.2.2 GPT-2 __6.2.3 T5 __6.2.4 BART __6.2.5 PEGASUS _6.3 요약 결과 비교하기 _6.4 생성된 텍스트 품질 평가하기 __6.4.1 BLEU __6.4.2 ROUGE _6.5 CNN/DailyMail 데이터셋에서 PEGASUS 평가하기 _6.6 요약 모델 훈련하기 __6.6.1 SAMSum에서 PEGASUS 평가하기 __6.6.2 PEGASUS 미세 튜닝하기 __6.6.3 대화 요약 생성하기 _6.7 결론 CHAPTER 7 질문 답변 _7.1 리뷰 기반 QA 시스템 구축하기 __7.1.1 데이터셋 __7.1.2 텍스트에서 답 추출하기 __7.1.3 헤이스택을 사용해 QA 파이프라인 구축하기 _7.2 QA 파이프라인 개선하기 __7.2.1 리트리버 평가하기 __7.2.2 리더 평가하기 __7.2.3 도메인 적응 __7.2.4 전체 QA 파이프라인 평가하기 _7.3 추출적 QA를 넘어서 _7.4 결론 CHAPTER 8 효율적인 트랜스포머 구축 _8.1 의도 탐지 예제 _8.2 벤치마크 클래스 만들기 _8.3 지식 정제로 모델 크기 줄이기 __8.3.1 미세 튜닝에서의 지식 정제 __8.3.2 사전 훈련에서의 지식 정제 __8.3.3 지식 정제 트레이너 만들기 __8.3.4 좋은 스튜던트 선택하기 __8.3.5 옵투나로 좋은 하이퍼파라미터 찾기 __8.3.6 정제 모델 벤치마크 수행하기 _8.4 양자화로 모델 속도 높이기 _8.5 양자화된 모델의 벤치마크 수행하기 _8.6 ONNX와 ONNX 런타임으로 추론 최적화하기 _8.7 가중치 가지치기로 희소한 모델 만들기 __8.7.1 심층 신경망의 희소성 __8.7.2 가중치 가지치기 방법 _8.8 결론 CHAPTER 9 레이블 부족 문제 다루기 _9.1 깃허브 이슈 태거 만들기 __9.1.1 데이터 다운로드하기 __9.1.2 데이터 준비하기 __9.1.3 훈련 세트 만들기 __9.1.4 훈련 슬라이스 만들기 _9.2 나이브 베이즈 모델 만들기 _9.3 레이블링된 데이터가 없는 경우 _9.4 레이블링된 데이터가 적은 경우 __9.4.1 데이터 증식 __9.4.2 임베딩을 룩업 테이블로 사용하기 __9.4.3 기본 트랜스포머 미세 튜닝하기 __9.4.4 프롬프트를 사용한 인-컨텍스트 학습과 퓨-샷 학습 _9.5 레이블링되지 않은 데이터 활용하기 __9.5.1 언어 모델 미세 튜닝하기 __9.5.2 분류기 미세 튜닝하기 __9.5.3 고급 방법 _9.6 결론 CHAPTER 10 대규모 데이터셋 수집하기 _10.1 대규모 데이터셋 수집하기 __10.1.1 대규모 말뭉치 구축의 어려움 __10.1.2 사용자 정의 코드 데이터셋 만들기 __10.1.3 대용량 데이터셋 다루기 __10.1.4 허깅페이스 허브에 데이터셋 추가하기 _10.2 토크나이저 구축하기 __10.2.1 토크나이저 모델 __10.2.2 토크나이저 성능 측정하기 __10.2.3 파이썬 코드를 위한 토크나이저 __10.2.4 토크나이저 훈련하기 __10.2.5 허브에 사용자 정의 토크나이저 저장하기 _10.3 밑바닥부터 모델을 훈련하기 __10.3.1 사전 훈련 목표 __10.3.2 모델 초기화 __10.3.3 데이터로더 구축하기 __10.3.4 훈련 루프 정의하기 __10.3.5 훈련 실행 _10.4 결과 및 분석 _10.5 결론 CHAPTER 11 향후 방향 _11.1 트랜스포머 확장 __11.1.1 규모의 법칙 __11.1.2 규모 확장의 어려움 __11.1.3 어텐션 플리즈! __11.1.4 희소 어텐션 __11.1.5 선형 어텐션 _11.2 텍스트를 넘어서 __11.2.1 비전 __11.2.2 테이블 _11.3 멀티모달 트랜스포머 __11.3.1 스피치-투-텍스트 __11.3.2 비전과 텍스트 _11.4 다음 목적지는?

더보기

상세 이미지 상세 이미지 보이기/감추기

상품 이미지를 확대해서 볼 수 있습니다. 원본 이미지

더보기

저자 소개 (4명)

역 : 박해선 이동 관심작가 알림신청

만든이 코멘트 만든이 코멘트 보이기/감추기

안녕하세요. 이책의 역자 입니다.

2022-11-30

안녕하세요. [트랜스포머를 활용한 자연어 처리]를 번역한 박해선입니다. 이 책을 선택해 주신 많은 독자에게 진심으로 감사의 말씀 드립니다. 이 책은 최근 딥러닝 분야에서 가장 핫한 라이브러리인 허깅페이스의 엔지니어인 루이스 턴스톨, 레안드로 폰 베라, 토마스 울프가 쓴 아마존 베스트 셀러 [Natural Language Processing with Transformers]의 번역서입니다. 트랜스포머는 자연어 처리 분야에서 순환 신경망(RNN)을 완전히 대체하고 있으며 이제는 비전 분야에도 큰 영향을 미치고 있습니다. 허깅페이스는 트랜스포머 모델을 손쉽게 공유하고 훈련할 수 있도록 돕는 라이브러리입니다. 딥러닝 분야에서 트랜스포머의 인기가 높아짐에 따라 허깅페이스의 영향력도 날로 증가하고 있습니다. 이 책은 이런 트랜스포머 모델과 허깅페이스 라이브러리를 사용해 다양한 자연어 처리 문제를 어떻게 해결할 수 있는지 설명합니다. 트랜스포머와 자연어 처리에 관심이 있다면 이 책이 도움이 되실거에요! 책을 구매하시면 제 블로그의 에러타 페이지(https://bit.ly/transformer-home)와 깃허브(https://bit.ly/transformer-git)를 꼭 참고해 주세요. 최신 버전에 맞춘 코드와 에러타를 업데이트 하겠습니다. [케라스 창시자에게 배우는 딥러닝 2판], [개발자를 위한 머신러닝&딥러닝], [XGBoost와 사이킷런을 활용한 그레이디언트 부스팅], [구글 브레인 팀에게 배우는 딥러닝 with TensorFlow.js], [파이썬 라이브러리를 활용한 머신러닝(번역개정2판)], [머신러닝 파워드 애플리케이션], [파이토치로 배우는 자연어 처리], [머신러닝 교과서 3판], [딥러닝 일러스트레이티드], [혼자 공부하는 머신러닝+딥러닝], [GAN 인 액션], [핸즈온 머신러닝 2판], [미술관에 GAN 딥러닝] 등에 이어 스물 두 번째 머신러닝 책입니다. 많은 분들의 응원 덕에 큰 힘을 얻습니다. 더 좋은 책으로 찾아 뵙겠습니다. 감사합니다!

출판사 리뷰 출판사 리뷰 보이기/감추기

회원리뷰 (31건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

총 평점 9.8점 9.8 / 10.0

검색결과 정렬 옵션 삭제

회원리뷰 전체보기

한줄평 (8건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

총 평점 9.8점 9.8 / 10.0

구매 한줄평

한줄평 전체보기

배송/반품/교환 안내

배송 안내

반품/교환 안내에 대한 내용입니다.
배송 구분	예스24 배송 배송비 : 무료배송
포장 안내	안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다. 목적 : 안전한 포장 관리 촬영범위 : 박스 포장 작업

반품/교환 안내

상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내에 대한 내용입니다.
반품/교환 방법	고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태)
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리