이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능?
- 문화비소득공제 가능
위키북스- 데이터 사이언스 시리즈
이 상품의 시리즈 알림신청
이 상품의 태그
상세 이미지
.jpg)
책소개
목차
|
1부 파이토치 시작하기
01장: 인공지능과 방법론 인공지능이란? __인공지능 역사 __인공지능 활용 분야 머신러닝 시스템 __지도 학습 __비지도 학습 __준지도 학습 __강화 학습 머신러닝 아키텍처 __데이터 준비 __모델링 __모델 평가 __모델 배포 MLOps 02장: 파이토치 설치 파이토치란? 파이토치 특징 파이토치 설치 __파이토치 CPU 설치 __파이토치 GPU 설치 __Google Colaboratory 03장: 파이토치 기초 텐서 __텐서 생성 __텐서 속성 __차원 변환 __자료형 설정 __장치 설정 __장치 변환 __넘파이 배열의 텐서 변환 __텐서의 넘파이 배열 변환 가설 __머신러닝에서의 가설 __통계적 가설 검정 사례 손실 함수 __제곱 오차 __오차 제곱합 __평균 제곱 오차 __교차 엔트로피 최적화 __경사 하강법 __학습률 __최적화 문제 __단순 선형 회귀: 넘파이 __단순 선형 회귀: 파이토치 데이터세트와 데이터로더 __데이터세트 __데이터로더 __다중 선형 회귀 모델/데이터세트 분리 __모듈 클래스 __비선형 회귀 __모델 평가 __데이터세트 분리 모델 저장 및 불러오기 __모델 전체 저장/불러오기 __모델 상태 저장/불러오기 __체크포인트 저장/불러오기 활성화 함수 __이진 분류 __시그모이드 함수 __이진 교차 엔트로피 __이진 분류: 파이토치 __비선형 활성화 함수 순전파와 역전파 __순전파 계산 __오차 계산 __역전파 계산 __갱신 결과 비교 퍼셉트론 __단층 퍼셉트론 __다층 퍼셉트론 __퍼셉트론 모델 실습 04장: 파이토치 심화 과대적합과 과소적합 __과대적합과 과소적합 문제 해결 배치 정규화 __정규화 종류 __배치 정규화 풀이 가중치 초기화 __상수 초기화 __무작위 초기화 __제이비어 & 글로럿 초기화 __카이밍 & 허 초기화 __직교 초기화 __가중치 초기화 실습 정칙화 __L1 정칙화 __L2 정칙화 __가중치 감쇠 __모멘텀 __엘라스틱 넷 __드롭아웃 __그레이디언트 클리핑 데이터 증강 및 변환 __텍스트 데이터 __이미지 데이터 사전 학습된 모델 __백본 __전이 학습 __특징 추출 및 미세 조정 2부 자연어 처리 05장: 토큰화 단어 및 글자 토큰화 __단어 토큰화 __글자 토큰화 형태소 토큰화 __형태소 어휘 사전 __KoNLPy __NLTK __spaCy 하위 단어 토큰화 __바이트 페어 인코딩 __워드피스 06장: 임베딩 언어 모델 __자기회귀 언어 모델 __통계적 언어 모델 N-gram TF-IDF __단어 빈도 __문서 빈도 __역문서 빈도 __TF-IDF Word2Vec __단어 벡터화 __CBoW __Skip-gram __계층적 소프트맥스 __네거티브 샘플링 __모델 실습: Skip-gram __모델 실습: Gensim fastText __모델 실습 순환 신경망 __순환 신경망 __장단기 메모리 __모델 실습 합성곱 신경망 __합성곱 계층 __활성화 맵 __풀링 __완전 연결 계층 __모델 실습 07장: 트랜스포머 Transformer __입력 임베딩과 위치 인코딩 __특수 토큰 __트랜스포머 인코더 __트랜스포머 디코더 __모델 실습 GPT __GPT-1 __GPT-2 __GPT-3 __GPT 3.5 __GPT-4 __모델 실습 BERT __사전 학습 방법 __모델 실습 BART __사전 학습 방법 __미세 조정 방법 __모델 실습 ELECTRA __사전 학습 방법 __모델 실습 T5 __모델 실습 3부 컴퓨터 비전 08장: 이미지 분류 AlexNet __LeNet-5와 AlexNet __모델 학습 __모델 추론 VGG __AlexNet과 VGG-16 __모델 구조 및 데이터 시각화 __미세 조정 및 모델 학습 ResNet __ResNet의 특징 __모델 구현 Grad-CAM __클래스 활성화 맵 __Grad-CAM 09장: 객체 탐지 Faster R-CNN __R-CNN __Fast R-CNN __Faster R-CNN __모델 학습 과정 __모델 실습 SSD __멀티 스케일 특징 맵 __기본 박스 __모델 학습 과정 __모델 실습 FCN __업샘플링 __모델 구조 __모델 실습 Mask R-CNN __특징 피라미드 네트워크 __관심 영역 정렬 __마스크 분류기 __모델 실습 YOLO __YOLOv1 __YOLOv2 __YOLOv3 __YOLOv4 / YOLOv5 __YOLOv6 / YOLOv7 __모델 실습: YOLOv8 10장: 비전 트랜스포머 ViT __합성곱 모델과 ViT 모델 비교 __ViT의 귀납적 편향 __ViT 모델 __패치 임베딩 __인코더 계층 __모델 실습 Swin Transformer __ViT와 스윈 트랜스포머 차이 __스윈 트랜스포머 모델 구조 __모델 실습 CvT __합성곱 토큰 임베딩 __어텐션에 대한 합성곱 임베딩 __모델 실습 4부 서비스 모델링 11장: 모델 배포 모델 경량화 __양자화 __지식 증류 __텐서 분해 __ONNX 모델 서빙 __모델 서빙 웹 프레임워크 __포스트맨 도커 배포 __도커란? __빌드 및 배포 데모 애플리케이션 __스트림릿 __애플리케이션 배포 __파이토치 모델 연동 부록A: 파이토치 라이트닝 __모델 학습 __트레이너 클래스 부록B: 허깅 페이스 __PreTrainedConfig 클래스 __PreTrainedModel 클래스 __PreTrainedTokenizer 클래스 __PreTrainedFeatureExtractor 클래스 __PreTrainedImageProcessor 클래스 __Auto 클래스 __트레이너 클래스 부록C: 파이토치 이미지 모델 __모델 생성 __사전 학습된 모델 __미세 조정 부록D: 파이토치 컴파일러 부록E: 메모리 부족 |
저자 소개 4
카카오스타일의 데이터사이언스 팀 리더로 현재 데이터 리터러시, 데이터 패브릭, MLOps 프로젝트를 진행하고 있다. 이전에는 어반베이스의 머신러닝 팀 리더를 맡아 컴퓨터비전과 딥러닝을 활용해 2D 도면을 3D로 변환하는 프로젝트를 수행했다. 머신러닝·딥러닝을 비롯해 데이터 품질 관리, 데이터 통합, 비즈니스 인텔리전스 등 데이터 통합에 관심이 있으며, 기술 공유 및 확장 플러그인 배포 등으로 개인이나 조직이 기술을 보다 쉽게 이용하고 활용할 수 있도록 도움을 주고 있다.
윤대희의 다른 상품
고려대학교에서 산업경영공학 박사 학위를 취득했다. 데이터 기반으로 제조, IT, 금융 분야에서 발생하는 다양한 기술적 문제를 해결했으며, 머신러닝·딥러닝 분야에 총 6편의 SCI 논문을 게재했다. 카카오스타일에서 컴퓨터비전과 딥러닝을 담당했으며 패션 속성 추출, 유사 이미지 추천 및 코디 추천을 수행했다. 현재는 우아한형제들에서 다양한 푸드/이커머스 플랫폼 과제를 진행하고 있다. 컴퓨터비전, 자연어 처리, 멀티모달 학습을 연구하고 활용하는 데 관심이 있다.
김동화의 다른 상품
동국대학교에서 전자전기공학 석사 학위를 취득했다. 아크릴 회사에서 선임 연구원으로 근무하면서 빅데이터 포렌식 및 AI 모델 소형화 프로젝트를 진행했다. 현재는 카카오스타일의 데이터사이언스 팀에서 컴퓨터비전과 딥러닝을 담당하며 이미지 데이터 분석, 유사 이미지 추천, 모델 서빙 및 배포 자동화 관련 프로젝트를 진행하고 있다. 인공지능 기술을 활용한 생산성 향상과 비용 최적화에 관심이 있다.
송종민의 다른 상품
학부생 시절 머신러닝 한번 공부해 보지 않겠냐는 선배의 권유로 데이터 사이언티스트의 길로 들어섰다. 대학원 시절 특허를 비롯한 텍스트 데이터를 이용한 경험을 바탕으로 주식회사 공팔리터의 AI Lab에서 커머스 리뷰 데이터를 이용한 여러 모델을 구축했다. 현재는 공팔리터에서의 경험을 이용해 카카오스타일의 데이터사이언스 팀에서 사용자 리뷰, 상품 정보 등 텍스트 데이터를 활용한 딥러닝 프로젝트를 진행하고 있다. AI 콜로키움, AWS Community Day 등에서 발표하며 경험을 나누는 것의 즐거움을 배웠다. 지능형 검색 시스템과 가상 시착(Virtual Try-On) 등에 관심이
학부생 시절 머신러닝 한번 공부해 보지 않겠냐는 선배의 권유로 데이터 사이언티스트의 길로 들어섰다. 대학원 시절 특허를 비롯한 텍스트 데이터를 이용한 경험을 바탕으로 주식회사 공팔리터의 AI Lab에서 커머스 리뷰 데이터를 이용한 여러 모델을 구축했다. 현재는 공팔리터에서의 경험을 이용해 카카오스타일의 데이터사이언스 팀에서 사용자 리뷰, 상품 정보 등 텍스트 데이터를 활용한 딥러닝 프로젝트를 진행하고 있다. AI 콜로키움, AWS Community Day 등에서 발표하며 경험을 나누는 것의 즐거움을 배웠다. 지능형 검색 시스템과 가상 시착(Virtual Try-On) 등에 관심이 있다.
진현두의 다른 상품
관련 분류
품목정보
- 발행일
- 2023년 10월 19일
- 쪽수, 무게, 크기
- 804쪽 | 1624g | 188*240*33mm
- ISBN13
- 9791158394400
출판사 리뷰
|
★ 이 책에서 다루는 내용 ★
◎ 머신러닝·딥러닝 이해 및 파이토치를 활용한 심화 실습 ◎ 텍스트 데이터의 토큰화 이해와 텍스트 임베딩 실습 ◎ 셀프 어텐션을 활용한 트랜스포머 모델의 이해와 트랜스포머 기반 언어 모델 실습 ◎ 이미지 분류 모델 이해와 내부 동작 원리 검증 및 시각화 ◎ 경계 상자 탐지, 의미론적 분할, 객체 분할 등의 객체 탐지 모델 이해 ◎ 특징 피라미드 네트워크 및 관심 영역 정렬 알고리즘을 이해 ◎ 트랜스포머 구조를 컴퓨터비전 분야에 적용한 비전 트랜스포머 모델 이해 및 실습 ◎ 웹 프레임워크와 도커를 활용한 API 온라인 서빙 ◎ 웹 애플리케이션을 통한 딥러닝 데모 애플리케이션 구축 ◎ 경량화, 파이토치 라이트닝, 허깅 페이스, 파이토치 컴파일러 등 다양한 관리 도구 및 기법 실습 |
43,200원
총 1개
43,200원
