소득공제
NLP와 LLM 실전 가이드
기초 수학부터 실전 AI 문제 해결까지
- 베스트
- OS/데이터베이스 top20 2주
이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
이 분야의 이벤트
카드뉴스로 보는 책
상세 이미지
책소개
목차
|
CHAPTER 1 자연어 처리 개요 살펴보기
_1.1 이 책의 대상 _1.2 자연어 처리란? _1.3 컴퓨터 연산을 위한 자연어 처리 기본 접근 전략 _1.4 성공적인 시너지 효과 : 자연어 처리와 머신러닝의 만남 _1.5 자연어 처리의 수학 및 통계 _1.6 요약 _1.7 질문과 답변 CHAPTER 2 머신러닝과 자연어 처리를 위한 선형대수, 확률, 통계 마스터하기 _2.1 선형대수학 입문 _2.2 고윳값과 고유 벡터 _2.3 머신러닝을 위한 기본 확률 _2.4 요약 _2.5 더 알아보기 CHAPTER 3 자연어 처리에서 머신러닝 잠재력 발휘하기 _3.1 기술적 요구 사항 _3.2 데이터 탐색 _3.3 일반적인 머신러닝 모델 _3.4 모델 과소적합과 과대적합 _3.5 데이터 분할 _3.6 하이퍼파라미터 튜닝 _3.7 앙상블 모델 _3.8 불균형 데이터 다루기 _3.9 상관 계수 다루기 _3.10 요약 CHAPTER 4 자연어 처리 성능을 위한 텍스트 전처리 과정 최적화 _4.1 기술 요구 사항 _4.2 자연어 처리에서 소문자 변환 _4.3 특수 문자와 구두점 제거 _4.4 개체명 인식 _4.5 품사 태깅 _4.6 전처리 파이프라인 설명 _4.7 요약 CHAPTER 5 텍스트 분류 강화: 전통적인 머신러닝 기법 활용하기 _5.1 기술 요구 사항 _5.2 텍스트 분류의 유형 _5.3 TF-IDF를 활용한 텍스트 분류 _5.4 Word2Vec을 활용한 텍스트 분류 _5.5 토픽 모델링: 비지도 텍스트 분류의 특정 사례 _5.6 주피터 노트북을 활용한 자연어 처리 분류를 위한 머신러닝 시스템 설계 검토 _5.7 요약 CHAPTER 6 텍스트 분류의 재해석: 딥러닝 언어 모델 깊게 탐구하기 _6.1 기술 요구 사항 _6.2 딥러닝 기본 이해 _6.3 다양한 신경망 아키텍처 _6.4 신경망 훈련의 도전 과제 _6.5 언어 모델 _6.6 트랜스포머 이해하기 _6.7 대규모 언어 모델에 대한 더 깊은 이해 _6.8 언어 모델 훈련의 도전 과제 _6.9 GPT-3 사용의 도전 과제 _6.10 요약 CHAPTER 7 대규모 언어 모델 이해하기 _7.1 기술적 요구 사항 _7.2 대규모 언어 모델과 기존 언어 모델의 차이 _7.3 대규모 언어 모델이 주목받는 점 _7.4 대규모 언어 모델을 개발하고 활용하는 이유 _7.5 대규모 언어 모델 개발 도전 과제 _7.6 다양한 대규모 언어 모델의 유형 _7.7 최신 대규모 언어 모델의 설계 사례 _7.8 요약 CHAPTER 8 대규모 언어 모델의 잠재력을 끌어내는 RAG 활용 방법 _8.1 기술적 요구 사항 _8.2 대규모 언어 모델 애플리케이션 설정: API 기반의 비공개 소스 모델 _8.3 프롬프트 엔지니어링과 GPT 초기 설정 _8.4 대규모 언어 모델 애플리케이션 설정: 로컬 오픈 소스 모델 _8.5 허깅페이스의 대규모 언어 모델을 파이썬으로 활용하기 _8.6 RAG와 랭체인으로 고급 시스템 설계 탐구 _8.7 주피터 노트북에서 간단한 랭체인 설정 검토하기 _8.8 클라우드에서의 대규모 언어 모델 활용 _8.9 요약 CHAPTER 9 대규모 언어 모델이 주도하는 고급 응용 프로그램 및 혁신의 최전선 _9.1 기술 요구 사항 _9.2 RAG 및 랭체인으로 대규모 언어 모델 성능 향상: 고급 기능 탐구 _9.3 체인을 활용한 고급 방법 _9.4 다양한 웹 소스에서 자동으로 정보 검색하기 _9.5 프롬프트 압축과 API 비용 절감 _9.6 다중 에이전트: 협력하는 대규모 언어 모델 팀 구성 _9.7 요약 CHAPTER 10 대규모 언어 모델과 인공지능이 주도하는 과거, 현재, 미래 트렌드 분석 _10.1 대규모 언어 모델과 인공지능 관련 주요 기술 트렌드 _10.2 자연어 처리에서 컴퓨팅 파워의 미래 _10.3 대규모 데이터셋과 자연어 처리 및 대규모 언어 모델에 미친 영향 _10.4 대규모 언어 모델의 진화 _10.5 비즈니스 세계에서의 자연어 처리와 대규모 언어 모델 _10.6 인공지능과 대규모 언어 모델이 유도한 행동 트렌드(사회적 측면) _10. 요약 CHAPTER 11 세계적 전문가들이 바라본 산업의 현재와 미래 _11.1 전문가 소개 _11.2 전문가와의 인터뷰 _11.3 요약 |
저자 소개 3
Lior Gazit
머신러닝 분야에서 검증된 성공 사례를 가진 전문가로, 머신러닝을 통해 비즈니스 성장을 견인하는 팀을 구성하고 이끈 경험이 있다. 자연어 처리 전문가로서 혁신적인 머신러닝 파이프라인과 제품을 성공적으로 개발했다. 석사 학위를 취득하였으며, 동료 평가를 거친 학술지와 학회에 다수의 연구 결과를 발표했다. 금융 분야 머신러닝 그룹의 수석 디렉터이자 신생 스타트업의 수석 머신러닝 자문위원으로서 업계에서 풍부한 지식과 경험을 바탕으로 존경받는 리더로 자리매김하고 있다. 머신러닝에 대한 열정과 영감을 바탕으로 조직에 긍정적인 변화와 성장을 이끌어내기 위해 전념하고 있다.
Meysam Ghaffari
자연어 처리와 딥러닝에 강점을 가진 수석 데이터 과학자이다. 현재 MSKCC에서 근무하며 의료 문제를 해결하기 위한 머신러닝과 자연어 처리 모델의 개발과 최적화에 전념하고 있다. 머신러닝 분야에서 9년 이상, 자연어 처리와 딥러닝 분야에서 4년 이상의 실무 경험을 보유하고 있다. 플로리다 주립대학교에서 컴퓨터 과학 박사 학위를, 이스파한 공과대학교에서 컴퓨터 과학-인공지능 석사 학위를, 이란 과학기술대학교에서 컴퓨터 과학 학사 학위를 취득했다. MSKCC에 합류하기 전에는 위스콘신-매디슨 대학교에서 박사후 연구원으로 근무했다.
‘오늘코드’ 유튜브 채널을 운영하며, 파이썬 분야의 마이크로소프트 MVP로 활동하고 있습니다. 웹과 백엔드 개발자로 게임과 광고 회사에서 주로 근무했으며, 다양한 도메인의 기업에서 프로젝트를 진행했습니다. 또한 다수의 대학교와 교육기관, 기업에서 강의를 맡아왔습니다. 『모두의 한국어 텍스트 분석 with 파이썬』(길벗, 2023)의 공저자이며 『NLP와 LLM 실전 가이드』(한빛미디어, 2025)를 우리말로 옮겼습니다.
박조은의 다른 상품
품목정보
- 발행일
- 2025년 03월 05일
- 쪽수, 무게, 크기
- 424쪽 | 183*235*30mm
- ISBN13
- 9791169213493
출판사 리뷰
|
자연어 처리의 기초부터 고급 AI 모델 설계와 비즈니스 응용까지
파이썬으로 배우는 실전 자연어 처리 이 책은 자연어 처리(NLP)에 대해 깊이 있는 내용을 다루며, 머신러닝의 수학적 기초부터 시작해 대규모 언어 모델(LLM)과 인공지능 응용 프로그램 같은 고급 주제까지 포괄적으로 설명합니다. 학습 과정에서 머신러닝과 자연어 처리 알고리즘을 이해하고 구현하는 데 필수적인 선형대수, 최적화, 확률, 통계 등의 기초 개념을 체계적으로 익히게 될 것입니다. 또한 머신러닝의 일반적인 기술을 배우고 이를 자연어 처리와 어떻게 접목할 수 있는지도 알아봅니다. 이제 막 대규모 언어 모델로 자연어 처리에 관심이 생긴 분들에게는 이 거대한 흐름의 주요 키워드를 이해하는 데 도움이 될 것이며, 이미 익숙한 분들에게는 전반적인 내용을 정리하고 전망을 살펴볼 기회를 제공할 것입니다. 주요 내용 ● 머신러닝과 NLP의 수학적 기초를 익히는 법 ● 텍스트 데이터를 전처리하고 분석하는 고급 기법 ● 파이썬으로 머신러닝－NLP 시스템을 설계하는 방법 ● 전통적인 머신러닝 및 딥러닝 방법으로 텍스트를 모델링하고 분류하는 법 ● LLM의 이론과 설계를 이해하고 이를 다양한 AI 응용 분야에 구현하는 방법 ● NLP의 통찰과 동향, 그리고 미래 동향과 잠재력을 탐구하는 방법 대상 독자 ● 딥러닝, 머신러닝 연구자, NLP 실무자, ML/NLP 교육자, 텍스트 데이터를 사용하는 전문가 ● 파이썬 초보자, 머신러닝에 관심 있는 이공계 대학생 |
30,600원
총 1개
30,600원
