소득공제
PDF
eBook
쉽고 빠르게 익히는 실전 LLM(2판)
최신 LLM 활용법부터 RAG, 멀티모달 트랜스포머, RLHF/RLAIF까지
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
이 분야의 이벤트
![[첫 이용이라면 누구나] 디지털머니 보너스 드림](https://image.yes24.com/sysimage/renew/loadSpace.png)
소개
목차
|
PART 1 LLM 소개CHAPTER 1 LLM의 세계로_1.1 LLM이란?_1.2 많이 사용되는 LLM_1.3 LLM을 이용한 애플리케이션_1.4 마치며CHAPTER 2 LLM을 이용한 의미 기반 검색_2.1 들어가는 글_2.2 작업_2.3 솔루션 개요_2.4 구성 요소_2.5 통합_2.6 클로즈드 소스 구성 요소의 비용_2.7 마치며CHAPTER 3 프롬프트 엔지니어링의 첫 번째 단계_3.1 들어가는 글_3.2 프롬프트 엔지니어링_3.3 여러 모델과 프롬프트 작업하기_3.4 마치며CHAPTER 4 AI 생태계: 조각 맞추기_4.1 들어가는 글_4.2 끊임없이 변화하는 클로즈드 소스 AI의 성능_4.3 AI 추론 vs 생각_4.4 사례 연구 1: 검색 증강 생성(RAG)_4.5 사례 연구 2: 자동화된 AI 에이전트_4.6 마치며PART 2 LLM 활용법CHAPTER 5 맞춤형 미세 조정으로 LLM 최적화하기_5.1 들어가는 글_5.2 미세 조정과 전이학습: 기초 안내서_5.3 오픈AI 미세 조정 API 살펴보기_5.4 오픈AI CLI로 맞춤형 예제 준비하기_5.5 오픈AI CLI 설정하기_5.6 첫 번째 미세 조정 LLM_5.7 마치며CHAPTER 6 고급 프롬프트 엔지니어링_6.1 들어가는 글_6.2 프롬프트 인젝션 공격_6.3 입력/출력 유효성 검사_6.4 배치 프롬프팅_6.5 프롬프트 체이닝_6.6 사례 연구: AI는 수학을 얼마나 잘하나?_6.7 마치며CHAPTER 7 임베딩과 모델 아키텍처 맞춤화_7.1 들어가는 글_7.2 사례 연구: 추천 시스템 만들기_7.3 마치며CHAPTER 8 AI 정렬: 제1원리_8.1 들어가는 글_8.2 누구에게, 그리고 어떤 목적에 맞춰 정렬할 것인가?_8.3 편향 완화 도구로서의 정렬_8.4 정렬의 핵심 원칙_8.5 헌법 AI: 자기 정렬을 향한 한 걸음_8.6 마치며PART 3 고급 LLM 사용법CHAPTER 9 파운데이션 모델을 넘어서_9.1 들어가는 글_9.2 사례 연구: VQA_9.3 사례 연구: 피드백 기반 강화 학습_9.4 마치며CHAPTER 10 고급 오픈 소스 LLM 미세 조정_10.1 들어가는 글_10.2 예시: BERT를 이용한 애니메이션 장르 다중 레이블 분류_10.3 예시: GPT-2를 이용한 LaTeX 생성_10.4 시난의 현명하면서도 매력적인 답변 생성기: SAWYER_10.5 마치며CHAPTER 11 LLM을 프로덕션 환경에서 사용하기_11.1 들어가는 글_11.2 클로즈드 소스 LLM을 프로덕션 환경에 배포하기_11.3 프로덕션 환경에 오픈 소스 LLM 배포하기_11.4 마치며CHAPTER 12 LLM 평가하기_12.1 들어가는 글_12.2 생성 작업 평가하기_12.3 이해 과제 평가하기_12.4 마치며_12.5 계속 나아가세요!PART 4 부록APPENDIX A LLM 자주 묻는 질문(FAQ)APPENDIX B LLM 용어 해설APPENDIX C LLM 애플리케이션 개발 고려사항
|
저자 소개 2
Sinan Ozdemir
현재 Shiba Technologies의 창립자이자 CTO이다. 존스 홉킨스 대학교의 데이터 과학 강사였으며 데이터 과학 및 머신러닝에 관한 여러 교과서를 집필했다. 또한 RPA 기능을 갖춘 엔터프라이즈급 대화형 AI 플랫폼인 Kylie.ai의 창립자이기도 하다. 존스홉킨스대학교에서 순수 수학을 공부하면서 학업을 시작했다. 존스홉킨스대학교와 주 의회에서 수년간 데이터 과학을 강의했다. 이후에는 인공 지능 및 데이터 과학을 사용하는 스타트업(Legion Analytics)을 설립해 기업의 영업 팀을 지원하고 있다. 와이콤비네이터(Y Combinator) 액셀러레이터에서 연구원 생활
현재 Shiba Technologies의 창립자이자 CTO이다. 존스 홉킨스 대학교의 데이터 과학 강사였으며 데이터 과학 및 머신러닝에 관한 여러 교과서를 집필했다. 또한 RPA 기능을 갖춘 엔터프라이즈급 대화형 AI 플랫폼인 Kylie.ai의 창립자이기도 하다. 존스홉킨스대학교에서 순수 수학을 공부하면서 학업을 시작했다. 존스홉킨스대학교와 주 의회에서 수년간 데이터 과학을 강의했다. 이후에는 인공 지능 및 데이터 과학을 사용하는 스타트업(Legion Analytics)을 설립해 기업의 영업 팀을 지원하고 있다. 와이콤비네이터(Y Combinator) 액셀러레이터에서 연구원 생활을 마친 후 빠르게 성장하고 있는 자신의 회사에서 대부분 시간을 보내고, 데이터 과학을 위한 교육 자료를 만들고 있다.
서울대학교 수학과를 졸업하고, 나눔기술과 Microsoft에서 개발자, 컨설턴트, 프로덕트 매니저로 일했다. 현재 도쿄에 있는 스타트업, BoostDraft에서 프로덕트 매니저로 일하고 있다.
품목정보
- 발행일
- 2025년 03월 31일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 10.61MB ?
- 글자 수/ 페이지 수
- 약 429쪽 ?
- ISBN13
- 9791169219266
출판사 리뷰
|
더 강력하게 돌아왔다! LLM 완성형 가이드의 개정판AI 에이전트, RAG 챗봇부터 그록, 데빈 사례까지!최신 AI 트렌드와 기술을 반영하여 한층 업그레이드된 『쉽고 빠르게 익히는 실전 LLM』이 여러분을 다시 찾아왔습니다! LLM이 다양한 산업에서 필수적인 도구로 자리 잡은 지금, 이 책은 LLM을 처음 접하는 이들에게 개념과 활용법을 쉽고 명확하게 전달하며 실무에 바로 적용할 수 있도록 돕는 실전 가이드입니다.이번 2판에서는 LLM 개발의 기초부터 최적화, 배포까지의 모든 과정을 단계별로 설명하고, 최신 트렌드에 맞춘 미세 조정, 임베딩 최적화, 프롬프트 엔지니어링 등을 심층적으로 다룹니다. 또한, RAG 챗봇, AI 에이전트 사례 연구와 함께, 그록, 데빈 등의 최신 사례를 추가하여 한층 더 풍부한 내용을 제공합니다. LLM을 활용한 서비스 개발을 계획하거나 최신 AI 트렌드와 실전 적용법을 익히고자 한다면, 이 책이 최고의 선택이 될 것입니다. 이 책의 심화 지식과 실전 팁을 통해 LLM의 진정한 잠재력을 발휘하세요!주요 내용● 사전 훈련, 미세 조정, 어텐션 등 LLM 주요 개념● API 및 파이썬을 활용한 LLM 맞춤화와 최적화● RAG 챗봇 및 AI 에이전트 구축● 연쇄적 사고, 의미 기반 퓨샷 프롬프트 등 고급 프롬프트 엔지니어링● 사용자 데이터를 활용한 임베딩 맞춤화 및 추천 시스템 개발● 오픈 소스 LLM과 대규모 시각 데이터셋을 활용한 멀티모달 AI 모델 구축● RLHF/RLAIF를 통한 LLM 정렬 및 대화형 AI 최적화● 양자화, 벤치마킹, 평가 프레임워크를 활용한 성능 최적화
|
