소득공제
베스트셀러
핸즈온 LLM
프롬프트 엔지니어링부터 임베딩, 시맨틱 검색, 미세 튜닝까지, 손에 잡히는 LLM 개념
한빛미디어
2025.06.10.
- 베스트
- IT 모바일 55위 IT 모바일 top20 3주
이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능
- 문화비소득공제 신청가능
상세 이미지
책소개
관련 동영상
목차
|
1부 언어 모델 이해하기
1장 대규모 언어 모델 소개 _1.1 언어 AI란? _1.2 언어 AI의 최근 역사 _1.3 ‘대규모 언어 모델’의 정의 _1.4 대규모 언어 모델의 훈련 패러다임 _1.5 대규모 언어 모델 애플리케이션: 왜 유용한가요? _1.6 책임 있는 LLM 개발과 사용 _1.7 자원이 부족해도 괜찮습니다. _1.8 대규모 언어 모델 인터페이스 _1.9 첫 번째 텍스트 생성하기 _1.10 요약 2장 토큰과 임베딩 _2.1 LLM 토큰화 _2.2 토큰 임베딩 _2.3 텍스트 임베딩(문장과 전체 문서) _2.4 LLM을 넘어 활용되는 단어 임베딩 _2.5 추천 시스템을 위한 임베딩 _2.6 요약 3장 대규모 언어 모델 자세히 살펴보기 _3.1 트랜스포머 모델 개요 _3.2 트랜스포머 아키텍처의 최근 발전 사항 _3.3 요약 2부 사전 훈련된 언어 모델 사용하기 4장 텍스트 분류 _4.1 영화 리뷰 데이터셋 _4.2 표현 모델로 텍스트 분류하기 _4.3 모델 선택 _4.4 작업에 특화된 모델 사용하기 _4.5 임베딩을 활용하여 분류 작업 수행하기 _4.6 생성 모델로 텍스트 분류하기 _4.7 요약 5장 텍스트 클러스터링과 토픽 모델링 _5.1 아카이브 논문: 계산 및 언어 _5.2 텍스트 클러스터링을 위한 파이프라인 _5.3 텍스트 클러스터링에서 토픽 모델링으로 _5.4 요약 6장 프롬프트 엔지니어링 _6.1 텍스트 생성 모델 사용하기 _6.2 프롬프트 엔지니어링 소개 _6.3 고급 프롬프트 엔지니어링 _6.4 생성 모델을 사용한 추론 _6.5 출력 검증 _6.6 요약 7장 고급 텍스트 생성 기술과 도구 _7.1 모델 I/O: 랭체인으로 양자화된 모델 로드하기 _7.2 체인: LLM의 능력 확장하기 _7.3 메모리: 대화를 기억하도록 LLM 돕기 _7.4 에이전트: LLM 시스템 구축하기 _7.5 요약 8장 시맨틱 검색과 RAG _8.1 시맨틱 검색과 RAG 소개 _8.2 언어 모델을 사용한 시맨틱 검색 _8.3 RAG _8.4 요약 9장 멀티모달 대규모 언어 모델 _9.1 비전 트랜스포머 _9.2 멀티모달 임베딩 모델 _9.3 텍스트 생성 모델을 멀티모달로 만들기 _9.4 요약 3부 언어 모델 훈련 및 미세 튜닝 10장 텍스트 임베딩 모델 만들기 _10.1 임베딩 모델 _10.2 대조 학습이란? _10.3 SBERT _10.4 임베딩 모델 만들기 _10.5 임베딩 모델 미세 튜닝 _10.6 비지도 학습 _10.7 요약 11장 분류용 표현 모델 미세 튜닝하기 _11.1 지도 분류 _11.2 퓨샷 분류 _11.3 마스크드 언어 모델링으로 미세 튜닝 계속하기 _11.4 개체명 인식 _11.5 요약 12장 생성 모델 미세 튜닝하기 _12.1 LLM 훈련의 세 단계: 사전 훈련, 지도 학습 미세 튜닝, 선호도 튜닝 _12.2 지도 학습 미세 튜닝 _12.3 QLoRA를 사용한 지시 기반 튜닝 _12.4 생성 모델 평가 _12.5 선호도 튜닝/정렬/RLHF _12.6 보상 모델을 사용한 선호도 평가 자동화 _12.7 DPO를 사용한 선호도 튜닝 _12.8 요약 마치며 |
저자 소개3
Jay Alammar
코히어(Cohere)(대규모 언어 모델을 API로 제공하는 선두 업체)의 이사이자 엔지니어링 펠로(fellow)이다. 언어 모델을 실용적으로 사용하는 방법을 기업과 개발자 커뮤니티에 조언하고 교육하는 일을 한다. 유명한 그의 AI/ML 블로그(https://jalammar.github.io)를 통해 수백만 명의 연구자와 엔지니어들이 머신러닝 도구는 물론이고 (넘파이와 판다스 같은 패키지 문서에 수록된) 기본 지식부터 (트랜스포머, BERT, GPT-3, 스테이블 디퓨전 같은) 최신 개념까지 폭넓게 이해하는 데 도움을 주고 있다. Deeplearning.ai와 Udacity에서 인
코히어(Cohere)(대규모 언어 모델을 API로 제공하는 선두 업체)의 이사이자 엔지니어링 펠로(fellow)이다. 언어 모델을 실용적으로 사용하는 방법을 기업과 개발자 커뮤니티에 조언하고 교육하는 일을 한다. 유명한 그의 AI/ML 블로그(https://jalammar.github.io)를 통해 수백만 명의 연구자와 엔지니어들이 머신러닝 도구는 물론이고 (넘파이와 판다스 같은 패키지 문서에 수록된) 기본 지식부터 (트랜스포머, BERT, GPT-3, 스테이블 디퓨전 같은) 최신 개념까지 폭넓게 이해하는 데 도움을 주고 있다. Deeplearning.ai와 Udacity에서 인기 있는 머신러닝 코스와 자연어 처리 코스를 제작한 이력도 있다.
Maarten Grootendorst
IKNL(Netherlands Comprehensive Cancer Organization)의 선임 임상 데이터 과학자이다. 조직 심리학, 임상 심리학, 데이터 과학 분야의 석사 학위를 받았으며 복잡한 머신러닝 개념을 대중에게 전달하고 있다. 잘 알려진 그의 블로그(https://newsletter.maartengrootendorst.com)를 통해 수백만 독자에게 인공지능의 기초 개념을 주로 심리학 관점에서 설명했다. BERTopic, PolyFuzz, KeyBERT 같은 대규모 언어 모델을 활용한 여러 오픈 소스 패키지의 창시자이자 메인테이터이다. 그의 패키지는 수백만 번 다
IKNL(Netherlands Comprehensive Cancer Organization)의 선임 임상 데이터 과학자이다. 조직 심리학, 임상 심리학, 데이터 과학 분야의 석사 학위를 받았으며 복잡한 머신러닝 개념을 대중에게 전달하고 있다. 잘 알려진 그의 블로그(https://newsletter.maartengrootendorst.com)를 통해 수백만 독자에게 인공지능의 기초 개념을 주로 심리학 관점에서 설명했다. BERTopic, PolyFuzz, KeyBERT 같은 대규모 언어 모델을 활용한 여러 오픈 소스 패키지의 창시자이자 메인테이터이다. 그의 패키지는 수백만 번 다운로드되었고 전 세계 데이터 전문가와 조직에서 사용되고 있다.
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 위
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.
『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.
박해선의 다른 상품
품목정보
- 발행일
- 2025년 06월 10일
- 쪽수, 무게, 크기
- 460쪽 | 836g | 184*235*18mm
- ISBN13
- 9791169213516
출판사 리뷰
|
대규모 언어 모델(LLM)이 인류의 소통 방식을 근본적으로 바꾸고 있습니다. 기계가 인간의 언어를 이해하고 생성하는 능력은 AI 기술의 새 지평을 열었을 뿐 아니라, 산업 전반에 혁신의 바람을 불러일으키고 있습니다.
이 책은 시각적 접근법으로 복잡한 LLM의 세계를 명쾌하게 안내합니다. 딥러닝 이전 단순한 단어 표현 방식부터 최신 트랜스포머 아키텍처까지, LLM의 발전 과정을 한눈에 파악할 수 있습니다. 독자는 LLM의 내부 작동 원리를 이해하고, 그 구조와 훈련 방법, 다양한 미세 튜닝 기법을 직접 탐험하게 됩니다. 실용적인 응용에 중점을 둔 이 책은 텍스트 분류, 클러스터링, 토픽 모델링부터 챗봇과 검색 엔진 구축까지 다양한 LLM 응용 사례를 상세히 다룹니다. 직관적인 설명과 시각적 도해, 실전 코드가 조화롭게 어우러져 독자가 쉽게 이해할 수 있습니다. AI와 언어 모델에 첫 발을 내딛는 입문자부터 더 깊은 이해를 추구하는 전문가까지, 흥미진진한 LLM의 세계로 여러분을 초대합니다. 이 책과 함께라면 누구나 LLM의 무한한 가능성을 직접 경험할 수 있을 것입니다. ● 텍스트 생성과 표현에 뛰어난 트랜스포머 언어 모델의 구조 ● 텍스트 문서를 그룹화하고 주제를 파악하는 고급 LLM 파이프라인 ● 밀집 검색과 재순위 결정 같은 방법으로 키워드 검색을 넘어서는 의미 검색 엔진 구축 ● 프롬프트 엔지니어링부터 검색 증강 생성까지 생성 모델 활용법 ● 미세 튜닝, 생성적 사전 학습, 문맥 학습 같은 기술로 특정 용도에 맞게 LLM을 훈련하고 최적화하는 방법 이 책의 구성 1부: 언어 모델 이해하기 ● 소규모 및 대규모 언어 모델의 내부 동작 원리 ● 언어 모델의 두 가지 핵심 요소: 토큰화와 임베딩 ● 그림으로 살펴보는 트랜스포머의 모델 구조 2부: 사전 훈련된 언어 모델 사용하기 ● 지도 학습 분류 ● 텍스트 클러스터링과 토픽 모델링 ● 임베딩 모델 활용한 시맨틱 검색 ● 텍스트 생성 모델 ● 비전 도메인에 언어 모델 사용하는 방법 3부: 언어 모델 훈련 및 미세 튜닝 ● 임베딩 모델을 만들고 미세 튜닝하는 방법 ● 분류를 위해 BERT를 미세 튜닝하는 방법 ● 생성 모델을 미세 튜닝하는 방법 대상 독자 ● 챗GPT 같은 AI 서비스가 어떻게 작동하는지 궁금하신 분 ● NLP 프로젝트를 시작하려는 학생 및 개발자 ● AI를 활용한 비즈니스 모델을 고민하는 실무자 |
추천평
|
제이와 마르턴은 복잡한 주제를 아름다운 삽화와 통찰력 있는 설명으로 펼쳐 보입니다. 실행 가능한 코드, 언어 모델의 역사와 더불어 주요 논문을 참고한 이 책은 대규모 언어 모델의 핵심 기술을 이해하고 싶은 모든 이들에게 귀중한 자료입니다. - 앤드류 응 (Deeplearning.AI 설립자)
|
|
언어 모델의 세계와 해당 업계의 실용적인 애플리케이션을 소개하는 뛰어난 가이드입니다. 언어 모델을 활용한 생성, 표현, 검색 애플리케이션을 풍부한 시각 자료를 곁들여 설명하므로 독자들이 LLM을 빠르게 이해하고, 사용하고, 발전시킬 수 있을 것입니다. 추천합니다! - 닐스 라이머스 (코히어 머신러닝 담당 이사)
|
|
지금 읽어야 할 다른 책이 떠오르지 않을 만큼 중요한 책입니다. 책장을 넘길 때마다, 요즘 같은 언어 모델 시대에 성공을 견인하기 위해 갖춰야 할 결정적인 무언가를 배웁니다. - 조쉬 스타머 (StatQuest)
|
|
LLM에 관한 모든 것을 빠르게 배우고 싶다면 다른 곳을 뒤질 필요가 없습니다! 이 놀라운 책에서 제이와 마르턴은 여러분을 초보에서 대규모 언어 모델의 역사를 거쳐 최신 기술의 전문가로 이끕니다. 직관적인 설명, 실전 예제, 명확한 삽화, 광범위한 코드 예시를 통해 트랜스포머 모델, 토크나이저, 시맨틱 검색, RAG, 그 밖에 다양하고도 복잡한 최신 기술을 쉽게 설명합니다. 최신 AI 기술에 흥미 있는 모두가 읽어야 할 책입니다! - 루이스 세라노 (Serrano Academy 설립자 겸 CEO)
|
|
빠르게 진화하는 생성 AI 분야에 관심 있는 사람이라면 누구나 이 책을 읽어야 합니다. 텍스트 임베딩과 시각 임베딩에 초점을 맞추면서 알고리즘의 발전, 이론적 엄격함, 실용적 가이드가 훌륭한 조화를 이룹니다. 학생, 연구자, 업계 전문가 모두에게 생성 AI의 지식을 한 단계 높여 주는 사용 사례와 솔루션을 제시합니다. 탁월합니다! - 크리스 프레글리 (AWS 생성 AI 수석 솔루션 아키텍트)
|
|
생성 AI 혁명의 한가운데에서 필독서로 자리매김한 이 가이드는 이론과 실무를 절묘하게 안배하여 광대한 대규모 언어 모델의 세계를 탐험합니다. 독자들이 AI 분야에서 혁신적인 영향을 즉각적으로 미치기에 충분한 지식의 보고입니다. - 타룬 나라야난 벵카타찰람 (타룬 나라야난 벵카타찰람)
|
|
언어 모델의 실전 경험을 원하는 이들에게 시의적절한 길잡이가 될 책입니다. - 에미르 무뇨스 (Genesys)
|
|
AI에 대한 과대광고를 걷어 내고 명확하고 실용적인 예제를 선별했습니다. 설명이 명료하며 훌륭한 다이어그램과 시각 자료가 풍부합니다. 여느 책과 달리 예시와 코드가 구체적입니다. 처음에는 기초적인 내용을 다루다가 점차 영역을 넓혀 갑니다. 마지막 장에 다다르면 자신만의 대규모 언어 모델을 미세 튜닝하고 구축할 수 있을 것입니다. - 릴런드 맥킨스 (Tutte Institute for Mathematics and Computing)
|
|
대규모 언어 모델을 피상적으로 다루는 데 만족하지 않고 이해하기 쉽고 매력적인 접근 방식으로 배경 기술을 빈틈없이 살펴봅니다. AI 분야가 빠르게 발전한다 해도 저자들이 심혈을 기울여 구성한 이 완벽 가이드는 필독서로 길이 남을 것입니다. - 로만 에거 박사 (Modul University Vienna 교수)
|
34,200원
총 1개
34,200원
