이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
이 상품의 태그
상세 이미지
책소개
목차
|
[PART 1 LLM의 구성 요소]
CHAPTER 1 LLM의 개념과 첫걸음 _1.1 LLM의 정의 _1.2 LLM의 간략한 역사 _1.3 LLM의 영향 _1.4 기업 내 LLM 활용 _1.5 프롬프팅 _1.6 API를 통한 LLM 접근 방법 _1.7 LLM의 강점과 한계 _1.8 첫 번째 챗봇 프로토타입 만들기 _1.9 프로토타입에서 제품화까지 _1.10 마치며 CHAPTER 2 사전 훈련 데이터 _2.1 LLM을 만드는 구성 요소 _2.2 사전 훈련 데이터 요구 사항 _2.3 대표적인 사전 훈련 데이터셋 _2.4 합성 사전 훈련 데이터 _2.5 훈련 데이터 전처리 _2.6 사전 훈련 데이터가 후속 작업에 미치는 영향 _2.7 사전 훈련 데이터셋의 편향과 공정성 문제 _2.8 마치며 CHAPTER 3 어휘와 토큰화 _3.1 어휘 _3.2 토크나이저 _3.3 토큰화 파이프라인 _3.4 마치며 CHAPTER 4 아키텍처와 학습 목표 _4.1 기본 개념 _4.2 의미 표현하기 _4.3 트랜스포머 아키텍처 _4.4 손실 함수 _4.5 내재적 모델 평가 _4.6 트랜스포머 백본 _4.7 학습 목표 _4.8 사전 훈련 모델 _4.9 마치며 [PART 2 LLM 활용하기] CHAPTER 5 사용 목적에 맞게 LLM 활용하기 _5.1 LLM 생태계 탐색하기 _5.2 적합한 LLM을 선택하는 방법 _5.3 LLM 로딩 방법 _5.4 디코딩 전략 _5.5 LLM에서 추론 실행하기 _5.6 구조화된 출력 _5.7 모델 디버깅 및 해석 가능성 _5.8 마치며 CHAPTER 6 파인 튜닝 _6.1 파인 튜닝의 필요성 _6.2 파인 튜닝: 전체 예제 _6.3 파인 튜닝 데이터셋 _6.4 마치며 CHAPTER 7 고급 파인 튜닝 기법 _7.1 지속적 사전 훈련 _7.2 파라미터 효율적 파인 튜닝(PEFT) _7.3 여러 모델 결합하기 _7.4 마치며 CHAPTER 8 정렬 훈련과 추론 _8.1 정렬 훈련의 정의 _8.2 강화 학습 _8.3 환각 _8.4 환각 완화 전략 _8.5 인컨텍스트 환각 _8.6 관련 없는 정보로 인한 환각 _8.7 추론 _8.8 LLM에서 추론 유도하기 _8.9 마치며 CHAPTER 9 추론 최적화 _9.1 LLM 추론의 도전 과제 _9.2 추론 최적화 기법 _9.3 연산량 감소 기법 _9.4 디코딩 가속화 기법 _9.5 저장 공간을 절약하는 기법 _9.6 마치며 [PART 3 LLM 애플리케이션 활용 패러다임] CHAPTER 10 LLM과 외부 도구의 인터페이스 _10.1 LLM 상호작용 패러다임 _10.2 에이전트 정의 _10.3 에이전트 기반 워크플로 _10.4 에이전트 시스템 구성 요소 _10.5 마치며 CHAPTER 11 표현 학습과 임베딩 _11.1 임베딩 소개 _11.2 의미 검색 _11.3 유사도 측정법 _11.4 임베딩 모델 파인 튜닝 _11.5 지시 임베딩 _11.6 임베딩 크기 최적화 _11.7 청킹 _11.8 벡터 데이터베이스 _11.9 임베딩 해석하기 _11.10 마치며 CHAPTER 12 검색 증강 생성(RAG) _12.1 RAG의 필요성 _12.2 대표적인 RAG 활용 시나리오 _12.3 검색 여부 판단하기 _12.4 RAG 파이프라인 _12.5 메모리 관리를 위한 RAG _12.6 RAG로 인컨텍스트 학습 예시 선택하기 _12.7 모델 훈련에 RAG 활용하기 _12.8 RAG의 한계 _12.9 RAG 대 긴 컨텍스트 _12.10 RAG 대 파인 튜닝 _12.11 마치며 CHAPTER 13 디자인 패턴과 시스템 아키텍처 _13.1 다중 LLM 아키텍처 _13.2 프로그래밍 패러다임 _13.3 마치며 |
저자 소개 2
10년 넘게 기술 업계에서 일해 온 숙련된 머신러닝 연구자입니다. 2020년부터 와이 콤비네이터(Y-Combinator)의 지원을 받는 AI 및 핀테크 스타트업인 허드슨 랩스(Hudson Labs)의 공동 창립자이자 CTO, ML 연구 책임자로 일하고 있습니다.
허드슨 랩스에서는 도메인 특화 LLM, 텍스트 랭킹, 표현 학습 분야에서 여러 혁신적인 기법을 개발했으며, 이 기법들은 허드슨 랩스 제품의 핵심 기능을 실현하는 기반이 되었습니다. 또한 오픈 소스 LLM 개발에도 활발히 참여해 왔으며, BLOOM LLM 프로젝트의 일환인 빅 사이언스(Big Science) 프로젝트에서
10년 넘게 기술 업계에서 일해 온 숙련된 머신러닝 연구자입니다. 2020년부터 와이 콤비네이터(Y-Combinator)의 지원을 받는 AI 및 핀테크 스타트업인 허드슨 랩스(Hudson Labs)의 공동 창립자이자 CTO, ML 연구 책임자로 일하고 있습니다.
허드슨 랩스에서는 도메인 특화 LLM, 텍스트 랭킹, 표현 학습 분야에서 여러 혁신적인 기법을 개발했으며, 이 기법들은 허드슨 랩스 제품의 핵심 기능을 실현하는 기반이 되었습니다. 또한 오픈 소스 LLM 개발에도 활발히 참여해 왔으며, BLOOM LLM 프로젝트의 일환인 빅 사이언스(Big Science) 프로젝트에서 프라이버시 워킹 그룹의 공동 리더로 활동했습니다.
2021년부터는 토론토 머신러닝 서밋(TMLS) 콘퍼런스의 의장으로 활동 중이며 전 세계 AI 콘퍼런스에서 연사로 자주 참여합니다. NLP 분야의 최신 연구를 논의하는 정기 세미나도 직접 주최합니다.
허드슨 랩스에서는 도메인 특화 LLM, 텍스트 랭킹, 표현 학습 분야에서 여러 혁신적인 기법을 개발했으며, 이 기법들은 허드슨 랩스 제품의 핵심 기능을 실현하는 기반이 되었습니다. 또한 오픈 소스 LLM 개발에도 활발히 참여해 왔으며, BLOOM LLM 프로젝트의 일환인 빅 사이언스(Big Science) 프로젝트에서 프라이버시 워킹 그룹의 공동 리더로 활동했습니다.
2021년부터는 토론토 머신러닝 서밋(TMLS) 콘퍼런스의 의장으로 활동 중이며 전 세계 AI 콘퍼런스에서 연사로 자주 참여합니다. NLP 분야의 최신 연구를 논의하는 정기 세미나도 직접 주최합니다.
‘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 10월 16일
- 쪽수, 무게, 크기
- 424쪽 | 183*235*16mm
- ISBN13
- 9791169214384
출판사 리뷰
|
LLM, 개념을 넘어 실무 애플리케이션으로!
한 권에 담은 AI 애플리케이션 설계의 시작과 끝 LLM은 이제 단순한 기술 트렌드를 넘어, 기업과 제품 혁신을 이끄는 핵심 기술이 되었습니다. 하지만 아이디어를 실제 서비스로 확장하는 길은 여전히 복잡하고 도전적입니다. 이 책은 이러한 간극을 메우기 위해 탄생했습니다. LLM의 기초 원리부터 최신 활용 패턴까지, LLM을 둘러싼 이론과 실무 노하우를 균형 있게 담아냈습니다. 이 책은 LLM을 이해하고, 활용하고, 제품으로 구현하는 전 과정을 차근차근 밟아갈 수 있도록 안내합니다. LLM의 작동 원리를 직관적으로 이해하고, 프롬프트 설계와 파인 튜닝, RAG, 에이전트 아키텍처 등 최신 활용 기법을 익히며 실제 제품 환경에서 마주하는 문제와 한계를 해결하는 방법을 배울 수 있습니다. 특히 각 장마다 풍부한 실습과 연습 문제를 수록해 단순한 이론 학습을 넘어 직접 실험하며 체득할 수 있도록 구성했습니다. 소프트웨어 엔지니어, 머신러닝 연구자, 제품 관리자 모두가 이 책을 통해 LLM의 복잡한 퍼즐을 하나하나 맞춰 나갈 수 있을 것입니다. AI 시대에 경쟁력을 확보하려는 실무자에게 이 책은 아이디어를 실제 프로덕션으로 이어 주는 가장 실용적인 다리가 될 것입니다. 주요 내용 ● 훈련 데이터, 토큰화, 아키텍처, 정렬 훈련을 통한 LLM의 기본 원리 ● 프롬프팅, 파인 튜닝, RAG, 에이전트 기반 활용 기법 ● 임베딩 검색, 도메인 특화 챗봇, 랭체인 기반 애플리케이션 설계 ● 80여 개의 연습 문제와 깃허브 예제 코드로 학습 효과 강화 ● 추론 최적화, 프로덕션 아키텍처, 오픈 소스 LLM 비교 등 최신 동향 반영 대상 독자 ● 프로덕션 수준의 LLM 서비스를 만들고 싶은 개발자 ● 최신 LLM 응용 기법과 활용 패턴을 정리하고 싶은 연구자 ● LLM 기술을 실제 서비스와 연결하고 싶은 제품 기획자 ● LLM을 활용한 자동화, 지식 검색, 데이터 처리 솔루션을 모색하는 전문가 |
추천평
|
현업에서 LLM 관련 업무를 수행하는 사람이라면 익숙하겠지만, 관련 연구를 처음 접하고 시도하려는 개발자라면 기술적인 용어나 동작 원리를 이해하는 데 어려움을 겪기 마련입니다. 게다가 LLM 관련 연구의 발전 속도가 워낙 빠르다 보니 최신 연구 트렌드를 따라가는 것조차 쉽지 않습니다. 이 책은 바로 그런 분들을 위한 좋은 가이드입니다. 특히 주제별 이해를 돕는 도식화 자료와 심화 학습을 위한 논문 소개는 독자가 LLM의 연구 흐름을 파악하고 관련 애플리케이션을 개발하는 데 실질적인 도움을 줄 것입니다. - 강찬석 (LG전자 소프트웨어 엔지니어)
|
|
AI는 어느 순간 마법처럼 우리 곁에 다가왔습니다. 어떤 질문에도 똑똑한 비서처럼 막힘없이 대답하지요. 그러나 그 속을 들여다보면, 신비한 마법이 아니라 정교한 톱니바퀴들이 오차 없이 맞물려 돌아가는 거대한 공학의 산물임을 알 수 있습니다.
이 책은 LLM의 작동 원리를 넘어, 어떻게 하면 더 정교하고 유익한 대답을 이끌어 낼 수 있는지를 단계적으로 설명합니다. 개발자에게는 실무에 바로 적용할 수 있는 지침을, 사용자에게는 한층 더 현명하게 활용할 수 있는 방법을 제공합니다. - 김호영 (고등과학원 거대수치계산연구센터 HPC 관리자) |
|
자연어 처리 분야에서 기본적으로 알아야 할 지식과 최근 경향까지 모두 잘 반영한 책이라 재미있게 읽었습니다. 추론을 뜻하는 inference와 reasoning에 대해 고민해 본 적이 있는 분은 물론, 최근 자연어 처리 동향에 관심 있는 모든 분께 추천합니다. - 송영숙 ((주)래블업 연구원)
|
|
이 책은 'LLM을 어떻게 만드는가'보다 'LLM으로 무엇을 만들 수 있는가'에 초점을 맞춘 실용적인 안내서입니다. 거대 언어 모델의 근본적인 원리부터 실제 애플리케이션에 적용하는 방법까지, 이론과 실무의 균형을 훌륭하게 맞췄습니다. 특히 파인 튜닝, 추론 최적화, LLM과 외부 도구를 결합하는 고급 기술을 체계적으로 다뤄, 독자들이 복잡한 개념을 쉽게 이해하고 바로 프로젝트에 적용할 수 있도록 돕습니다.
현업에서 LLM을 활용한 서비스 개발을 고민하는 개발자와 기획자에게 이 책은 단순한 지식을 넘어 실질적인 해결책과 영감을 제시해 줍니다. LLM을 실제 제품으로 구현하려는 모든 이에게 이 책을 강력히 추천합니다. - 이석곤 (㈜아이알컴퍼니 부설연구소 팀장) |
|
이 책은 LLM의 이론과 실무를 체계적으로 아우르는 뛰어난 안내서입니다. 추론, 검색 증강 생성(RAG), 파인 튜닝 같은 고급 기법을 유기적으로 통합해 LLM 기반 애플리케이션을 실전에서 구현할 수 있는 체계적인 로드맵을 제시합니다. 또한 오픈 소스 LLM 정보, 라이선스 종류, 모델 특성 등 실무에 큰 도움이 되는 유용한 팁을 풍부하게 제공합니다.
학습을 위한 구성도 인상적입니다. 중간중간 정교한 개념도를 적재적소에 배치해 독자가 현재 학습 중인 위치를 명확히 파악할 수 있도록 돕습니다. 약 80개의 실전 기반 연습 문제는 책에서 충분히 이해하지 못했던 개념을 다시 점검하게 하여, 각 장의 내용을 더욱 정확히 익힐 수 있도록 보완합니다. AI와 정보가 넘쳐나는 시대에 그럼에도 불구하고 책이라는 매체가 왜 여전히 필요한지를 보여주는 대표적 역작입니다. 개념을 확실히 이해한 후 고급 패러다임과 실전 사례까지 습득하고자 한다면 반드시 읽어야 할 필독서입니다. - 허민 (한국외국어대학교 정보전략 팀) |
29,700원
총 1개
29,700원
