이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능?
- 문화비소득공제 가능
이 상품의 태그
상세 이미지
책소개
목차
|
[PART I 모델 구축]
CHAPTER 1 파이토치 소개 _1.1 머신러닝이란 _1.2 전통적인 프로그래밍의 한계 _1.3 프로그래밍에서 학습으로 _1.4 파이토치란 _1.5 파이토치 사용하기 _1.6 머신러닝 시작하기 _1.7 마치며 CHAPTER 2 컴퓨터 비전 소개 _2.1 컴퓨터 비전의 작동 방식 _2.2 컴퓨터 비전을 위한 뉴런 _2.3 신경망 설계 _2.4 신경망 훈련 _2.5 모델 출력 살펴보기 _2.6 과대적합 _2.7 조기 종료 _2.8 마치며 CHAPTER 3 고급 컴퓨터 비전: 이미지에서 특징 감지하기 _3.1 합성곱 _3.2 풀링 _3.3 합성곱 신경망 만들기 _3.4 합성곱 신경망 살펴보기 _3.5 말과 사람을 구별하는 CNN 만들기 _3.6 이미지 증식 _3.7 전이 학습 _3.8 다중 분류 _3.9 드롭아웃 규제 _3.10 마치며 CHAPTER 4 파이토치 데이터셋 _4.1 데이터셋 시작하기 _4.2 FashionMNIST 클래스 살펴보기 _4.3 제너릭 데이터셋 클래스 _4.4 사용자 정의 분할 사용하기 _4.5 머신러닝 데이터 관리를 위한 ETL 프로세스 _4.6 로드 단계 최적화하기 _4.7 DataLoader 클래스 사용하기 _4.8 훈련 성능 향상을 위해 ETL 병렬화하기 _4.9 마치며 CHAPTER 5 자연어 처리 소개 _5.1 언어를 숫자로 인코딩하기 _5.2 불용어 제거와 텍스트 정제 _5.3 실제 데이터 다루기 _5.4 마치며 CHAPTER 6 임베딩을 사용한 감성 프로그래밍 _6.1 단어의 의미 구축하기 _6.2 파이토치의 임베딩 _6.3 임베딩 시각화 _6.4 사전 훈련된 임베딩 사용하기 _6.5 마치며 CHAPTER 7 자연어 처리를 위한 순환 신경망 _7.1 순환 구조 _7.2 순환을 언어로 확장하기 _7.3 RNN으로 텍스트 분류기 만들기 _7.4 RNN에 사전 훈련된 임베딩 사용하기 _7.5 마치며 CHAPTER 8 머신러닝으로 텍스트 생성하기 _8.1 시퀀스를 입력 시퀀스로 변환하기 _8.2 모델 만들기 _8.3 텍스트 생성하기 _8.4 데이터셋 확장하기 _8.5 모델 구조 개선하기 _8.6 데이터 개선하기 _8.7 문자 기반 인코딩 _8.8 마치며 CHAPTER 9 시퀀스와 시계열 데이터 이해하기 _9.1 시계열의 공통 특징 _9.2 시계열 예측 기법 _9.3 마치며 CHAPTER 10 시퀀스를 예측하는 머신러닝 모델 만들기 _10.1 윈도 데이터셋 만들기 _10.2 DNN을 만들고 시퀀스 데이터로 훈련하기 _10.3 DNN의 결과 평가하기 _10.4 학습률 튜닝하기 _10.5 마치며 CHAPTER 11 시퀀스 모델을 위한 합성곱 신경망과 순환 신경망 _11.1 시퀀스 데이터를 위한 합성곱 _11.2 NASA 날씨 데이터 사용하기 _11.3 RNN으로 시퀀스 모델링하기 _11.4 다른 순환 층 _11.5 드롭아웃 사용하기 _11.6 양방향 RNN 사용하기 _11.7 마치며 [PART II 모델 사용] CHAPTER 12 추론의 개념 _12.1 텐서 _12.2 이미지 데이터 _12.3 텍스트 데이터 _12.4 모델의 텐서 출력 _12.5 마치며 CHAPTER 13 서빙을 위해 파이토치 모델 호스팅하기 _13.1 TorchServe 소개 _13.2 TorchServe 설정 _13.3 플라스크로 서빙하기 _13.4 마치며 CHAPTER 14 서드 파티 모델과 허브 사용하기 _14.1 허깅 페이스 허브 _14.2 파이토치 허브 _14.3 마치며 CHAPTER 15 트랜스포머와 transformers _15.1 트랜스포머 이해하기 _15.2 인코더-디코더 구조 _15.3 transformers API _15.4 transformers 시작하기 _15.5 핵심 개념 _15.6 마치며 CHAPTER 16 사용자 정의 데이터와 함께 LLM 사용하기 _16.1 LLM 미세 튜닝 _16.2 LLM 프롬프트 튜닝 _16.3 마치며 CHAPTER 17 Ollama로 LLM 서빙하기 _17.1 Ollama 시작하기 _17.2 서버로 Ollama 실행하기 _17.3 Ollama LLM을 사용하는 애플리케이션 구축하기 _17.4 마치며 CHAPTER 18 RAG 소개 _18.1 RAG란 무엇인가요? _18.2 RAG 시작하기 _18.3 RAG 콘텐츠와 LLM 사용하기 _18.4 마치며 CHAPTER 19 허깅 페이스의 diffusers를 사용한 생성 모델 활용 _19.1 디퓨전 모델이란 _19.2 허깅 페이스의 diffusers 사용하기 _19.3 마치며 CHAPTER 20 LoRA와 diffusers를 사용한 이미지 생성 모델 튜닝 _20.1 diffusers로 LoRA 미세 튜닝하기 _20.2 마치며 |
저자 소개 2
Laurence Moroney
여러 상을 수상한 AI 연구자이자 베스트셀러 작가입니다. 프로그래밍과 머신러닝 업계에서 30년이 넘는 경력을 쌓아 온 베테랑으로, 대표적인 프로그래밍 서적을 비롯해 SF 소설과 각본에 이르기까지 20권이 넘는 책을 집필했습니다. 또한 DeepLearning.AI의 앤드루 응과 함께 코세라에서 인기 있는 AI 전문 과정을 강의하고 있습니다. 전 세계적으로 인정받는 연사이며, 소프트웨어 개발자가 AI와 머신러닝을 보다 쉽게 이해할 수 있도록 풀어 내는 데 열정을 쏟고 있습니다.
로런스 모로니의 다른 상품
기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. Google AI/Cloud GDE, Microsoft AI MVP이다. 텐서플로우 블로그(tensorflow.blog)를 운영하고 있으며, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.
《혼자 만들면서 공부하는 딥러닝》(한빛미디어, 2025), 《혼자 공부하는 머신러닝+딥러닝 개정판》(한빛미디어, 2025), 《혼자 공부하는 데이터 분석 with 파이썬》(한빛미디어, 2023), 《챗GPT로 대화하는 기술》(한빛미디어, 2023), 《Do it! 딥러닝
기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. Google AI/Cloud GDE, Microsoft AI MVP이다. 텐서플로우 블로그(tensorflow.blog)를 운영하고 있으며, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.
《혼자 만들면서 공부하는 딥러닝》(한빛미디어, 2025), 《혼자 공부하는 머신러닝+딥러닝 개정판》(한빛미디어, 2025), 《혼자 공부하는 데이터 분석 with 파이썬》(한빛미디어, 2023), 《챗GPT로 대화하는 기술》(한빛미디어, 2023), 《Do it! 딥러닝 입문》(이지스퍼블리싱, 2019)을 집필했다.
《밑바닥부터 만들면서 배우는 LLM》(길벗, 2025), 《핸즈온 LLM》(한빛미디어, 2025), 《머신 러닝 Q & AI》(길벗, 2025), 《개발자를 위한 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), 《파이썬 라이브러리를 활용한 머신러닝 개정2판》(한빛미디어, 2022), 《머신러닝 교과서 3판》(길벗, 2021)을 포함하여 수십 권의 책을 우리말로 옮겼다.
《혼자 만들면서 공부하는 딥러닝》(한빛미디어, 2025), 《혼자 공부하는 머신러닝+딥러닝 개정판》(한빛미디어, 2025), 《혼자 공부하는 데이터 분석 with 파이썬》(한빛미디어, 2023), 《챗GPT로 대화하는 기술》(한빛미디어, 2023), 《Do it! 딥러닝 입문》(이지스퍼블리싱, 2019)을 집필했다.
《밑바닥부터 만들면서 배우는 LLM》(길벗, 2025), 《핸즈온 LLM》(한빛미디어, 2025), 《머신 러닝 Q & AI》(길벗, 2025), 《개발자를 위한 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), 《파이썬 라이브러리를 활용한 머신러닝 개정2판》(한빛미디어, 2022), 《머신러닝 교과서 3판》(길벗, 2021)을 포함하여 수십 권의 책을 우리말로 옮겼다.
박해선의 다른 상품
관련 분류
품목정보
- 발행일
- 2026년 03월 06일
- 쪽수, 무게, 크기
- 504쪽 | 1106g | 183*235*26mm
- ISBN13
- 9791175790223
출판사 리뷰
|
LLM 시대, 파이토치로 만드는 AI 마스터 트랙
수식 없이 머신러닝 기초부터 RAG, LLM 미세 튜닝, 디퓨전까지 복잡한 미적분 공식과 통계학의 늪에 빠져 인공지능 학습의 첫 페이지조차 넘기지 못했던 개발자들에게 이 책은 가장 명쾌한 마스터 트랙을 제시합니다. 특히 전작 『개발자를 위한 머신러닝&딥러닝』에서 이미 완벽한 호흡을 보여 주었던 AI 교육의 거장 로런스 모로니와 박해선 역자가 이번 파이토치 버전에서도 다시 한번 의기투합했습니다. 거창한 이론 나열 대신 ‘이론보다 코드 먼저’라는 철학을 고수하는 저자의 정공법을 통해, 복잡한 수식 없이도 실행 가능한 예제를 직접 따라 하며 신경망이 데이터를 학습하는 본질적인 원리를 코드로 완벽히 체득할 수 있습니다. 기초적인 컴퓨터 비전과 자연어 처리를 넘어, 여러분의 커리어를 생성형 AI의 정점으로 이끌 실전 기술 로드맵이 펼쳐집니다. 1,700여 줄의 실제 데이터를 요리해 시를 쓰고, 나만의 지식을 더하는 RAG 시스템과 가상의 캐릭터를 창조하는 LoRA 미세 튜닝까지 직접 구현해 보세요. 특히 Ollama를 활용한 로컬 모델 서빙과 TorchServe 배포 등 실무 엔지니어에게 꼭 필요한 모델 운용의 전 과정을 섭렵하게 될 것입니다. 이 책을 덮는 순간, 여러분은 단순히 트렌드를 쫓는 사용자를 넘어 생성형 AI 서비스를 독자적으로 설계하고 운영하는 대체 불가능한 인재로 도약하게 될 것입니다. 주요 내용 - 파이토치로 익히는 머신러닝, 딥러닝 핵심 개념과 학습 흐름 - 컴퓨터 비전, 자연어 처리, 시계열 데이터 실전 구현법 - 트랜스포머 구조 이해와 허깅 페이스 기반 LLM 활용법 - 개인 데이터를 활용한 RAG 파이프라인 구성과 실습 - diffusers와 LoRA로 살펴보는 생성형 이미지 모델 확장법 대상 독자 - 단순 API 호출을 넘어 서버를 직접 운영하고 싶은 엔지니어 - 실무에 즉시 적용 가능한 최신 AI 기술이 필요한 실무자 - 파이토치로 생성형 AI 시대의 기초를 다지고 싶은 대학생 - 수학은 두렵지만 AI 공부는 시작해 보고 싶은 주니어 개발자 |
추천평
|
로런스 모로니는 개발자들이 AI 분야에서 성과를 거둘 수 있도록 돕는 데 중요한 역할을 해 왔습니다. 이 책은 트랜스포머를 포함한 최신 AI 흐름에 독자가 대비할 수 있도록 안내하며, 최선을 다해 파이토치를 배우길 바라는 이들에게 엄청난 모험이 될 것입니다. - 앤드루 응 (DeepLearning.AI 설립자)
|
|
로런스가 또다시 해냈습니다! 복잡한 AI 개념을 개발자가 쉽게 배울 수 있도록 훌륭하게 풀어 낸 책입니다. 이 책은 『개발자를 위한 머신러닝&딥러닝』의 파이토치 버전으로, 더 넓고 열정적인 커뮤니티가 머신러닝을 활용할 수 있도록 도와줄 것입니다. - 라우라 우스카테기 (DynG AI, Inc.의 공동창업자)
|
|
AI를 배우고 싶은 개발자나 컴퓨터 과학 전공 학생 모두에게 필요한 책입니다. 로런스는 명확한 기초 이론과 이해를 돕는 그래픽, 잘 설명된 파이토치 코드를 유기적으로 결합했습니다. 컴퓨터 비전, 시계열, NLP까지 폭넓게 다루며 탄탄한 머신러닝 기초를 쌓을 수 있는 실용적인 가이드입니다. - 루이스-프랑수아 부샤르 (AI 교육자, Towards AI의 공동창업자이자 CTO)
|
|
‘이론보다 코드 먼저’라는 로런스의 접근 방식은 개발자의 진입 장벽을 효과적으로 낮췄습니다. 『개발자를 위한 머신러닝&딥러닝』에 이은 이번 파이토치 버전은 LLM 미세 튜닝, RAG, 스테이블 디퓨전까지 아우르며 생성형 AI 시대를 위한 확실한 업그레이드를 제시합니다. - 아마르 모하나 (AI 컨설턴트 및 강사)
|
32,400원
총 1개
32,400원
