- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
상세 이미지
소개
목차
|
PART 01 파이썬과 딥러닝 기초CHAPTER 01 딥러닝 개발 환경과 필수 개념01 딥러닝 개발 환경02 [실습] Colab으로 파이썬 사용하기03 [실습] 로컬 환경 구축하기04 딥러닝 연산의 기초05 데이터 시각화 기초06 [실습] 넘파이와 파이토치를 활용한 계산 구현하기연습문제실습문제CHAPTER 02 인공지능의 정의와 학습 원리01 인공지능의 발전과 계층 구조02 머신러닝의 분류03 [실습] 분류와 군집화 알고리즘 구현하기04 신경망의 기본 구성 요소05 모델 학습과 최적화 과정06 일반화와 학습 안정화07 [실습] 가중치 업데이트 체험하기연습문제실습문제CHAPTER 03 데이터 처리와 학습 파이프라인01 데이터 파이프라인 설계02 데이터 증강과 변환03 고급 데이터 파이프라인의 구성 요소04 [실습] 신경망 학습 루프 구현하기연습문제실습문제PART 02 신경망의 기본 구조와 응용 모델CHAPTER 04 기초 신경망의 이해01 합성곱 신경망의 이해02 순환 신경망과 게이트 기반 모델03 [실습] CNN을 활용해 이미지 분류하기04 [실습] LSTM을 활용해 시계열 예측하기연습문제실습문제CHAPTER 05 컴퓨터 비전과 시퀀스 모델01 컴퓨터 비전의 개요02 컴퓨터 비전의 주요 과제03 [실습] YOLO 모델로 객체 탐지 수행하기04 [실습] U-Net으로 이미지 분할하기05 Seq2Seq 모델과 어텐션 메커니즘06 [실습] 어텐션 기반 기계 번역 모델 구현하기연습문제실습문제CHAPTER 06 생성 모델 입문01 생성 모델과 매니폴드 학습02 오토인코더03 변이형 오토인코더04 생성적 적대 신경망05 [실습] DCGAN 모델 구현하기연습문제실습문제PART 03 트랜스포머와 대규모 생성 모델CHAPTER 07 트랜스포머 아키텍처01 트랜스포머 아키텍처의 개요02 셀프 어텐션과 멀티 헤드 어텐션03 트랜스포머 입력 표현과 인코더-디코더 구조04 [실습] 인코더-디코더 구현하기연습문제실습문제CHAPTER 08 GPT 아키텍처와 대규모 언어 모델01 트랜스포머 모델의 구조적 분화02 GPT 아키텍처03 대규모 언어 모델04 [실습] GPT 모델로 텍스트 생성하기연습문제실습문제CHAPTER 09 멀티모달 모델과 확산 모델01 멀티모달 모델의 이해02 확산 모델 분석03 LDM의 원리와 스테이블 디퓨전04 [실습] Text-to-Image 생성 제어하기연습문제실습문제CHAPTER 10 대규모 모델 학습과 파인튜닝01 분산 학습02 혼합 정밀도 학습03 효율적 파인튜닝의 원리와 구현04 데이터 중심 AI05 [실습] LoRA를 활용하여 LLM 파인튜닝하기연습문제실습문제PART 04 강화 학습 기초CHAPTER 11 가치 기반 학습01 강화 학습 개요02 마르코프 결정 과정03 가치 함수와 벨만 방정식04 [실습] 강화 학습 환경과의 상호작용 확인하기05 탐험과 활용 딜레마06 가치 기반 알고리즘07 [실습] CartPole 문제 해결하기연습문제실습문제CHAPTER 12 정책 기반 학습01 정책 기반 강화 학습02 정책 경사 정리와 REINFORCE 알고리즘03 [실습] REINFORCE 구현하기04 액터-크리틱 구조와 어드밴티지 함수05 근접 정책 최적화의 원리06 RLHF 파이프라인과 PPO의 역할07 [실습] PPO 알고리즘 핵심 로직 구현하기연습문제실습문제PART 05 최신 AI 알고리즘과 파이토치 활용CHAPTER 13 프롬프트 엔지니어링01 프롬프트 개념과 설계 원리02 고급 프롬프팅 기법03 [실습] CoT 프롬프트로 추론 문제 해결하기연습문제실습문제CHAPTER 14 언어 모델 정렬01 언어 모델 정렬과 RLHF 파이프라인02 직접 선호도 최적화 알고리즘03 [실습] 언어 모델 선호도 학습하기연습문제실습문제CHAPTER 15 신경망 기반 탐색과 의사결정01 탐색 문제와 강화 학습의 한계02 몬테카를로 트리 탐색 알고리즘03 신경망과 MCTS의 결합04 [실습] 오목 AI 에이전트 구현하기연습문제실습문제CHAPTER 16 실전 AI 서비스 프로젝트01 어시스턴트 핵심 엔진 : 검색 증강 생성02 인터페이스 구축 : 음성 전사와 음성 합성03 [실습] 개인화 음성 어시스턴트 구현하기CHAPTER 17 모델 최적화와 프로토타입 구현01 모델 효율화와 서비스 운영02 프로토타이핑03 [실습] 개인화 음성 어시스턴트 배포하기
|
저자 소개 1
서강대학교 가상융합전문대학원에서 조교수로 재직하며 인공지능을 가르치고 있다. 서강대학교에서 컴퓨터공학과 신문방송학을 복수 전공하며 기술과 미디어를 함께 공부했고, 이후 동 대학원 컴퓨터공학과 석박통합과정을 거쳐 박사 학위를 취득했다. 컴퓨터 비전과 멀티모달 AI를 중심으로 대규모 모델 학습과 추론 최적화, 실제 환경에서 작동하는 인공지능 시스템을 연구해 왔으며, 성능과 구조, 시스템 구현을 함께 고려하는 연구를 지속해 오고 있다.
네이버 CLOVA AI 에서 연구 인턴으로 근무하며 모바일 환경을 고려한 모델 최적화와 신경망 구조 탐색 연구를 수행했다. 이후 LG AI 연구
서강대학교 가상융합전문대학원에서 조교수로 재직하며 인공지능을 가르치고 있다. 서강대학교에서 컴퓨터공학과 신문방송학을 복수 전공하며 기술과 미디어를 함께 공부했고, 이후 동 대학원 컴퓨터공학과 석박통합과정을 거쳐 박사 학위를 취득했다. 컴퓨터 비전과 멀티모달 AI를 중심으로 대규모 모델 학습과 추론 최적화, 실제 환경에서 작동하는 인공지능 시스템을 연구해 왔으며, 성능과 구조, 시스템 구현을 함께 고려하는 연구를 지속해 오고 있다.
네이버 CLOVA AI 에서 연구 인턴으로 근무하며 모바일 환경을 고려한 모델 최적화와 신경망 구조 탐색 연구를 수행했다. 이후 LG AI 연구원에서 책임 연구원으로 재직하며 대규모 멀티모달 모델과 비전 언어 모델 연구를 진행했고, 이미지와 언어를 양방향으로 연결하는 모델을 실제 서비스로 상용화하는 과정까지 경험했다. 이과정에서 모델 학습과 구조 설계뿐 아니라 추론 속도, 시스템 구성, 운영 환경까지 아우르며 연구와 제품 개발을 함께 수행해 왔다. CVPR와 ICCV 등 주요 국제 학회에서 여러 차례 워크숍을 주최하며, 멀티모달 모델의 평가와 활용을 둘러싼 논의를 학계와 산업 연구자들과 함께 이어오고 있다.
현재는 Multimodal Interactive Machine Intelligence Creation Laboratory, MIMIC Lab를 이끌며 멀티모달 AI와 인간 상호작용을 주제로 한 연구와 교육을 병행하고 있다. 시각, 언어, 음성, 행동 등 다양한 정보를 통합해 인간의 행동과 맥락을 이해하고 반응하는 인공지능 시스템을 주요 연구 대상으로 삼고 있으며, 학생들과 함께 새로운 형태의 AI를 설계하고 구현하는 연구 문화를 만들어 가고 있다.
네이버 CLOVA AI 에서 연구 인턴으로 근무하며 모바일 환경을 고려한 모델 최적화와 신경망 구조 탐색 연구를 수행했다. 이후 LG AI 연구원에서 책임 연구원으로 재직하며 대규모 멀티모달 모델과 비전 언어 모델 연구를 진행했고, 이미지와 언어를 양방향으로 연결하는 모델을 실제 서비스로 상용화하는 과정까지 경험했다. 이과정에서 모델 학습과 구조 설계뿐 아니라 추론 속도, 시스템 구성, 운영 환경까지 아우르며 연구와 제품 개발을 함께 수행해 왔다. CVPR와 ICCV 등 주요 국제 학회에서 여러 차례 워크숍을 주최하며, 멀티모달 모델의 평가와 활용을 둘러싼 논의를 학계와 산업 연구자들과 함께 이어오고 있다.
현재는 Multimodal Interactive Machine Intelligence Creation Laboratory, MIMIC Lab를 이끌며 멀티모달 AI와 인간 상호작용을 주제로 한 연구와 교육을 병행하고 있다. 시각, 언어, 음성, 행동 등 다양한 정보를 통합해 인간의 행동과 맥락을 이해하고 반응하는 인공지능 시스템을 주요 연구 대상으로 삼고 있으며, 학생들과 함께 새로운 형태의 AI를 설계하고 구현하는 연구 문화를 만들어 가고 있다.
김태훈의 다른 상품
품목정보
- 발행일
- 2026년 07월 03일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 10.07MB ?
- 글자 수/ 페이지 수
- 약 561쪽 ?
- ISBN13
- 9791173409264
출판사 리뷰
|
파이토치로 배우는 현대 인공지능,핵심 원리와 실전 서비스 구현 과정을 한 권에 담았습니다!〉 인공지능의 전 영역을 아우르는 최신 기술 수록딥러닝 기초 이론으로 시작해 CNN·RNN, 트랜스포머, 확산 모델, 강화 학습, RAG·프롬프트 엔지니어링·MCTS 같은 최신 AI 알고리즘까지, 현대 인공지능의 발전 흐름을 한 권으로 정리했습니다. 빠르게 변화하는 AI 트렌드 속에서도 흔들리지 않을 인공지능의 핵심 원리를 파악할 수 있습니다.〉 원리 이해 중심의 파이토치 실습 수록인공지능 모델의 구조를 수식과 도식으로 이해하고, 이어지는 파이토치 [실습]으로 인공지능 모델을 직접 구현할 수 있습니다. 또한 7장부터 제공하는 [실전 프롬프트]를 통해 생성형 AI를 활용하여 프로그램을 작성하는 원리를 이해할 수 있습니다.〉 실전 AI 서비스 프로젝트로 완성하는 학습16~17장에서는 RAG, 음성 전사·합성 모델을 결합한 개인화 음성 어시스턴트를 직접 구현하고, 이를 최적화하여 실제 서비스로 배포하는 과정까지 경험합니다. 이론 학습을 넘어, 현대 인공지능 시스템이 실제 환경에서 어떻게 구축되고 동작하는지 체득할 수 있습니다.
|
