소득공제
베스트셀러
PDF
eBook
멀티모달까지 직접 구현하는 딥러닝 with 파이토치
기초 텐서 연산부터 최신 LLM 파인튜닝과 양자화까지 다루는 딥러닝 교과서
스마트한 PDF 필기 기능을 사용해 보세요!
- 주간베스트
- IT 모바일 121위
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
소개
목차
|
__추천인의 글__독자에게 전하는 말__이 책의 학습 방법__보조 학습 자료PART 1 파이토치로 딥러닝 시작하기CHAPTER 01 텐서와 자동 미분1-1 텐서 자료형__텐서: 파이토치의 기본 데이터 형식__텐서 다루기__텐서의 조작__연습문제1-2 자동 미분__텐서와 미분__자동 미분의 사용법__연습문제1-3 첫 번째 딥러닝 모델__회귀 분석 모델의 설계__회귀 분석 모델의 구현__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들CHAPTER 02 똑똑한 선 긋기, 퍼셉트론2-1 기계가 선을 긋는다면?__퍼셉트론: 인공 뉴런의 조상__퍼셉트론을 분류에 사용하는 원리__연습문제2-2 퍼셉트론으로 구현한 AND 게이트__AND 게이트 시뮬레이터 모델__모델 학습과 평가__연습문제2-3 파이토치 고수준 API__파이토치의 방식으로 모델 만들기__파이토치에서 제공하는 클래스 도구__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들CHAPTER 03 선을 넘는 신경망, 다층 퍼셉트론3-1 복잡한 분류 문제__다층 퍼셉트론의 등장 배경__다층 퍼셉트론__연습문제3-2 다층 퍼셉트론으로 구현한 XOR 게이트__파이토치로 다층 퍼셉트론 모델 만들기__결과로 돌아보는 다층 퍼셉트론의 결정 경계__연습문제3-3 좀 더 복잡한 분류 문제__회오리 모양으로 분포한 데이터의 분류__모델 구현하기__더 좋은 분류 모델을 위한 도구__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들CHAPTER 04 딥.완.데, 딥러닝의 완성은 데이터4-1 데이터에서 시작하는 슬기로운 딥러닝 생활__딥러닝 모델의 데이터__일반적으로 좋은 모델 만들기__연습문제4-2 파이토치로 데이터를 다루는 표준 절차__데이터 파이프라인__파이토치의 방식으로 데이터 다루기__연습문제4-3 공개 이미지 데이터셋의 사용__torchvision 라이브러리__MNIST 숫자 분류기 모델__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들PART 2 구조에 숨은 특징과 의미CHAPTER 05 이미지를 보는 눈, 합성곱 신경망5-1 딥러닝에 맞는 이미지 취급법__이미지를 제대로 이해하는 방법__합성곱: 이미지 맞춤 특징 추출기__연습문제5-2 합성곱 신경망 모델 만들기__합성곱 신경망을 구성하는 부품__합성곱 신경망 숫자 분류기 모델__연습문제5-3 좀 더 복잡한 이미지를 다루는 딥러닝__CIFAR -10 이미지 분류 모델__과적합을 완화하는 또 다른 방법__연산 장치와 하드웨어 가속기의 활용__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들CHAPTER 06 순서를 기억하는 방법, 순환 신경망6-1 순환 신경망__순환 신경망: 순서 맞춤 특징 추출기__순환 신경망의 입력 데이터__연습문제6-2 순서를 예측하는 생성 모델 만들기__다음 토큰을 예측하는 단순 RNN 모델__자기회귀: 순환 신경망으로 생성하기__연습문제6-3 순서를 기준으로 판단하는 모델 만들기__띄어쓰기를 예측하는 단순 RNN 모델__LSTM: 기억을 제어하는 순환 신경망__띄어쓰기 모델을 개선하려면__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들CHAPTER 07 데이터 속의 의미7-1 똑똑한 어휘 사전, 임베딩__임베딩: 더 똑똑한 토큰 인코딩__임베딩 벡터__임베딩 벡터에 담긴 의미__연습문제7-2 임베딩을 사용하는 순환 신경망 모델__임베딩 계층을 사용하는 모델 정의하기__임베딩 계층을 사용하는 모델의 학습__연습문제7-3 데이터를 압축하는 오토인코더__오토인코더: 표현의 압축__오토인코더로 MNIST 데이터 재현해 보기__연습문제7-4 잠재 공간과 전이 학습__잠재 벡터의 분포와 잠재 공간__인코더를 재활용해 만드는 숫자 분류기__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들PART 3 딥러닝을 위한 전략CHAPTER 08 더 깊은 딥러닝8-1 단순해도 깊어서 좋은 VGGNet__딥러닝에서 깊이의 의미__VGGNet: 단순하지만 깊은 모델__연습문제8-2 안정적으로 더 깊게 쌓기, 배치 정규화__깊은 모델을 안정적으로 학습하는 전략__배치 정규화가 추가된 VGGNet__연습문제8-3 깊이의 한계를 극복하는 덧셈의 마법, ResNet__ResNet: 차이에 집중해 학습하는 더 깊은 모델__잔차 학습을 적용한 모델 만들기__연습문제8-4 진짜 VGGNet과 ResNet 활용해 보기__허깅페이스 허브를 통한 공개 모델 활용__허깅페이스의 사전 학습 모델을 사용한 전이 학습__연습문제학습노트__요점 정리__8장에서 사용한 사전 학습 모델__더 공부하거나 찾아보면 도움이 되는 것들CHAPTER 09 가변 길이를 다루는 Seq2Seq와 어텐션9-1 Seq2Seq 모델__Seq2Seq: 인코더-디코더로 순차 데이터를 생성하는 모델__Seq2Seq 모델로 구현한 날짜 형식 변환기__기본 Seq2Seq 모델에서 개선해야 할 점__연습문제9-2 Seq2Seq 모델의 배치 학습__배치 학습을 위한 표준 절차와 도구__순차 데이터의 미니배치 학습__연습문제9-3 어텐션__어텐션: 중요한 곳에 집중__어텐션 메커니즘의 구현__어텐션의 효과__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들CHAPTER 10 어텐션만으로 만든 신경망, 트랜스포머10-1 병렬 처리를 위한 새로운 패러다임, 트랜스포머__트랜스포머의 개념과 동작 방식__트랜스포머 구조로 만든 날짜 변환기 모델__연습문제10-2 트랜스포머의 변형 1, 인코더만 사용하는 트랜스포머__BERT: 인코더만 사용하는 트랜스포머__인코더만 사용하는 날짜 형식 분류기 모델__연습문제10-3 트랜스포머의 변형 2, 디코더만 사용하는 트랜스포머__GPT: 디코더만 사용하는 트랜스포머__디코더만 사용하는 문장 생성 모델__텍스트 생성 모델의 추론 방법__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들CHAPTER 11 이미지를 만드는 생성 전략11-1 변분 오토인코더: 잠재 공간에서 이미지를 생성하기__오토인코더의 한계와 변분 오토인코더의 등장__Fashion -MNIST 데이터셋으로 학습한 변분 오토인코더 모델__연습문제11-2 GAN: 적대적 경쟁으로 이미지를 생성하기__경쟁으로 더 좋은 모델을 만드는 전략__Fashion -MNIST 데이터셋을 학습한 DCGAN 모델__연습문제학습노트__요점 정리__더 공부하거나 찾아보면 도움이 되는 것들PART 4 거대한 모델의 시대CHAPTER 12 LLM을 활용하는 애플리케이션 개발12-1 transformers 라이브러리로 LLM 다루기__transformers 라이브러리와 Auto 모델 클래스__한국어 LLM 실행하기__LLM을 애플리케이션에 통합하는 방식__연습문제12-2 LLM을 미세 조정해 작업에 특화시키기__미세 조정의 의미와 모델 선택__한국어 요약 데이터셋 준비__모델 준비와 전이 학습 실행__연습문제12-3 양자화로 LLM 가볍게 돌리기__양자화가 필요한 이유와 작동 원리__bitsandbytes로 추론 양자화 적용하기__연습문제12-4 검색 증강 생성으로 환각 줄이기__RAG의 개념과 구성__간단한 RAG 파이프라인 구현__연습문제학습노트__요점 정리__12장에서 사용한 사전 학습 모델__더 공부하거나 찾아보면 도움이 되는 것들CHAPTER 13 언어 밖 진짜 세계의 모델, 멀티모달13-1 멀티모달 모델의 구조와 구현__멀티모달 모델의 등장 배경과 프로젝션 아이디어__CLIP과 GPT -2를 연결해 만든 이미지 설명 모델__연습문제13-2 Q -Former: 이미지 정렬 트랜스포머__이미지를 보고 텍스트를 생성하는 BLIP -2 모델__BLIP -2의 구현 방식과 Q -Former__연습문제학습노트__요점 정리__13장에서 사용한 사전 학습 모델__더 공부하거나 찾아보면 도움이 되는 것들__찾아보기
|
저자 소개 1
컴퓨터에 붙은 그림을 보고 애플이라는 단어의 뜻을 알게 된 이 땅의 흔한 개발자 중 한 사람이다. 포항공과대학교에서 전산학을, 한국과학기술원에서 인공지능을 공부했으며, 그 덕분에 알파고와 스카이넷을 구분할 줄 아는 지혜를 갖추게 되었다. 메일, 브라우저, CMS, 도서 관리 시스템 등 일관성을 찾기 어려운 다양한 프로젝트에 참여했다. 이렇게 하여 물에 물 탄듯한 경력이 완성되는 듯했으나, 최근 몇 년은 빅데이터 처리와 관련한 연구개발에 집중했다. 현재 에스코어에서 일래스틱(Elastic) 스택을 활용한 빅데이터 저장/검색 서비스 제공과 머신러닝 및 딥러닝 관련 업무를 수행하고 있
컴퓨터에 붙은 그림을 보고 애플이라는 단어의 뜻을 알게 된 이 땅의 흔한 개발자 중 한 사람이다. 포항공과대학교에서 전산학을, 한국과학기술원에서 인공지능을 공부했으며, 그 덕분에 알파고와 스카이넷을 구분할 줄 아는 지혜를 갖추게 되었다. 메일, 브라우저, CMS, 도서 관리 시스템 등 일관성을 찾기 어려운 다양한 프로젝트에 참여했다. 이렇게 하여 물에 물 탄듯한 경력이 완성되는 듯했으나, 최근 몇 년은 빅데이터 처리와 관련한 연구개발에 집중했다. 현재 에스코어에서 일래스틱(Elastic) 스택을 활용한 빅데이터 저장/검색 서비스 제공과 머신러닝 및 딥러닝 관련 업무를 수행하고 있다. 대량의 데이터를 실시간으로 수집, 처리, 분석하여, 실시간으로 생산되는 데이터의 수집과 시각화 사이의 시간 간격을 줄이는 데 각별한 관심이 있다.
박상은의 다른 상품
품목정보
- 발행일
- 2026년 10월 30일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 9.43MB ?
- 글자 수/ 페이지 수
- 약 570쪽 ?
- ISBN13
- 9788966265589
출판사 리뷰
|
[이 책만의 네 가지 핵심 차별점]① 역사의 흐름에 따른 자연스러운 서사 구조: 각 기술과 신경망 구조가 등장하게 된 문제 배경을 먼저 제시하고 코드로 이어지도록 구성하여, 목차 순서 자체가 하나의 유기적인 AI 발전 서사를 이룬다.② '설득하고, 구현하고, 증명하는' 3단계 구성: 해당 알고리즘이 왜 필요한지 원리를 설명(설득)한 후, 파이토치 코드로 구축(구현)하고, 실행 결과와 지표를 통해 필요성과 효과를 눈으로 직접 확인(증명)하게 한다.③ 수식과 코드 사이의 빈자리 보완: 복잡한 미분/통계 수식을 과감히 걷어내는 대신, 쉬운 우리말 설명과 동작하는 예제 코드를 나란히 배치해 개발자의 직관에 맞춘 학습 체계를 제공한다.④ 실무 디버깅 노하우 및 실패 예제 수록: 성공하는 경로만 보여 주는 데 그치지 않고, 저자가 실제 겪었던 에러 코드나 초기화 실패 사례를 일부러 제시하며 문제의 원인을 진단하는 디버깅 팁과 실무 노하우를 공유한다.[풍부한 추가 학습 생태계]① 공식 깃허브 저장소: 책의 분량상 모두 담지 못한 전체 실행 가능 코드와 주석, 추가 학습용 노트북(파이토치 훅, 스타일 전이, QLoRA 실습 등) 제공② 유튜브 강의 및 Q&A: 각 장별 핵심 요약 리뷰 영상, 연습문제 풀이 동영상 콘텐츠 및 저자 직접 답변 질문 게시판 운영
|
