홈앤서비스 SK BROADBAND

유연하고도 강력한 파이토치를 기반으로, AI 모델을 직접 설계하고 학습시키며 머신러닝의 기본 원리부터 최신 생성형 AI 기술까지 단계적으로 익혀 보세요. 복잡한 수식이나 이론 설명에 치우치지 않고, 실행 가능한 예제와 실험을 통해 모델의 동작 방식과 성능 변화를 직접 확인할 수 있습니다. 컴퓨터 비전과 자연어 처리 같은 핵심 주제에서 출발해 트랜스포머와 LLM, RAG로 자연스럽게 학습 범위를 확장합니다. 또한 모델 학습 이후의 활용까지 고려해 로컬 환경에서의 모델 운용과 간단한 서비스 연계 과정까지 살펴봅니다. 이 책을 통해 AI를 개념으로 이해하는 데서 나아가, 실제 시스템에서 활용 가능한 기술로 익힐 수 있습니다.

[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