작품소개
“딥러닝을 배워서 어디에 활용할 수 있을지 궁금했나요?”
강아지 사진 분류하기, 영화 리뷰 텍스트의 감성 분석하기, GPT 모델 만들기 등
다양한 딥러닝 모델을 직접 구현해 보며 재미있게 실력 쌓기!
딥러닝 분야를 대표하는 초창기 컴퓨터 비전 모델부터 대규모 언어 모델인 GPT, Llama, Gemma 등의 최신 모델까지! 다양한 딥러닝 모델을 구현하며 인공지능의 발전 과정은 물론, 새롭게 적용된 최신 기술까지 흥미롭게 경험해 보세요.
저자 직강 유튜브 강의 + 오픈채팅 제공
책을 읽다가 궁금한 점이 있을 때는 언제든지 질문해 보세요. 저자가 직접 답변하는 카카오톡 오픈채팅과 학습 사이트 Q&A를 운영하고 있습니다. 예제 파일 다운로드 및 동영상 강의 시청 역시 한빛미디어의 학습 사이트에서 언제든 지원받을 수 있습니다.
저자소개
기계공학을 전공했지만 졸업 후엔 코드를 읽고 쓰는 일을 했다. 지금은 Microsoft AI MVP와 Google AI GDE로 활동하고 있으며, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다. 『인공지능 전문가가 알려 주는 챗GPT와 대화하는 기술』(한빛미디어, 2023), 『혼자 공부하는 머신러닝+딥러닝(개정판)』(한빛미디어, 2025), 『Do It! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했고, 『핸즈온 머신러닝(3판)』(한빛미디어, 2023), 『만들면서 배우는 생성 AI(2판)』(한빛미디어,2023), 『케라스 창시자에게 배우는 딥러닝(개정 2판)』(길벗, 2022)을 포함하여 여러 권의 머신러닝, 딥러닝 책을 우리말로 옮겼다.
목차
Chapter 01. 합성곱 신경망(CNN)으로 패션 상품 이미지 분류하기
01-1. 딥러닝 개발환경 구축하기
__딥러닝을 위한 준비물, 구글 코랩
__코랩의 화면 구성
__코랩으로 실습 준비하기
__키워드로 정리하는 핵심 포인트
01-2. 합성곱 신경망(CNN) 모델 이해하기
__최초의 CNN 모델 - LeNet
__합성곱 층 - Conv2D
__풀링층과 밀집층 - AveragePooling2D, Dense
__키워드로 정리하는 핵심 포인트
01-3. 패션 상품 이미지 분류하기
__LeNet 모델 만들기
__LeNet 모델 훈련하기
__키워드로 정리하는 핵심 포인트
Chapter 02.사전 훈련된 CNN 모델로 강아지와 고양이 사진 분류하기
02-1. 이미지 분류 CNN 모델 만들기
__이미지넷 대회에서 우승한 최초의 CNN 모델 - AlexNet
__사전 훈련된 CNN 모델 - VGGNet
__키워드로 정리하는 핵심 포인트
02-2. 강아지와 고양이 사진 분류하기
__VGGNet 모델 로드하기
__강아지와 고양이 사진 분류하기
__키워드로 정리하는 핵심 포인트
02-3. 강아지와 고양이 사진 분류 모델의 성능 개선하기
__훈련 성능을 높이는 CNN 모델 - ResNet
__ResNet 모델 만들기
__강아지와 고양이 사진 분류하기
__[좀 더 알아보기] GoogLeNet
__[미니 프로젝트] GoogLeNet으로 강아지와 고양이 사진 분류하기
__키워드로 정리하는 핵심 포인트
Chapter 03. 고급 CNN 모델과 전이 학습으로 이미지 분류하기
03-1. 이미지 분류 모델의 효율성 최적화하기
__ResNet의 확장 모델 - DenseNet
__모바일 환경(경량) 모델 - MobileNet
__키워드로 정리하는 핵심 포인트
03-2. 이미지 분류 모델의 성능 최적화하기
__가장 높은 성능을 내는 모델 - EfficientNet
__EfficientNet 모델 만들기
__EfficientNet 모델로 강아지 사진 분류하기
__키워드로 정리하는 핵심 포인트
03-3. 전이 학습으로 피스타치오 이미지 분류하기
__텐서플로 허브로 강아지 사진 분류하기
__허깅페이스로 강아지 사진 분류하기
__전이 학습으로 피스타치오 품종 분류하기
__[미니 프로젝트] 캐글 모델로 피스타치오 품종 분류하기
__키워드로 정리하는 핵심 포인트
Chapter 04. 트랜스포머 인코더 모델로 영화 리뷰 텍스트의 감성 분류하기
04-1. 트랜스포머 인코더 모델 이해하기
__어텐션 메커니즘
__위치 인코딩과 층 정규화
__트랜스포머 인코더 모델 만들기
__키워드로 정리하는 핵심 포인트
04-2. 전이 학습으로 영화 리뷰 텍스트의 감성 분류하기
__트랜스포머 인코더 기반 언어 이해 모델 - BERT
__KerasNLP로 영화 리뷰 텍스트의 감성 분류하기
__허깅페이스로 영화 리뷰 텍스트의 감성 분류하기
__[좀 더 알아보기] 미세 튜닝된 모델로 감성 분석하기
__키워드로 정리하는 핵심 포인트
04-3. BERT 후속 모델로 영화 리뷰 텍스트의 감성 분류하기
__BERT의 성능 개선 모델 - RoBERTa
__BERT의 경량화 모델 - DistilBERT
__[미니 프로젝트] KerasNLP로 DistilBERT 모델 만들기
__키워드로 정리하는 핵심 포인트
Chapter 05. 트랜스포머 디코더 모델로 텍스트 생성하기
05-1. GPT-2 모델로 텍스트 생성하기
__마스크드 멀티 헤드 어텐션
__트랜스포머 디코더 모듈 만들기
__GPT-2 모델로 다양한 텍스트 생성하기
__허깅페이스로 다양한 텍스트 생성하기
__키워드로 정리하는 핵심 포인트
05-2. Llama 모델로 텍스트 생성하기
__Llama 모델 이해하기
__KerasNLP로 Llama-2 모델 만들기
__Llama-2 모델로 텍스트 생성하기
__Llama-3 모델로 텍스트 생성하기
__[좀 더 알아보기] Llama-3.1과 Llama-3.2
__키워드로 정리하는 핵심 포인트
05-3. Gemma 모델로 텍스트 생성하기
__Gemma 모델 이해하기
__KerasNLP로 Gemma 모델 만들기
__Gemma 모델로 텍스트 생성하기
__Gemma-2 모델로 텍스트 생성하기
__[미니 프로젝트] KerasNLP로 Llama-3 모델 만들기
__키워드로 정리하는 핵심 포인트
Chapter 06. 트랜스포머 인코더-디코더 모델로 텍스트 요약하기
06-1. BART 모델로 텍스트 요약하기
__트랜스포머 인코더-디코더 모델 만들기
__BART 모델로 텍스트 요약하기
__키워드로 정리하는 핵심 포인트
06-2. T5 모델로 텍스트 요약하기
__T5 모델 이해하기
__T5 모델로 텍스트 요약하기
__T5-1.1 모델로 텍스트 요약하기
__[미니 프로젝트] T5-1.1 small 모델 만들기
__키워드로 정리하는 핵심 포인트
06-3. 에필로그
찾아보기