머신러닝 분야 부동의 베스트셀러! 트랜스포머와 LLM 실습까지 더 많이 채웠다!

케라스는 물론 파이토치까지, 혼자서도 1:1 과외하듯 배우는 인공지능 자습서

** 혼공 용어 노트, 저자 직강 유튜브 강의, FAQ(자주 하는 질문), 오픈 채팅 등 풀패키지 제공

『혼자 공부하는 머신러닝+딥러닝』 (개정판)은 머신러닝과 딥러닝의 핵심 개념을 쉽고 체계적으로 익힐 수 있도록 돕는 입문서로, 최신 AI 트렌드를 반영해 더욱 완성도를 높였다. 특히 트랜스포머와 대규모 언어 모델(LLM) 실습을 새롭게 추가하여, 최신 AI 기술이 실제로 어떻게 동작하는지 배울 수 있도록 했다.

1판에서 많은 독자의 사랑을 받았던 ‘1:1 과외하듯 배우는 설명 방식’과 ‘구글 코랩(Colab) 기반 실습’을 유지하면서, 파이토치 예제 코드를 보강했다. 또한, 각 장마다 ‘자주 하는 질문(FAQ)’ 코너를 추가해 학습자의 이해를 돕고, 실습 중 마주할 수 있는 오류나 개념적 궁금증을 쉽게 해결할 수 있도록 구성했다. 입문자가 실전에서 부딪히는 문제를 미리 경험하고 해결하는 능력을 키울 수 있어, 더욱 효과적으로 머신러닝과 딥러닝을 익힐 수 있다.

또한, 혼공 용어 노트, 저자 유튜브 강의, Q&A 커뮤니티 등 다양한 학습 지원을 제공해 혼자서도 끝까지 학습을 이어갈 수 있도록 돕는다. 최신 AI 개념을 이해하고 실습까지 제대로 해보고 싶다면, 지금 이 책을 만나보자.

[목 차]

 

Chapter 01 나의 첫 머신러닝

 

01-1 인공지능과 머신러닝, 딥러닝

인공지능이란

머신러닝이란

딥러닝이란

[키워드로 끝내는 핵심 포인트]

[이 책에서 배울 것]

 

01-2 코랩과 주피터 노트북

구글 코랩

텍스트 셀

코드 셀

노트북

[키워드로 끝내는 핵심 포인트]

[표로 정리하는 툴바와 마크다운]

[확인 문제]

 

01-3 마켓과 머신러닝

생선 분류 문제

첫 번째 머신러닝 프로그램

[문제해결 과정] 도미와 빙어 분류

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[자주 하는 질문]

 

Chapter 02 데이터 다루기

 

02-1 훈련 세트와 테스트 세트

지도 학습과 비지도 학습

훈련 세트와 테스트 세트

샘플링 편향

넘파이

두 번째 머신러닝 프로그램

[문제해결 과정] 훈련 모델 평가

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

02-2 데이터 전처리

넘파이로 데이터 준비하기

사이킷런으로 훈련 세트와 테스트 세트 나누기

수상한 도미 한 마리

기준을 맞춰라

전처리 데이터로 모델 훈련하기

[문제해결 과정] 스케일이 다른 특성 처리

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[자주 하는 질문]

 

Chapter 03 회귀 알고리즘과 모델 규제

 

03-1 k-최근접 이웃 회귀

k-최근접 이웃 회귀

데이터 준비

결정계수(R²)

과대적합 vs 과소적합

[문제해결 과정] 회귀 문제 다루기

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

03-2 선형 회귀

k-최근접 이웃의 한계

선형 회귀

다항 회귀

[문제해결 과정] 선형 회귀로 훈련 세트 범위 밖의 샘플 예측

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

03-3 특성 공학과 규제

다중 회귀

데이터 준비

사이킷런의 변환기

다중 회귀 모델 훈련하기

규제

럿지 회귀

라쏘 회귀

[문제해결 과정] 모델의 과대적합을 제어하기

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[자주 하는 질문]

 

Chapter 04 다양한 분류 알고리즘

 

04-1 로지스틱 회귀

럭키백의 확률

로지스틱 회귀

[문제해결 과정] 로지스틱 회귀로 확률 예측

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

04-2 확률적 경사 하강법

점진적인 학습

SGDClassifier

에포크와 과대/과소적합

[문제해결 과정] 점진적 학습을 위한 확률적 경사 하강법

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[자주 하는 질문]

 

Chapter 05 트리 알고리즘

 

05-1 결정 트리

로지스틱 회귀로 와인 분류하기

결정 트리

[문제해결 과정] 이해하기 쉬운 결정 트리 모델

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

05-2 교차 검증과 그리드 서치

검증 세트

교차 검증

하이퍼파라미터 튜닝

[문제해결 과정] 최적의 모델을 위한 하이퍼파라미터 탐색

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

05-3 트리의 앙상블

정형 데이터와 비정형 데이터

랜덤 포레스트

엑스트라 트리

그레이디언트 부스팅

히스토그램 기반 그레이디언트 부스팅

[문제해결 과정] 앙상블 학습을 통한 성능 향상

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[자주 하는 질문]

 

Chapter 06 비지도 학습

 

06-1 군집 알고리즘

타깃을 모르는 비지도 학습

과일 사진 데이터 준비하기

픽셀값 분석하기

평균값과 가까운 사진 고르기

[문제해결 과정] 비슷한 샘플끼리 모으기

[키워드로 끝내는 핵심 포인트]

[확인 문제]

 

06-2 k-평균

k-평균 알고리즘 소개

KMeans 클래스

클러스터 중심

최적의 k 찾기

[문제 해결 과정] 과일을 자동으로 분류하기

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

06-3 주성분 분석

차원과 차원 축소

주성분 분석 소개

PCA 클래스

원본 데이터 재구성

설명된 분산

다른 알고리즘과 함께 사용하기

[문제해결 과정] 주성분 분석으로 차원 축소

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[자주하는 질문]

 

Chapter 07 딥러닝을 시작합니다

 

07-1 인공 신경망

패션 MNIST

로지스틱 회귀로 패션 아이템 분류하기

인공 신경망

인공 신경망으로 모델 만들기

인공 신경망으로 패션 아이템 분류하기

[문제해결 과정] 인공 신경망 모델로 성능 향상

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

07-2 심층 신경망

2개의 층

심층 신경망 만들기

층을 추가하는 다른 방법

렐루 함수

옵티마이저

[문제해결 과정] 케라스 API를 활용한 심층 신경망

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[파이토치 버전 살펴보기]

 

07-3 신경망 모델 훈련

손실 곡선

검증 손실

드롭아웃

모델 저장과 복원

콜백

[문제해결 과정] 최상의 신경망 모델 얻기

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[파이토치 버전 살펴보기]

[자주 하는 질문]

 

Chapter 08 이미지를 위한 인공 신경망

 

08-1 합성곱 신경망의 구성 요소

합성곱

케라스 합성곱 층

합성곱 신경망의 전체 구조

[문제해결 과정] 합성곱 층과 풀링 층 이해하기

[키워드로 끝내는 핵심 포인트]

[확인 문제]

 

08-2 합성곱 신경망을 사용한 이미지 분류

패션 MNIST 데이터 불러오기

합성곱 신경망 만들기

모델 컴파일과 훈련

[문제해결 과정] 케라스 API로 합성곱 신경망 구현

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[파이토치 버전 살펴보기]

 

08-3 합성곱 신경망의 시각화

가중치 시각화

함수형 API

특성 맵 시각화

[문제해결 과정] 시각화로 이해하는 합성곱 신경망

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[파이토치 버전 살펴보기]

[자주 하는 질문]

 

Chapter 09 텍스트를 위한 인공 신경망

 

09-1 순차 데이터와 순환 신경망

순차 데이터

순환 신경망

셀의 가중치와 입출력

[문제해결 과정] 순환 신경망으로 순환 데이터 처리

[키워드로 끝내는 핵심 포인트]

[확인 문제]

 

09-2 순환 신경망으로 IMDB 리뷰 분류하기

IMDB 리뷰 데이터셋

순환 신경망 만들기

순환 신경망 훈련하기

단어 임베딩을 사용하기

[문제해결 과정] 케라스 API로 순환 신경망 구현

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[파이토치 버전 살펴보기]

 

09-3 LSTM과 GRU 셀

LSTM 구조

LSTM 신경망 훈련하기

순환층에 드롭아웃 적용하기

2개의 층을 연결하기

GRU 구조

GRU 신경망 훈련하기

[문제해결 과정] LSTM과 GRU 셀로 훈련

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

[파이토치 버전 살펴보기]

[자주 하는 질문]

 

Chapter 10 언어 모델을 위한 신경망

 

10-1 어텐션 메커니즘과 트랜스포머

순환 신경망을 사용한 인코더-디코더 네트워크

어텐션 메커니즘

트랜스포머

셀프 어텐션 메커니즘

층 정규화

피드포워드 네트워크와 인코더 블록

토큰 임베딩과 위치 인코딩

디코더 블록

[키워드로 끝내는 핵심 포인트]

[확인 문제]

 

10-2 트랜스포머로 상품 설명 요약하기

트랜스포머 가계도

전이 학습

BART 모델 소개

BART의 인코더와 디코더

허깅페이스로 KoBART 모델 로드하기

텍스트 토큰화

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

10-3 대규모 언어 모델로 텍스트 생성하기

디코더 기반의 대규모 언어 모델

LLM 리더보드

EXAONE의 특징

EXAONE-3.5로 상품 질문에 대한 대답 생성하기

토큰 디코딩 전략

오픈AI 모델의 간략한 역사

오픈AI API 키 만들기

오픈AI API로 상품 질문에 대한 대답 생성하기

[키워드로 끝내는 핵심 포인트]

[핵심 패키지와 함수]

[확인 문제]

 

부록 한 발 더 나아가기 : 이 책에 대한 독자의 질문