“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.

하나, 혼자서도 끝까지 학습할 수 있는 친절한 가이드

실습하다 막혀도 걱정 마세요. 체계적인 학습 요소가 혼자서도 끝까지 따라 하며 이해할 수 있도록 독자 여러분을 가이드합니다. 코드를 작성하기 전에 필요한 개념을 짚어 주는 〈문법 체크〉, 실행 결과와 코드 해설이 함께하는 〈따라 하며 배우는 코딩〉, 배운 내용을 스스로 응용해 보는 〈미니 프로젝트〉가 혼만 독자 여러분과 함께합니다.

 

 

둘, 때론 혼자, 때론 같이! 저자 직강 유튜브 강의 및 학습 사이트 지원

http://hongong.hanbit.co.kr

책을 읽다가 궁금한 점이 있을 때는 언제든지 질문하세요. 저자가 직접 답변하는 카카오톡 오픈채팅과 학습 사이트 Q&A를 운영합니다. 예제 파일 다운로드 및 동영상 강의 보기도 혼만 독자 커뮤니티에서 언제든 지원받을 수 있어요.

 

셋, 설치 NO! 번거로운 설치 없이 온라인으로 실행하는 딥러닝 실습서

『혼자 만들면서 공부하는 딥러닝』의 모든 예제는 온라인 환경인 구글 코랩에서 실습합니다. 코랩에서 직접 코드를 작성해 보는 것이 가장 좋지만, 책에서 다루는 모든 코드를 이 책의 깃허브에 공개하고 있습니다. 깃허브에 있는 주피터 노트북으로 실행 결과를 확인해 보세요.

 

<혼자 만들면서 공부하는> 시리즈를 향한 베타 리더의 한 마디

‘'내가 과연 할 수 있을까?'라는 걱정에 시작조차 못하고 계신 분이 있다면, 이 책과 함께 첫걸음을 내디뎌 보세요. - 베타리더 김재은 님

“입문자부터 중급자까지 아우를 수 있도록 설계한 저자의 세심한 배려가 돋보입니다. 단 한 권만으로도 따라 할 수 있는, 게다가 쉽고 유쾌하기까지 한 학습 경험을 제공합니다.” – 베타리더 곽남주 님

“단순히 문법을 배우는 데에만 그쳤던 사람이라면 혼자 만들면서 공부하는 방식이 익숙하지 않을 수 있지만, 코드를 직접 만들고 정리해 보면서 진짜 내 것이 되는 경험을 할 수 있었습니다.” - 베타리더 이하랑 님

 

[목 차]

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