본문 바로가기

추천 검색어

실시간 인기 검색어

파이토치 트랜스포머를 활용한 자연어 처리와 컴퓨터비전 심층학습

실전 프로젝트와 최신 알고리즘을 통한 딥러닝 모델 개발
위키북스 데이터 사이언스 시리즈 91
위키북스 · 2023년 10월 18일
10.0
10점 중 10점
(12개의 리뷰)
도움돼요 (70%의 구매자)
  • 파이토치 트랜스포머를 활용한 자연어 처리와 컴퓨터비전 심층학습 대표 이미지
    파이토치 트랜스포머를 활용한 자연어 처리와 컴퓨터비전 심층학습 대표 이미지
  • A4
    사이즈 비교
    210x297
    파이토치 트랜스포머를 활용한 자연어 처리와 컴퓨터비전 심층학습 사이즈 비교 187x240
    단위 : mm
01 / 02
무료배송 소득공제
10% 43,200 48,000
적립/혜택
2,400P

기본적립

5% 적립 2,400P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 2,400P
  • 리뷰 작성 시, e교환권 추가 최대 300원
배송안내
무료배송
배송비 안내
국내도서/외국도서
도서 포함 15,000원 이상 구매 시 무료배송
도서+사은품 또는 도서+사은품+교보Only(교보굿즈)

15,000원 미만 시 2,500원 배송비 부과

교보Only(교보배송)
각각 구매하거나 함께 20,000원 이상 구매 시 무료배송

20,000원 미만 시 2,500원 배송비 부과

해외주문 서양도서/해외주문 일본도서(교보배송)
각각 구매하거나 함께 15,000원 이상 구매 시 무료배송

15,000원 미만 시 2,500원 배송비 부과

업체배송 상품(전집, GIFT, 음반/DVD 등)
해당 상품 상세페이지 "배송비" 참고 (업체 별/판매자 별 무료배송 기준 다름)
바로드림 오늘배송
업체에서 별도 배송하여 1Box당 배송비 2,500원 부과

1Box 기준 : 도서 10권

그 외 무료배송 기준
바로드림, eBook 상품을 주문한 경우, 플래티넘/골드/실버회원 무료배송쿠폰 이용하여 주문한 경우, 무료배송 등록 상품을 주문한 경우
새벽배송 내일(2/21,금 오전 7시 전) 도착
기본배송지 기준
배송일자 기준 안내
로그인 : 회원정보에 등록된 기본배송지
로그아웃 : '서울시 종로구 종로1' 주소 기준
로그인정확한 배송 안내를 받아보세요!

이달의 꽃과 함께 책을 받아보세요!

1권 구매 시 결제 단계에서 적용 가능합니다.

알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.

키워드 Pick

키워드 Pick 안내

관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.

파이토치 트랜스포머를 활용한 자연어 처리와 컴퓨터비전 심층학습 상세 이미지
트랜스포머는 딥러닝 분야에서 성능이 우수한 모델로 현대 인공지능 분야의 핵심 기술입니다. 트랜스포머와 비전 트랜스포머 기술을 습득하면 차별화된 역량을 갖출 수 있고 복잡한 문제를 해결할 수 있습니다.
이 책에서는 자연어 처리와 컴퓨터비전 분야의 기초 실습부터 배포까지 딥러닝 프로젝트(서비스)를 구축하기 위한 다양한 정보를 다룹니다. 또한, 트랜스포머 및 비전 트랜스포머 이론을 비롯해 모델을 이해하고 실습을 진행합니다.
이 책은 최신 자연어 처리와 컴퓨터비전 분야의 동향과 심층학습에 대한 포괄적인 내용을 담고 있으며, 실전 예제를 통해 강력한 모델을 구축하고자 하는 분들에게 추천합니다.

★ 이 책에서 다루는 내용 ★

◎ 머신러닝·딥러닝 이해 및 파이토치를 활용한 심화 실습
◎ 텍스트 데이터의 토큰화 이해와 텍스트 임베딩 실습
◎ 셀프 어텐션을 활용한 트랜스포머 모델의 이해와 트랜스포머 기반 언어 모델 실습
◎ 이미지 분류 모델 이해와 내부 동작 원리 검증 및 시각화
◎ 경계 상자 탐지, 의미론적 분할, 객체 분할 등의 객체 탐지 모델 이해
◎ 특징 피라미드 네트워크 및 관심 영역 정렬 알고리즘을 이해
◎ 트랜스포머 구조를 컴퓨터비전 분야에 적용한 비전 트랜스포머 모델 이해 및 실습
◎ 웹 프레임워크와 도커를 활용한 API 온라인 서빙
◎ 웹 애플리케이션을 통한 딥러닝 데모 애플리케이션 구축
◎ 경량화, 파이토치 라이트닝, 허깅 페이스, 파이토치 컴파일러 등 다양한 관리 도구 및 기법 실습

이 책의 총서 (79)

작가정보

저자(글) 윤대희

어반베이스의 머신러닝 팀 리더로 근무하면서 컴퓨터비전과 딥러닝을 활용해 2D 도면을 3D로 변환하는 프로젝트를 진행했다. 현재는 카카오스타일의 Vision&NLP 팀 리더로 데이터 리터러시, 데이터 패브릭, MLOps 등 관련 프로젝트를 진행하고 있다. 머신러닝·딥러닝을 비롯해 데이터 품질 관리, 데이터 통합, 비즈니스 인텔리전스 등 데이터 통합에 관심이 있으며, 기술 공유 및 확장 플러그인 배포 등으로 개인이나 조직이 기술을 보다 쉽게 이용하고 활용할 수 있도록 도움을 주고 있다. 저서로 《C#과 파이썬을 활용한 OpenCV 4 프로그래밍》(위키북스, 2021)이 있다.

저자(글) 김동화

고려대학교에서 산업경영공학 박사 학위를 취득했다. 데이터 기반으로 제조, IT, 금융 분야에서 발생하는 다양한 기술적 문제를 해결했으며, 머신러닝·딥러닝 분야에 총 6편의 SCI 논문을 게재했다. 현재는 카카오스타일의 Vision&NLP 팀에서 컴퓨터비전과 딥러닝을 담당하며 패션 속성 추출, 유사 이미지 추천 및 코디 추천을 위한 다양한 이커머스 플랫폼 과제를 진행하고 있다. 컴퓨터비전, 자연어 처리, 멀티모달 학습을 연구하고 활용하는 데 관심이 있다.

저자(글) 송종민

동국대학교에서 전자전기공학 석사 학위를 취득했다. 아크릴 회사에서 선임 연구원으로 근무하면서 빅데이터 포렌식 및 AI 모델 소형화 프로젝트를 진행했다. 현재는 카카오스타일의 Vision&NLP 팀에서 컴퓨터비전과 딥러닝을 담당하며 이미지 데이터 분석, 유사 이미지 추천, 모델 서빙 및 배포 자동화 관련 프로젝트를 진행하고 있다. 인공지능 기술을 활용한 생산성 향상과 비용 최적화에 관심이 있다.

저자(글) 진현두

학부생 시절 머신러닝 한번 공부해 보지 않겠냐는 선배의 권유로 데이터 사이언티스트의 길로 들어섰다. 대학원 시절 특허를 비롯한 텍스트 데이터를 이용한 경험을 바탕으로 주식회사 공팔리터의 AI Lab에서 커머스 리뷰 데이터를 이용한 여러 모델을 구축했다. 현재는 공팔리터에서의 경험을 이용해 카카오스타일의 Vision&NLP 팀에서 사용자 리뷰, 상품 정보 등 텍스트 데이터를 활용한 딥러닝 프로젝트를 진행하고 있다. AI 콜로키엄, AWS Community Day 등에서 발표하며 경험을 나누는 것의 즐거움을 배웠다. 지능형 검색 시스템과 Virtual Try-On 등에 관심이 있다.

목차

  • [1부] 파이토치 시작하기

    ▣ 01장: 인공지능과 방법론
    인공지능이란?
    __인공지능 역사
    __인공지능 활용 분야
    머신러닝 시스템
    __지도 학습
    __비지도 학습
    __준지도 학습
    __강화 학습
    머신러닝 아키텍처
    __데이터 준비
    __모델링
    __모델 평가
    __모델 배포
    MLOps

    ▣ 02장: 파이토치 설치
    파이토치란?
    파이토치 특징
    파이토치 설치
    __파이토치 CPU 설치
    __파이토치 GPU 설치
    __Google Colaboratory

    ▣ 03장: 파이토치 기초
    텐서
    __텐서 생성
    __텐서 속성
    __차원 변환
    __자료형 설정
    __장치 설정
    __장치 변환
    __넘파이 배열의 텐서 변환
    __텐서의 넘파이 배열 변환
    가설
    __머신러닝에서의 가설
    __통계적 가설 검정 사례
    손실 함수
    __제곱 오차
    __오차 제곱합
    __평균 제곱 오차
    __교차 엔트로피
    최적화
    __경사 하강법
    __학습률
    __최적화 문제
    __단순 선형 회귀: 넘파이
    __단순 선형 회귀: 파이토치
    데이터세트와 데이터로더
    __데이터세트
    __데이터로더
    __다중 선형 회귀
    모델/데이터세트 분리
    __모듈 클래스
    __비선형 회귀
    __모델 평가
    __데이터세트 분리
    모델 저장 및 불러오기
    __모델 전체 저장/불러오기
    __모델 상태 저장/불러오기
    __체크포인트 저장/불러오기
    활성화 함수
    __이진 분류
    __시그모이드 함수
    __이진 교차 엔트로피
    __이진 분류: 파이토치
    __비선형 활성화 함수
    순전파와 역전파
    __순전파 계산
    __오차 계산
    __역전파 계산
    __갱신 결과 비교
    퍼셉트론
    __단층 퍼셉트론
    __다층 퍼셉트론
    __퍼셉트론 모델 실습

    ▣ 04장: 파이토치 심화
    과대적합과 과소적합
    __과대적합과 과소적합 문제 해결
    배치 정규화
    __정규화 종류
    __배치 정규화 풀이
    가중치 초기화
    __상수 초기화
    __무작위 초기화
    __제이비어 & 글로럿 초기화
    __카이밍 & 허 초기화
    __직교 초기화
    __가중치 초기화 실습
    정칙화
    __L1 정칙화
    __L2 정칙화
    __가중치 감쇠
    __모멘텀
    __엘라스틱 넷
    __드롭아웃
    __그레이디언트 클리핑
    데이터 증강 및 변환
    __텍스트 데이터
    __이미지 데이터
    사전 학습된 모델
    __백본
    __전이 학습
    __특징 추출 및 미세 조정

    [2부] 자연어 처리

    ▣ 05장: 토큰화
    단어 및 글자 토큰화
    __단어 토큰화
    __글자 토큰화
    형태소 토큰화
    __형태소 어휘 사전
    __KoNLPy
    __NLTK
    __spaCy
    하위 단어 토큰화
    __바이트 페어 인코딩
    __워드피스

    ▣ 06장: 임베딩
    언어 모델
    __자기회귀 언어 모델
    __통계적 언어 모델
    N-gram
    TF-IDF
    __단어 빈도
    __문서 빈도
    __역문서 빈도
    __TF-IDF
    Word2Vec
    __단어 벡터화
    __CBoW
    __Skip-gram
    __계층적 소프트맥스
    __네거티브 샘플링
    __모델 실습: Skip-gram
    __모델 실습: Gensim
    fastText
    __모델 실습
    순환 신경망
    __순환 신경망
    __장단기 메모리
    __모델 실습
    합성곱 신경망
    __합성곱 계층
    __활성화 맵
    __풀링
    __완전 연결 계층
    __모델 실습

    ▣ 07장: 트랜스포머
    Transformer
    __입력 임베딩과 위치 인코딩
    __특수 토큰
    __트랜스포머 인코더
    __트랜스포머 디코더
    __모델 실습
    GPT
    __GPT-1
    __GPT-2
    __GPT-3
    __GPT 3.5
    __GPT-4
    __모델 실습
    BERT
    __사전 학습 방법
    __모델 실습
    BART
    __사전 학습 방법
    __미세 조정 방법
    __모델 실습
    ELECTRA
    __사전 학습 방법
    __모델 실습
    T5
    __모델 실습

    [3부] 컴퓨터 비전

    ▣ 08장: 이미지 분류
    AlexNet
    __LeNet-5와 AlexNet
    __모델 학습
    __모델 추론
    VGG
    __AlexNet과 VGG-16
    __모델 구조 및 데이터 시각화
    __미세 조정 및 모델 학습
    ResNet
    __ResNet의 특징
    __모델 구현
    Grad-CAM
    __클래스 활성화 맵
    __Grad-CAM

    ▣ 09장: 객체 탐지
    Faster R-CNN
    __R-CNN
    __Fast R-CNN
    __Faster R-CNN
    __모델 학습 과정
    __모델 실습
    SSD
    __멀티 스케일 특징 맵
    __기본 박스
    __모델 학습 과정
    __모델 실습
    FCN
    __업샘플링
    __모델 구조
    __모델 실습
    Mask R-CNN
    __특징 피라미드 네트워크
    __관심 영역 정렬
    __마스크 분류기
    __모델 실습
    YOLO
    __YOLOv1
    __YOLOv2
    __YOLOv3
    __YOLOv4 / YOLOv5
    __YOLOv6 / YOLOv7
    __모델 실습: YOLOv8

    ▣ 10장: 비전 트랜스포머
    ViT
    __합성곱 모델과 ViT 모델 비교
    __ViT의 귀납적 편향
    __ViT 모델
    __패치 임베딩
    __인코더 계층
    __모델 실습
    Swin Transformer
    __ViT와 스윈 트랜스포머 차이
    __스윈 트랜스포머 모델 구조
    __모델 실습
    CvT
    __합성곱 토큰 임베딩
    __어텐션에 대한 합성곱 임베딩
    __모델 실습

    [4부] 서비스 모델링

    ▣ 11장: 모델 배포
    모델 경량화
    __양자화
    __지식 증류
    __텐서 분해
    __ONNX
    모델 서빙
    __모델 서빙 웹 프레임워크
    __포스트맨
    도커 배포
    __도커란?
    __빌드 및 배포
    데모 애플리케이션
    __스트림릿
    __애플리케이션 배포
    __파이토치 모델 연동

    ▣ 부록A: 파이토치 라이트닝
    __모델 학습
    __트레이너 클래스

    ▣ 부록B: 허깅 페이스
    __PreTrainedConfig 클래스
    __PreTrainedModel 클래스
    __PreTrainedTokenizer 클래스
    __PreTrainedFeatureExtractor 클래스
    __PreTrainedImageProcessor 클래스
    __Auto 클래스
    __트레이너 클래스

    ▣ 부록C: 파이토치 이미지 모델
    __모델 생성
    __사전 학습된 모델
    __미세 조정

    ▣ 부록D: 파이토치 컴파일러

    ▣ 부록E: 메모리 부족

기본정보

상품정보 테이블로 ISBN, 발행(출시)일자 , 쪽수, 크기, 총권수, 시리즈명을(를) 나타낸 표입니다.
ISBN 9791158394400
발행(출시)일자 2023년 10월 18일
쪽수 804쪽
크기
187 * 240 * 39 mm / 1624 g
총권수 1권
시리즈명
위키북스 데이터 사이언스 시리즈

Klover 리뷰 (12)

구매 후 리뷰 작성 시, e교환권 200원 적립

10점 중 10점
/최고예요
쉽게 잘 읽히는 책입니다
10점 중 10점
/도움돼요
어려운 내용을 읽기 쉽게 잘 정리해주신 것 같습니다. 논문과 함께 공식이나 비유 설명이 좋았고 실습을 함께 제공해주어서 더 좋았습니다
10점 중 10점
/도움돼요
잘읽었습니다.......
10점 중 10점
/도움돼요
공부를 위해 구매했습니다. 감사합니다.
10점 중 10점
/도움돼요
학교 필수도서로 구매했습니다.
10점 중 10점
/도움돼요
이 책은 AI에 대한 기초 개념부터 요즘 이슈인 LLM & 트랜스포머, 컴퓨터 비전 모델, pre-trained model 활용까지 폭넓은 내용을 담고 있습니다.

특히 최신 알고리즘이 많이 반영되어 있고, 모델 구현에서 그치는 것이 아닌 도커 배포까지 실습할 수 있어 AI 구현의 end-to-end를 확인해 볼 수 있다는 점이 가장 좋은 것 같습니다!!

너무 공학적인 내용만 담겨있으면 읽기 어려울 수 있는데, 적절한 개념 설명과 사진으로 비/복수 전공자도 어렵지 않게 볼 수 있는 거 같아요.
리뷰 썸네일2
10점 중 10점
/추천해요
딥러닝을 위해 꼭 필요한 파이썬 머신러닝 라이브러리인 파이토치를 공부하기 위해 도서를 구입했습니다. 이 책은 파이토치의 기초부터 심화, 딥러닝의 분야 중 하나인 자연어 처리와 컴퓨터 비전의 이론 설명과 실습 코드를 제공해 주어 처음부터 깊게 공부하기에 좋았습니다. 마지막으로 구현한 모델을 배포하는 방법까지 설명되어 있어 딥러닝의 A부터 Z까지 공부할 수 있는 책이었습니다.
리뷰 썸네일
10점 중 10점
/추천해요
딥러닝에 관한 기본 이론부터 모델링 베이스 코드까지 한번에 살펴볼 수 있습니다. 언어모델부터 트랜스포머, 이미지, 비전트랜스포머, 모델 배포까지 한번에 배울 수 있는 책인것 같습니다. 머신러닝, 딥러닝 기본을 한번 훑으신 분들은 어려움 없이 읽으실 수 있을것 같습니다!
리뷰 썸네일2
10점 중 10점
/도움돼요
업무를 위하여 구매
10점 중 10점
/도움돼요
기대됩니다 책받고 바로보기 시작했음

문장수집 (0)

문장수집 안내
문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여주는 교보문고의 새로운 서비스입니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 "좋아요“ 하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보 없이 삭제될 수 있습니다.
리워드 안내
구매 후 90일 이내에 문장수집 작성 시 e교환권 100원을 적립해드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.
판매가 5,000원 미만 상품의 경우 리워드 지급 대상에서 제외됩니다. (2024년 9월 30일부터 적용)

구매 후 리뷰 작성 시, e교환권 100원 적립

이 책의 첫 기록을 남겨주세요.

교환/반품/품절 안내

  • 반품/교환방법

    마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환 신청, [1:1 상담 > 반품/교환/환불] 또는 고객센터 (1544-1900)
    * 오픈마켓, 해외배송 주문, 기프트 주문시 [1:1 상담>반품/교환/환불] 또는 고객센터 (1544-1900)
  • 반품/교환가능 기간

    변심반품의 경우 수령 후 7일 이내,
    상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
  • 반품/교환비용

    변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
  • 반품/교환 불가 사유

    1) 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)
    2) 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등
    3) 복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집
    4) 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)
    5) 디지털 컨텐츠인 ebook, 오디오북 등을 1회이상 ‘다운로드’를 받았거나 '바로보기'로 열람한 경우
    6) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    7) 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    8) 세트상품 일부만 반품 불가 (필요시 세트상품 반품 후 낱권 재구매)
    9) 기타 반품 불가 품목 - 잡지, 테이프, 대학입시자료, 사진집, 방통대 교재, 교과서, 만화, 미디어전품목, 악보집, 정부간행물, 지도, 각종 수험서, 적성검사자료, 성경, 사전, 법령집, 지류, 필기구류, 시즌상품, 개봉한 상품 등
  • 상품 품절

    공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다.
  • 소비자 피해보상 환불 지연에 따른 배상

    1) 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁 해결 기준 (공정거래위원회 고시)에 준하여 처리됨
    2) 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

기분 좋은 발견

이 분야의 베스트

이 분야의 신간

엄마의 얼굴
이벤트
  • sam x 한샘 [똑똑한sam]
  • 단말기_이규태에디션
01 / 02
TOP