{"product_id":"154915","title":"머신 러닝 Q \u0026 AI","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYDsmH2ST2wOU23n8l1SnQB6tDqZr.png?v=1765083015\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\u003ccenter\u003e\n\u003cdiv style=\"width:95%\"\u003e\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e머신 러닝 Q \u0026amp; AI\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/144225906\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003eDescription\u003c\/div\u003e\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e책소개\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003e머신 러닝, 딥러닝, AI 전문가에게 묻다.\u003cbr\u003e\u003cbr\u003e“세바스찬 라시카, 이런 게 궁금해요!”\u003cbr\u003e다양한 고급 주제와 최신 동향을, 쉬운 그림과 Q\u0026amp;A 구성으로, 간단명료하지만 쉽고 흥미롭게!\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e이 책은 인공지능 분야의 선두에 서 있는 세바스찬 라시카 박사가 자주 받는 질문에 대해, Q\u0026amp;A라는 독특한 스타일을 사용해 설명한 책이다.\u003cbr\u003e신경망과 딥러닝, 컴퓨터 비전, 자연어 처리, 생성 AI, 예측 성능과 모델 평가 등 다양한 인공지능 분야를 저자의 깊이 있는 고찰과 논리적인 설명으로 더욱 심도 있게 이해할 수 있다.\u003cbr\u003e기본적인 이론 설명을 넘어서 기술 관련 지식, 활용 방법, 실무적인 설명을 정리하고 최신 연구 동향을 소개하면서, 연습문제와 연습문제에 대한 해답, 참고하면 좋을 자료들도 함께 수록했다.\u003cbr\u003e또한 마찬가지로 국내 인공지능 분야에서 활발히 활동하고 있는 박해선 역자 역시 이 책을 번역하면서 국내 독자들에게 자주 받은 질문 12개에 대한 Q\u0026amp;A를 권말부록으로 집필해 실었다.\u003cbr\u003e전반적인 인공지능 분야의 지식을 한 단계 업그레이드하고자 하는 분들에게 도움이 되기를 바란다.\u003cbr\u003e\u003cbr\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cul\u003e \u003cli\u003e 책의 일부 내용을 미리 읽어보실 수 있습니다.\u003cbr\u003e\u003cspan\u003e미리보기\u003c\/span\u003e\n\u003c\/li\u003e \u003c\/ul\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e목차\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003e1부 | 신경망과 딥러닝\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e1장 임베딩, 잠재 공간, 표현 \u003cbr\u003e1.1 임베딩 \u003cbr\u003e1.2 잠재 공간 \u003cbr\u003e1.3 표현 \u003cbr\u003e1.4 연습문제 \u003cbr\u003e1.5 참고 \u003cbr\u003e\u003cbr\u003e2장 자기 지도 학습 \u003cbr\u003e2.1 자기 지도 학습 vs 전이 학습\u003cbr\u003e2.2 레이블이 없는 데이터 활용하기\u003cbr\u003e2.3 자기 예측 및 대조적 자기 지도 학습 \u003cbr\u003e2.4 연습문제 \u003cbr\u003e2.5 참고 \u003cbr\u003e\u003cbr\u003e3장 퓨-샷 학습 \u003cbr\u003e3.1 데이터셋과 용어 \u003cbr\u003e3.2 연습문제 \u003cbr\u003e\u003cbr\u003e4장 로터리 티켓 가설 \u003cbr\u003e4.1 로터리 티켓 훈련 과정 \u003cbr\u003e4.2 실제적 영향과 한계 \u003cbr\u003e4.3 연습문제\u003cbr\u003e4.4 참고 \u003cbr\u003e\u003cbr\u003e5장 데이터로 과대적합 줄이기 \u003cbr\u003e5.1 대표적인 방법 \u003cbr\u003e__5.1.1 추가 데이터 수집 \u003cbr\u003e__5.1.2 데이터 증강 \u003cbr\u003e__5.1.3 사전 훈련 \u003cbr\u003e5.2 다른 방법 \u003cbr\u003e5.3 연습문제 \u003cbr\u003e5.4 참고 \u003cbr\u003e\u003cbr\u003e6장 모델을 변경하여 과대적합 줄이기\u003cbr\u003e6.1 일반적인 방법 \u003cbr\u003e__6.1.1 규제 \u003cbr\u003e__6.1.2 작은 모델 \u003cbr\u003e__6.1.3 작은 모델에 대한 주의 사항 \u003cbr\u003e__6.1.4 앙상블 방법 \u003cbr\u003e6.2 다른 방법 \u003cbr\u003e6.3 규제 기법 선택하기\u003cbr\u003e6.4 연습문제 \u003cbr\u003e6.5 참고 \u003cbr\u003e\u003cbr\u003e7장 다중 GPU 훈련 패러다임 \u003cbr\u003e7.1 훈련 패러다임\u003cbr\u003e__7.1.1 모델 병렬화 \u003cbr\u003e__7.1.2 데이터 병렬화 \u003cbr\u003e__7.1.3 텐서 병렬화 \u003cbr\u003e__7.1.4 파이프라인 병렬화\u003cbr\u003e__7.1.5 시퀀스 병렬화 \u003cbr\u003e7.2 추천\u003cbr\u003e7.3 연습문제 \u003cbr\u003e7.4 참고 \u003cbr\u003e\u003cbr\u003e8장 트랜스포머의 성공 \u003cbr\u003e8.1 어텐션 메커니즘\u003cbr\u003e8.2 자기 지도 학습을 통한 사전 훈련 \u003cbr\u003e8.3 많은 수의 파라미터 \u003cbr\u003e8.4 손쉬운 병렬화 \u003cbr\u003e8.5 연습문제 \u003cbr\u003e8.6 참고 \u003cbr\u003e\u003cbr\u003e9장 생성 AI 모델 \u003cbr\u003e9.1 생성 모델링 vs 판별 모델링 \u003cbr\u003e9.2 심층 생성 모델의 종류 \u003cbr\u003e__9.2.1 에너지 기반 모델 \u003cbr\u003e__9.2.2 변분 오토인코더\u003cbr\u003e__9.2.3 생성적 적대 신경망 \u003cbr\u003e__9.2.4 흐름 기반 모델\u003cbr\u003e__9.2.5 자기회귀 모델 \u003cbr\u003e__9.2.6 디퓨전 모델 \u003cbr\u003e__9.2.7 일관성 모델 \u003cbr\u003e9.3 추천 \u003cbr\u003e9.4 연습문제 \u003cbr\u003e9.5 참고 \u003cbr\u003e\u003cbr\u003e10장 무작위성의 원인 \u003cbr\u003e10.1 모델 가중치 초기화 \u003cbr\u003e10.2 데이터셋 샘플링과 셔플링 \u003cbr\u003e10.3 비결정론적인 알고리즘 \u003cbr\u003e10.4 여러 가지 런타임 알고리즘 \u003cbr\u003e10.5 하드웨어와 드라이버 \u003cbr\u003e10.6 무작위성과 생성 AI \u003cbr\u003e10.7 연습문제 \u003cbr\u003e10.8 참고 \u003cbr\u003e\u003cbr\u003e\u003cb\u003e2부 | 컴퓨터 비전\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e11장 파라미터 개수 \u003cbr\u003e11.1 파라미터 개수를 계산하는 방법\u003cbr\u003e__11.1.1 합성곱 층 \u003cbr\u003e__11.1.2 완전 연결 층 \u003cbr\u003e11.2 현실적인 이유 \u003cbr\u003e11.3 연습문제 \u003cbr\u003e\u003cbr\u003e12장 완전 연결 층과 합성곱 층 \u003cbr\u003e12.1 커널 크기와 입력 크기가 같을 때 \u003cbr\u003e12.2 커널 크기가 1일 때\u003cbr\u003e12.3 추천 \u003cbr\u003e12.4 연습문제 \u003cbr\u003e\u003cbr\u003e13장 비전 트랜스포머를 위한 대규모 훈련 세트 \u003cbr\u003e13.1 CNN의 귀납적 편향 \u003cbr\u003e13.2 CNN을 능가할 수 있는 ViT \u003cbr\u003e13.3 ViT의 귀납적 편향 \u003cbr\u003e13.4 추천 \u003cbr\u003e13.5 연습문제 \u003cbr\u003e13.6 참고 \u003cbr\u003e\u003cbr\u003e\u003cb\u003e3부 | 자연어 처리\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e14장 분포 가설 \u003cbr\u003e14.1 Word2vec, BERT, GPT\u003cbr\u003e14.2 가설이 유효한가요? \u003cbr\u003e14.3 연습문제 \u003cbr\u003e14.4 참고 \u003cbr\u003e\u003cbr\u003e15장 텍스트 데이터 증강 \u003cbr\u003e15.1 동의어 교체 \u003cbr\u003e15.2 단어 삭제 \u003cbr\u003e15.3 단어 위치 변경 \u003cbr\u003e15.4 문장 섞기 \u003cbr\u003e15.5 잡음 추가 \u003cbr\u003e15.6 역번역 \u003cbr\u003e15.7 합성 데이터 \u003cbr\u003e15.8 추천\u003cbr\u003e15.9 연습문제\u003cbr\u003e15.10 참고\u003cbr\u003e\u003cbr\u003e16장 셀프 어텐션 \u003cbr\u003e16.1 RNN의 어텐션 메커니즘 \u003cbr\u003e16.2 셀프 어텐션 메커니즘\u003cbr\u003e16.3 연습문제\u003cbr\u003e16.4 참고 \u003cbr\u003e\u003cbr\u003e17장 인코더 기반 트랜스포머와 디코더 기반 트랜스포머 \u003cbr\u003e17.1 원본 트랜스포머 \u003cbr\u003e17.2 인코더 \u003cbr\u003e17.3 디코더 \u003cbr\u003e17.4 인코더-디코더 \u003cbr\u003e17.5 용어에 대한 주의 사항 \u003cbr\u003e17.6 최신 트랜스포머 모델 \u003cbr\u003e17.7 연습문제 \u003cbr\u003e17.8 참고 \u003cbr\u003e\u003cbr\u003e18장 사전 훈련된 트랜스포머 모델의 사용과 미세 튜닝 방법 \u003cbr\u003e18.1 분류 작업에 트랜스포머 사용하기 \u003cbr\u003e18.2 문맥 내 학습, 인덱싱, 프롬프트 튜닝 \u003cbr\u003e18.3 PEFT \u003cbr\u003e18.4 RLHF \u003cbr\u003e18.5 사전 훈련된 모델 적용하기 \u003cbr\u003e18.6 연습문제\u003cbr\u003e18.7 참고\u003cbr\u003e\u003cbr\u003e19장 생성형 대규모 언어 모델의 평가 \u003cbr\u003e19.1 LLM을 위한 평가 지표\u003cbr\u003e19.2 혼잡도 \u003cbr\u003e19.3 BLEU 점수 \u003cbr\u003e19.4 ROUGE 점수 \u003cbr\u003e19.5 BERTScore \u003cbr\u003e19.6 대리 평가 지표 \u003cbr\u003e19.7 연습문제 \u003cbr\u003e19.8 참고 \u003cbr\u003e\u003cbr\u003e\u003cb\u003e4부 | 제품화와 배포\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e20장 상태 비저장 훈련과 상태 저장 훈련 \u003cbr\u003e20.1 상태 비저장 훈련\u003cbr\u003e20.2 상태 저장 훈련 \u003cbr\u003e20.3 연습문제 \u003cbr\u003e\u003cbr\u003e21장 데이터 중심 AI \u003cbr\u003e21.1 데이터 중심 AI vs 모델 중심 AI \u003cbr\u003e21.2 추천 \u003cbr\u003e21.3 연습문제 \u003cbr\u003e21.4 참고 \u003cbr\u003e\u003cbr\u003e22장 추론 속도 높이기\u003cbr\u003e22.1 병렬화 \u003cbr\u003e22.2 벡터화 \u003cbr\u003e22.3 루프 타일링 \u003cbr\u003e22.4 연산자 융합 \u003cbr\u003e22.5 양자화 \u003cbr\u003e22.6 연습문제 \u003cbr\u003e22.7 참고 \u003cbr\u003e\u003cbr\u003e23장 데이터 분포 변화 \u003cbr\u003e23.1 공변량 변화 \u003cbr\u003e23.2 레이블 변화 \u003cbr\u003e23.3 개념 변화\u003cbr\u003e23.4 도메인 변화 \u003cbr\u003e23.5 데이터 분포 변화의 종류 \u003cbr\u003e23.6 연습문제 \u003cbr\u003e23.7 참고 \u003cbr\u003e\u003cbr\u003e\u003cb\u003e5부 | 예측 성능과 모델 평가\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e24장 푸아송 회귀와 서열 회귀 \u003cbr\u003e24.1 연습문제 \u003cbr\u003e\u003cbr\u003e25장 신뢰 구간 \u003cbr\u003e25.1 신뢰 구간의 정의 \u003cbr\u003e25.2 방법 \u003cbr\u003e__25.2.1 방법 1: 정규 근사 구간 \u003cbr\u003e__25.2.2 방법 2: 훈련 세트 부트스트래핑하기 \u003cbr\u003e__25.2.3 방법 3: 테스트 세트 예측 부트스트래핑하기 \u003cbr\u003e__25.2.4 방법 4: 다른 랜덤 시드로 모델을 재훈련하기 \u003cbr\u003e25.3 추천 \u003cbr\u003e25.4 연습문제 \u003cbr\u003e25.5 참고 \u003cbr\u003e\u003cbr\u003e26장 신뢰 구간 vs 컨포멀 예측 \u003cbr\u003e26.1 신뢰 구간과 예측 구간 \u003cbr\u003e26.2 예측 구간과 컨포멀 예측 \u003cbr\u003e26.3 예측 영역, 예측 구간, 예측 집합 \u003cbr\u003e26.4 컨포멀 예측 계산하기 \u003cbr\u003e26.5 컨포멀 예측의 예시 \u003cbr\u003e26.6 컨포멀 예측의 장점 \u003cbr\u003e26.7 추천\u003cbr\u003e26.8 연습문제 \u003cbr\u003e26.9 참고 \u003cbr\u003e\u003cbr\u003e27장 적절한 측정 지표 \u003cbr\u003e27.1 조건\u003cbr\u003e27.2 평균 제곱 오차 \u003cbr\u003e27.3 크로스 엔트로피 손실 \u003cbr\u003e27.4 연습문제 \u003cbr\u003e\u003cbr\u003e28장 k-폴드 교차 검증의 k \u003cbr\u003e28.1 k 값 선택의 트레이드오프\u003cbr\u003e28.2 적절한 k 값 결정하기 \u003cbr\u003e28.3 연습문제 \u003cbr\u003e28.4 참고\u003cbr\u003e\u003cbr\u003e29장 훈련 세트와 테스트 세트 불일치 \u003cbr\u003e29.1 연습문제\u003cbr\u003e\u003cbr\u003e30장 제한적인 레이블 데이터 \u003cbr\u003e30.1 제한적인 레이블 데이터로 모델 성능 향상 \u003cbr\u003e__30.1.1 더 많은 데이터에 레이블 부여하기 \u003cbr\u003e__30.1.2 데이터 부트스트래핑\u003cbr\u003e__30.1.3 전이 학습 \u003cbr\u003e__30.1.4 자기 지도 학습 \u003cbr\u003e__30.1.5 능동 학습 \u003cbr\u003e__30.1.6 퓨-샷 학습 \u003cbr\u003e__30.1.7 메타 학습 \u003cbr\u003e__30.1.8 약지도 학습 \u003cbr\u003e__30.1.9 준지도 학습 \u003cbr\u003e__30.1.10 자기 훈련 \u003cbr\u003e__30.1.11 다중 작업 학습 \u003cbr\u003e__30.1.12 멀티모달 학습 \u003cbr\u003e__30.1.13 귀납적 편향 \u003cbr\u003e30.2 추천\u003cbr\u003e30.3 연습문제 \u003cbr\u003e30.4 참고 \u003cbr\u003e\u003cbr\u003e\u003cb\u003e부록 연습문제 해답 \u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e찾아보기 \u003c\/div\u003e \u003cdiv\u003e\u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e상세 이미지\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e \u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate5236\/MidCate003\/523525616.jpg\" border=\"0\" alt=\"상세 이미지 1\"\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e출판사 리뷰\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003e\"기본을 넘어서\" (크리스 앨본, 위키미디어 재단 머신 러닝 디렉터)\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e기본 개념을 넘어서 머신 러닝, 딥러닝, AI에 대해 깊게 탐구할 준비가 되었다면, 질문-대답 형식의 콘텐츠로 구성된 이 책이 막힘없이 빠르고 쉽게 그 여정을 도와줄 것이다.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e이 책은 저자 세바스찬 라시카가 자주 받는 질문을 바탕으로 탄생했다.\u003cbr\u003e직접적이고 간단 명료하게 접근하여 고급 주제를 보다 쉽게 이해하고 매우 흥미롭게 만들어 준다.\u003cbr\u003e각 장은 간결하고 독립적이며, AI에 관한 근본적인 질문을 하나씩 다룬다.\u003cbr\u003e명쾌한 설명, 다이어그램, 실습을 통해 질문에 답한다.\u003cbr\u003e\u003cbr\u003e\u003cb\u003e이 책에서 다루는 내용\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eㆍ 핵심 질문: AI의 핵심 질문에 대해 간결하게 답변하고, 복잡한 개념을 이해하기 쉽도록 잘게 쪼개어 설명한다.\u003cbr\u003eㆍ 광범위한 주제: 신경망 구조와 모델 평가에서 컴퓨터 비전과 자연어 처리까지 다양한 주제를 다룬다.\u003cbr\u003eㆍ 실무 활용: 모델 성능 향상, 대규모 모델의 미세 튜닝 등의 기술을 배운다.\u003cbr\u003e\u003cbr\u003e\u003cb\u003e다음과 같은 내용도 담겨 있다.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eㆍ 신경망 훈련에서 무작위성의 다양한 요인 관리하기\u003cbr\u003eㆍ 대규모 언어 모델에서 인코더와 디코더 구조 사이의 차이 이해하기\u003cbr\u003eㆍ 데이터와 모델을 변경해 과대적합 감소시키기\u003cbr\u003eㆍ 분류 모델을 위해 신뢰 구간을 구성하고 레이블 데이터가 부족할 때 모델 최적화하기\u003cbr\u003eㆍ 다양한 다중 GPU 훈련 패러다임과 생성 AI 모델의 종류 선택하기\u003cbr\u003eㆍ 자연어 처리를 위한 성능 지표 이해하기\u003cbr\u003eㆍ 비전 트랜스포머에 있는 귀납적 편향 이해하기\u003cbr\u003e\u003cbr\u003e머신 러닝에 대한 지식을 업그레이드하기 위한 완벽한 책을 찾고 있다면 『머신 러닝 Q\u0026amp;AI』가 손쉽게 여러분의 지식을 기초를 넘어 그 이상으로 확장시켜 줄 것이다.\u003cbr\u003e\u003cbr\u003e\u003cb\u003e[지은이 서문]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e이 책에서는 머신 러닝이란 용어를 머신 러닝, 딥러닝, AI를 아우르는 포괄적인 의미로 사용합니다.\u003cbr\u003eQ\u0026amp;A라는 독특한 스타일을 사용하며, 각 장은 머신 러닝, 딥러닝, AI 분야의 중요 개념에 관련된 질문을 중심으로 구성되어 있습니다.\u003cbr\u003e모든 질문에는 설명과 다양한 그림과 그래프는 물론 이해를 돕기 위한 연습문제도 제공합니다.\u003cbr\u003e많은 장에 추가 학습을 위한 참고 자료도 포함되어 있습니다.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e이 책은 다양한 주제를 다룹니다.\u003cbr\u003e합성곱 신경망과 같은 기존 구조에 대해 새로운 통찰을 얻어 이 기술을 더 효과적으로 활용할 수 있을 것입니다.\u003cbr\u003e또한 대규모 언어 모델(LLM)과 비전 트랜스포머의 내부 동작 방식과 같은 고급 기술에 대해서도 설명합니다.\u003cbr\u003e경험 있는 머신 러닝 연구자나 기술자라도 자신의 기술 도구 상자에 새로 추가할 무언가를 만나게 될 것입니다.\u003cbr\u003e\u003cbr\u003e\u003cb\u003e[옮긴이 서문]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e저자가 밝혔듯이 이 책은 입문서를 읽은 독자가 한 단계 더 발전할 수 있도록 돕는 책입니다.\u003cbr\u003e번역하면서 저도 많은 것을 새롭게 알게 되었습니다.\u003cbr\u003e일반적인 머신 러닝 책과 달리 수식이나 코드를 담고 있지 않아서 누구나 가벼운 마음으로 읽을 수 있습니다.\u003cbr\u003e모쪼록 이 책이 여러분의 ML 여정에 도움이 되길 바라겠습니다.\u003cbr\u003e\u003cbr\u003e이 책의 정오표는 블로그(https:\/\/tensorflow.blog\/ml-q-and-ai)에 등록해 놓겠습니다.\u003cbr\u003e책을 보기 전에 꼭 확인해 주세요.\u003cbr\u003e이 책에 관한 이야기라면 무엇이든 환영합니다.\u003cbr\u003e언제든지 블로그나 이메일로 알려주세요.\u003cbr\u003e\u003cbr\u003e\u003cb\u003e[베타리더 후기]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e독자와의 Q\u0026amp;A 형태와 쉬운 그림을 통해 설명합니다. AI에 관심 있는 독자부터 AI에 전문적인 지식을 가지고 있는 독자까지, 수많은 궁금증을 해결하고 이해할 수 있을 겁니다.\u003cbr\u003e\u003cbr\u003e- 심형광_한국아이디정보, 프런트엔드 \u0026amp; 백엔드 개발자\u003cbr\u003e\u003cbr\u003e심화 내용을 다루고 있으므로 머신 러닝과 딥러닝의 기초를 습득한 분들에게 적합하며, 자기주도적 학습을 위한 연습문제와 추가 학습용 참고 자료가 포함되어 있습니다.\u003cbr\u003e단순한 이론 설명을 넘어서 실제 응용 사례와 최신 연구 동향도 소개하여, 읽다 보면 AI 분야의 최전선에 서 있다는 느낌을 줍니다.\u003cbr\u003e전반적으로 머신 러닝 분야의 지식을 한 단계 높이고자 하는 분들에게 매우 유익한 책입니다.\u003cbr\u003e- 박상길_비브스튜디오스, 소프트웨어 엔지니어\u003cbr\u003e\u003cbr\u003e마치 블로그 글을 읽는 것처럼 부담 없고 재미있습니다.\u003cbr\u003e복잡한 개념을 딱딱하게 나열하는 대신, 흥미로운 이야기를 풀어가듯 설명합니다.\u003cbr\u003e특히 각 주제가 길지 않고 분리되어 있어 궁금한 부분을 먼저 읽을 수 있어 좋았습니다.\u003cbr\u003e- 조현석_래블업 주식회사, 소프트웨어 엔지니어\u003cbr\u003e\u003cbr\u003e머신 러닝 및 딥러닝 모델 구현에 필요한 기술적 지식뿐 아니라 서비스 관점에서의 활용 방법까지 포함되어 있고, 산업 현장에서 알고리즘이 실제로 어떻게 적용되는지 실무적인 설명도 잘 정리되어 있어 AI 연구자나 실무자에게 유용하리라 생각합니다.\u003cbr\u003e특히 특정 기법이 항상 최선의 선택이 아닐 수 있다는 한계를 논리적으로 제시한 점이 돋보였습니다.\u003cbr\u003e\u003cbr\u003e- 이호민_프리랜서, 머신 러닝 엔지니어\u003cbr\u003e\u003cbr\u003e머신 러닝, 딥러닝, AI의 주요 개념에 관한 Q\u0026amp;A로 구성되었으며 기존의 수식과 코드 중심 학습에서 벗어나 기본 개념을 넘어선 학습의 시사점을 제시하는 책입니다.\u003cbr\u003e머신 러닝 입문 이후 학습 방향을 모색하고 주요 개념을 확장하고자 하는 모든 이에게 적극 추천합니다.\u003cbr\u003e- 임승민_cslee, 소프트웨어 엔지니어\u003cbr\u003e\u003cbr\u003e머신 러닝을 제대로 공부하려면 꼭 알아야 하는 내용을 명확하게 정리해 줍니다.\u003cbr\u003e단순히 AI를 도구로 활용하는 것이 아니라, 그 도구가 어떤 원리로 어떤 이점을 가져다주는지 알기 위해서는 반드시 알아야 하는 내용이라고 생각합니다.\u003cbr\u003e\u003cbr\u003e- 강민재_성균관대학교 전자전기공학부\u003cbr\u003e\u003cbr\u003e다른 컴퓨터 관련 책들은 일반적으로 코딩이 주를 이루는데 이 책은 그렇지 않습니다.\u003cbr\u003e자신이 알고 싶은 내용을 편하게 읽을 수 있게 구성되어 모르는 개념을 쉽게 알아가는 데 큰 도움이 되었습니다.\u003cbr\u003e\u003cbr\u003e- 김진혁_동양고등학교, 정보 교사\u003cbr\u003e\u003cbr\u003e데이터 분석가이자, 데이터센터 관련 사업을 담당하면서 머신 러닝과 데이터 모델링에 관한 책을 꾸준히 학습하고 있습니다.\u003cbr\u003e업계 종사자라면 해당 개념과 실무에서 활용할 수 있는 방법들을 참고하기에 좋은 책이라고 생각합니다.\u003cbr\u003e- 박경호_엘에스일렉트릭, 데이터 분석가 \u003c\/div\u003e \u003cdiv\u003e\u003c\/div\u003e \u003c\/div\u003e \u003c\/div\u003e\n\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003eGOODS SPECIFICS\u003c\/div\u003e\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003e발행일 : \u003c\/strong\u003e2025년 04월 09일\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003e쪽수, 무게, 크기 : \u003c\/strong\u003e344쪽 | 183*235*12mm\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eISBN13 : \u003c\/strong\u003e9791140713073\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003ccenter\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cspan\u003e\u003c\/span\u003e\n\u003c\/center\u003e\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893479997482,"sku":"154915","price":44.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/a92b1672eea9aeacfe5edcd47b1c0a42.jpg?v=1765403374","url":"https:\/\/librairie.coreenne.fr\/ko\/products\/154915","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}