[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
문법이 아닌 실습을 통해 딥러닝 실력을 키우고 싶은 독학러를 위한 책
최초의 합성곱 신경망(CNN) 모델 – 패션 상품 이미지 분류하기
사전 훈련된 CNN 모델 – 강아지와 고양이 사진 분류하기
고급 CNN 모델과 전이 학습 – 모델의 효율성 최적화하기 & 텐서플로 허브와 허깅페이스
트랜스포머 인코더 모델 – 영화 리뷰 텍스트의 감성 분류하기
트랜스포머 디코더 모델 – GPT, Llama, Gemma 모델로 텍스트 생성하기
트랜스포머 인코더-디코더 모델 – BART, T5 모델로 텍스트 요약하기
『혼자 만들면서 공부하는』 시리즈는 배운 지식을 실전에 적용하고자 하는 독자들을 위해 기획되었습니다. 이론과 문법 학습에서 그치지 않고 일상과 업무에 실질적으로 도움이 되는 프로젝트를 완성하는 것이 이 시리즈의 핵심 목표입니다.
단순히 하나의 모델을 구현해 보는 데 그치지 않고, 그 모델이 발전해 온 과정을 함께 따라 해 봄으로써 새로운 딥러닝 기술에 대한 적응력과 생존 능력을 갖추게 될 것입니다.
누구를 위한 책인가요?
딥러닝 입문서를 완독한 후, 구현 경험을 쌓고 싶은 초급자
『혼자 공부하는 머신러닝+딥러닝(개정판)』을 학습한 후, 다음 단계로 나아가고 싶은 분
관련 기본 지식은 이해했지만 “그래서 딥러닝 모델로 뭘 할 수 있을까?”라는 고민이 있는 분
최신 기술에 관심이 있는 딥러닝 학습자
컴퓨터 비전 및 대규모 언어 모델에서 다루는 최신 기술이 궁금한 분
GPT, Llama, Gemma 등 최신 딥러닝 모델을 활용해 보고 싶은 분