설명
파이썬을 이용한 딥러닝, 제3판은 프랑수아 숄레와 매튜 왓슨이 저술한 베스트셀러 자료로, 파이썬을 사용한 딥러닝의 복잡성을 탐구합니다. 이 판은 생성적 AI, Keras 3, PyTorch, JAX와 같은 최신 발전 사항을 포함하도록 업데이트되었습니다. 이 책은 초보자와 경험이 풍부한 실무자 모두를 위해 설계되어, 딥러닝 개념과 응용을 이해하는 데 명확하고 실용적인 접근 방식을 제공합니다.
이 책은 딥러닝이 인공지능에서 변혁적인 접근 방식이 되는 이유를 설명하는 것으로 시작합니다. 딥러닝이 특징 공학을 자동화하고, 하드웨어와 효율적으로 확장하며, 다양한 작업에 적응할 수 있는 다재다능하고 재사용 가능한 모델을 생성할 수 있도록 하는 방법을 강조합니다. 독자들은 자가 감독을 통해 방대한 데이터 세트에서 훈련된 기초 모델의 영향을 배우게 되며, 이러한 모델은 다양한 하위 작업에 맞게 미세 조정될 수 있어 작업별 모델의 필요성을 줄입니다.
책의 상당 부분은 기계 학습 문제를 해결하기 위한 보편적인 워크플로우에 할애되어 있습니다. 이 워크플로우는 작업 정의, 모델 개발, 성능을 지속적으로 모니터링하고 개선하면서 프로덕션에 배포하는 과정을 포함합니다. 저자들은 비즈니스 맥락을 이해하고, 사용 가능한 데이터를 식별하며, 문제를 분류, 회귀 또는 순위 매기기와 같은 적절한 기계 학습 작업에 매핑함으로써 실제 문제를 기계 학습 작업으로 구성하는 방법에 대한 통찰을 제공합니다.
이 책은 또한 잔여 연결, 배치 정규화 및 깊이별 분리 합성곱을 포함한 합성곱 신경망 아키텍처 설계에 대한 모범 사례를 다룹니다. 또한 비전 트랜스포머가 전통적인 합성곱 네트워크와 어떻게 다른지, 이미지 패치를 시퀀스로 처리하고 장거리 의존성을 포착하는 능력을 강조합니다.
YOLO 및 RetinaNet과 같은 현대 객체 탐지 모델을 탐구하며, 이들이 빠르고 정확한 객체 탐지를 위해 경계 상자와 클래스 확률을 한 번의 단계에서 예측하는 방법을 설명합니다. 저자들은 또한 시계열 예측을 위한 딥러닝 기술과 트랜스포머 아키텍처가 주의 메커니즘을 통해 고급 언어 모델링을 어떻게 향상시키는지에 대해 깊이 있게 다룹니다. 마지막으로, 언어 모델을 사용하여 일관된 텍스트를 생성하는 전략과 대규모 모델 및 데이터 세트를 위한 딥러닝 훈련을 확장하는 방법에 대해 논의하며, 이 책은 딥러닝 분야에 관심 있는 모든 이에게 필수적인 자료입니다.
도서 정보
저자: 프랑수아 숄레와 매튜 왓슨
출판 연도: 2023
페이지 수: 400
사용 가능한 형식: 페이퍼백, 전자책
출판사: 매닝 출판사
기술 수준: 중급에서 고급
이 책의 대상 독자
- 이미지 분류
- 객체 탐지
- 텍스트 생성
- 시계열 예측
- 이미지 분할
