박해선, 혼자 공부하는 머신러닝+딥러닝 - 케라스와 파이토치로 1:1 과외하듯 배우는 인공지능 자습서 - 개정판, 한빛미디어

 

#광고 - 링크로 구매 시 글쓴이에게 소정의 수수료가 제공됩니다.

 

 

『혼자 공부하는 머신러닝+딥러닝』은 머신러닝과 딥러닝의 핵심 개념을 쉽고 체계적으로 익힐 수 있도록 돕는 입문서입니다. 이 책은 최신 AI 트렌드를 반영하여 더욱 완성도를 높였으며, 특히 트랜스포머와 대규모 언어 모델(LLM) 실습을 새롭게 추가하여 최신 AI 기술이 실제로 어떻게 동작하는지를 배울 수 있는 기회를 제공합니다.

저자 박해선은 기계공학을 전공한 후 소프트웨어와 과학의 경계를 탐구하며, 머신러닝과 딥러닝에 관한 다양한 저서를 집필해온 전문가입니다. 이 책은 '1:1 과외하듯 배우는 설명 방식'과 '구글 코랩(Colab) 기반 실습'을 통해 독자가 혼자서도 쉽게 학습할 수 있도록 구성되어 있습니다. 각 장마다 자주 하는 질문(FAQ) 코너를 추가하여 학습 중 발생할 수 있는 오류나 개념적 궁금증을 쉽게 해결할 수 있도록 돕습니다.

또한, 혼공 용어 노트, 저자 직강 유튜브 강의, Q&A 커뮤니티 등 다양한 학습 지원을 제공하여 독자가 혼자서도 끝까지 학습을 이어갈 수 있도록 합니다. 이 책은 머신러닝과 딥러닝을 처음 배우려는 입문자뿐만 아니라, AI 실습을 통해 직접 모델을 구현해보고 싶은 개발자, 최신 AI 기술을 익히고 싶은 실무자에게도 적합한 학습서입니다.

이 책을 통해 머신러닝과 딥러닝의 기초부터 심화 개념까지 체계적으로 익히고, 실습을 통해 직접 AI 모델을 구현해보는 경험을 쌓아보세요. 최신 AI 개념을 이해하고 실습까지 제대로 해보고 싶다면, 이 책이 좋은 선택이 될 것입니다.

 

 

목차

Chapter 01 나의 첫 머신러닝
01-1 인공지능과 머신러닝, 딥러닝
인공지능이란
머신러닝이란
딥러닝이란
[키워드로 끝내는 핵심 포인트]
[이 책에서 배울 것]

 

01-2 코랩과 주피터 노트북
구글 코랩
텍스트 셀
코드 셀
노트북
[키워드로 끝내는 핵심 포인트]
[표로 정리하는 툴바와 마크다운]
[확인 문제]

 

01-3 마켓과 머신러닝
생선 분류 문제
첫 번째 머신러닝 프로그램
[문제해결 과정] 도미와 빙어 분류
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[자주 하는 질문]

 

 

Chapter 02 데이터 다루기
02-1 훈련 세트와 테스트 세트
지도 학습과 비지도 학습
훈련 세트와 테스트 세트
샘플링 편향
넘파이
두 번째 머신러닝 프로그램
[문제해결 과정] 훈련 모델 평가
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]

 

02-2 데이터 전처리
넘파이로 데이터 준비하기
사이킷런으로 훈련 세트와 테스트 세트 나누기
수상한 도미 한 마리
기준을 맞춰라
전처리 데이터로 모델 훈련하기
[문제해결 과정] 스케일이 다른 특성 처리
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[자주 하는 질문]

 

 

Chapter 03 회귀 알고리즘과 모델 규제
03-1 k-최근접 이웃 회귀
k-최근접 이웃 회귀
데이터 준비
결정계수(R²)
과대적합 vs 과소적합
[문제해결 과정] 회귀 문제 다루기
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]

 

03-2 선형 회귀
k-최근접 이웃의 한계
선형 회귀
다항 회귀
[문제해결 과정] 선형 회귀로 훈련 세트 범위 밖의 샘플 예측
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]

 

03-3 특성 공학과 규제
다중 회귀
데이터 준비
사이킷런의 변환기
다중 회귀 모델 훈련하기
규제
럿지 회귀
라쏘 회귀
[문제해결 과정] 모델의 과대적합을 제어하기
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[자주 하는 질문]

 

 

Chapter 04 다양한 분류 알고리즘
04-1 로지스틱 회귀
럭키백의 확률
로지스틱 회귀
[문제해결 과정] 로지스틱 회귀로 확률 예측
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]

 

04-2 확률적 경사 하강법
점진적인 학습
SGDClassifier
에포크와 과대/과소적합
[문제해결 과정] 점진적 학습을 위한 확률적 경사 하강법
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[자주 하는 질문]

 

 

Chapter 05 트리 알고리즘
05-1 결정 트리
로지스틱 회귀로 와인 분류하기
결정 트리
[문제해결 과정] 이해하기 쉬운 결정 트리 모델
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]

 

05-2 교차 검증과 그리드 서치
검증 세트
교차 검증
하이퍼파라미터 튜닝
[문제해결 과정] 최적의 모델을 위한 하이퍼파라미터 탐색
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]

 

05-3 트리의 앙상블
정형 데이터와 비정형 데이터
랜덤 포레스트
엑스트라 트리
그레이디언트 부스팅
히스토그램 기반 그레이디언트 부스팅
[문제해결 과정] 앙상블 학습을 통한 성능 향상
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[자주 하는 질문]

 

 

Chapter 06 비지도 학습
06-1 군집 알고리즘
타깃을 모르는 비지도 학습
과일 사진 데이터 준비하기
픽셀값 분석하기
평균값과 가까운 사진 고르기
[문제해결 과정] 비슷한 샘플끼리 모으기
[키워드로 끝내는 핵심 포인트]
[확인 문제]

 

06-2 k-평균
k-평균 알고리즘 소개
KMeans 클래스
클러스터 중심
최적의 k 찾기
[문제 해결 과정] 과일을 자동으로 분류하기
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]

 

06-3 주성분 분석
차원과 차원 축소
주성분 분석 소개
PCA 클래스
원본 데이터 재구성
설명된 분산
다른 알고리즘과 함께 사용하기
[문제해결 과정] 주성분 분석으로 차원 축소
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[자주하는 질문]

 

Chapter 07 딥러닝을 시작합니다
07-1 인공 신경망
패션 MNIST
로지스틱 회귀로 패션 아이템 분류하기
인공 신경망
인공 신경망으로 모델 만들기
인공 신경망으로 패션 아이템 분류하기
[문제해결 과정] 인공 신경망 모델로 성능 향상
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]

07-2 심층 신경망
2개의 층
심층 신경망 만들기
층을 추가하는 다른 방법
렐루 함수
옵티마이저
[문제해결 과정] 케라스 API를 활용한 심층 신경망
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[파이토치 버전 살펴보기]

07-3 신경망 모델 훈련
손실 곡선
검증 손실
드롭아웃
모델 저장과 복원
콜백
[문제해결 과정] 최상의 신경망 모델 얻기
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[파이토치 버전 살펴보기]
[자주 하는 질문]

 

 

Chapter 08 이미지를 위한 인공 신경망
08-1 합성곱 신경망의 구성 요소
합성곱
케라스 합성곱 층
합성곱 신경망의 전체 구조
[문제해결 과정] 합성곱 층과 풀링 층 이해하기
[키워드로 끝내는 핵심 포인트]
[확인 문제]

 

08-2 합성곱 신경망을 사용한 이미지 분류
패션 MNIST 데이터 불러오기
합성곱 신경망 만들기
모델 컴파일과 훈련
[문제해결 과정] 케라스 API로 합성곱 신경망 구현
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[파이토치 버전 살펴보기]

 

08-3 합성곱 신경망의 시각화
가중치 시각화
함수형 API
특성 맵 시각화
[문제해결 과정] 시각화로 이해하는 합성곱 신경망
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[파이토치 버전 살펴보기]
[자주 하는 질문]

 

 

Chapter 09 텍스트를 위한 인공 신경망
09-1 순차 데이터와 순환 신경망
순차 데이터
순환 신경망
셀의 가중치와 입출력
[문제해결 과정] 순환 신경망으로 순환 데이터 처리
[키워드로 끝내는 핵심 포인트]
[확인 문제]

 

09-2 순환 신경망으로 IMDB 리뷰 분류하기
IMDB 리뷰 데이터셋
순환 신경망 만들기
순환 신경망 훈련하기
단어 임베딩을 사용하기
[문제해결 과정] 케라스 API로 순환 신경망 구현
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[파이토치 버전 살펴보기]

 

09-3 LSTM과 GRU 셀
LSTM 구조
LSTM 신경망 훈련하기
순환층에 드롭아웃 적용하기
2개의 층을 연결하기
GRU 구조
GRU 신경망 훈련하기
[문제해결 과정] LSTM과 GRU 셀로 훈련
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
[파이토치 버전 살펴보기]
[자주 하는 질문]

 

 

Chapter 10 언어 모델을 위한 신경망
10-1 어텐션 메커니즘과 트랜스포머
순환 신경망을 사용한 인코더-디코더 네트워크
어텐션 메커니즘
트랜스포머
셀프 어텐션 메커니즘
층 정규화
피드포워드 네트워크와 인코더 블록
토큰 임베딩과 위치 인코딩
디코더 블록
[키워드로 끝내는 핵심 포인트]
[확인 문제]

 

10-2 트랜스포머로 상품 설명 요약하기
트랜스포머 가계도
전이 학습
BART 모델 소개
BART의 인코더와 디코더
허깅페이스로 KoBART 모델 로드하기
텍스트 토큰화
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]

 

10-3 대규모 언어 모델로 텍스트 생성하기
디코더 기반의 대규모 언어 모델
LLM 리더보드
EXAONE의 특징
EXAONE-3.5로 상품 질문에 대한 대답 생성하기
토큰 디코딩 전략
오픈AI 모델의 간략한 역사
오픈AI API 키 만들기
오픈AI API로 상품 질문에 대한 대답 생성하기
[키워드로 끝내는 핵심 포인트]
[핵심 패키지와 함수]
[확인 문제]
부록 한 발 더 나아가기 : 이 책에 대한 독자의 질문

 

 

 

- 교보문고: https://bitl.bz/kG9mcV

- Yes24: https://bitl.bz/u59mnU

- 쿠팡: https://bitl.bz/eSIMKx