『밑바닥부터 시작하는 딥러닝 5』는 최신 생성형 AI의 핵심인 확산 모델을 심도 있게 다루고 있는 책으로, 딥러닝에 대한 기초부터 고급 개념까지 체계적으로 정리되어 있습니다. 이 책은 정규 분포와 최대 가능도 추정 같은 기본 개념에서 시작해, 가우스 혼합 모델, 변이형 오토인코더(VAE), 계층형 VAE 그리고 확산 모델에 이르기까지 다양한 생성 모델을 10단계로 설명합니다.
저자 사이토 고키는 이 책을 통해 복잡한 수학 이론을 쉽게 이해할 수 있도록 돕고 있습니다. 각 장에서는 이론적인 설명과 함께 실제 파이썬 코드 구현을 통해 독자들이 이론을 실습으로 연결할 수 있도록 구성되어 있습니다. 특히, 수식에 대한 상세한 설명과 함께 다양한 예시와 시각 자료를 활용하여 독자의 이해를 돕고 있습니다.
이 책은 단순히 생성 모델의 이론을 설명하는 데 그치지 않고, '왜'와 '어떻게'라는 질문에 대한 답을 제공하여 독자들이 깊이 있는 통찰력을 가질 수 있도록 합니다. 또한, 생성형 AI의 발전과 함께 주목받는 확산 모델에 대한 이해를 돕기 위해 필수적인 수학적 배경과 원리를 명확하게 설명하고 있습니다.
딥러닝에 대한 기본 지식이 있는 독자라면 이 책을 통해 생성 모델의 기초부터 최신 기술까지 체계적으로 학습할 수 있습니다. 특히, 생성형 AI와 관련된 다양한 분야에 관심이 있는 개발자나 연구자에게 필독서로 추천할 만합니다. 이 책을 통해 생성 모델의 원리를 깊이 있게 이해하고, 실제 구현에 대한 자신감을 가질 수 있을 것입니다.
『밑바닥부터 시작하는 딥러닝 5』는 딥러닝과 생성형 AI에 대한 흥미를 느끼고 있는 모든 이들에게 필수적인 지침서로 자리 잡을 것입니다.
목차
CHAPTER 1 정규 분포
_1.1 확률의 기초
_1.2 정규 분포
_1.3 중심 극한 정리
_1.4 표본 합의 확률 분포
_1.5 우리 주변의 정규 분포
CHAPTER 2 최대 가능도 추정
_2.1 생성 모델 개요
_2.2 실제 데이터로 생성 모델 구현
_2.3 최대 가능도 추정 이론
_2.4 생성 모델의 용도
CHAPTER 3 다변량 정규 분포
_3.1 넘파이와 다차원 배열
_3.2 다변량 정규 분포
_3.3 2차원 정규 분포 시각화
_3.4 다변량 정규 분포의 최대 가능도 추정
CHAPTER 4 가우스 혼합 모델
_4.1 우리 주변의 다봉 분포
_4.2 가우스 혼합 모델 데이터 생성
_4.3 가우스 혼합 모델의 수식
_4.4 매개변수 추정의 어려움
CHAPTER 5 EM 알고리즘
_5.1 KL 발산
_5.2 EM 알고리즘 도출 ①
_5.3 EM 알고리즘 도출 ②
_5.4 GMM과 EM 알고리즘
_5.5 EM 알고리즘 구현
CHAPTER 6 신경망
_6.1 파이토치와 경사법
_6.2 선형 회귀
_6.3 매개변수와 옵티마이저
_6.4 신경망 구현
_6.5 토치비전과 데이터셋
CHAPTER 7 변이형 오토인코더
_7.1 VAE와 디코더
_7.2 VAE와 인코더
_7.3 ELBO 최적화
_7.4 VAE 구현
CHAPTER 8 확산 모델 이론
_8.1 VAE에서 확산 모델로
_8.2 확산 과정과 역확산 과정
_8.3 ELBO 계산 ①
_8.4 ELBO 계산 ②
_8.5 ELBO 계산 ③
_8.6 확산 모델의 학습(알고리즘)
CHAPTER 9 확산 모델 구현
_9.1 U-Net
_9.2 사인파 위치 인코딩
_9.3 확산 과정
_9.4 데이터 생성
_9.5 확산 모델의 학습(구현)
CHAPTER 10 확산 모델 응용
_10.1 조건부 확산 모델
_10.2 점수 함수
_10.3 분류기 가이던스
_10.4 분류기 없는 가이던스
_10.5 스테이블 디퓨전
APPENDIX A 다변량 정규 분포의 최대 가능도 추정법 도출
_A.1 μ의 최대 가능도 추정
_A.2 2차 형식의 미분([식 A.4]의 증명)
_A.3 Σ의 최대 가능도 추정
_A.4 대각합과 미분([식 A.12]의 증명)
APPENDIX B 옌센 부등식
_B.1 볼록 함수와 옌센 부등식
_B.2 오목 함수와 로그 함수
_B.3 ELBO 도출
APPENDIX C 계층형 VAE의 이론과 구현
_C.1 2계층 VAE의 구성요소
_C.2 ELBO의 식 전개
_C.3 몬테카를로 방법에 따른 ELBO의 근삿값
_C.4 2계층 VAE 구현
_C.5 구현 코드
APPENDIX D 수식 기호 목록
_D.1 이 책에서 사용하는 기호
_D.2 이 책에서 사용하는 수식
- 교보문고: https://bitl.bz/6JaPwh
- 쿠팡: https://bitl.bz/xKlGgN
- Yes24: https://bitl.bz/fFFKuV
'데이터 과학 > 통계학, 머신러닝' 카테고리의 다른 글
| 서울대학교 자연과학대학 통계학과, 일반통계학 - 3판, 한빛아카데미 (0) | 2025.03.22 |
|---|---|
| 정윤식, 베이지안 통계학의 이론·계산 및 응용 - 2판, 자유아카데미 (0) | 2025.03.21 |
| 사이토 고키, 밑바닥부터 시작하는 딥러닝 4 - 파이썬으로 직접 구현하며 배우는 강화 학습 알고리즘, 한빛미디어 (2) | 2025.03.18 |
| 사이토 고키, 밑바닥부터 시작하는 딥러닝 3 - 파이썬으로 직접 구현하며 배우는 딥러닝 프레임워크, 한빛미디어 (1) | 2025.03.17 |
| 사이토 고키, 밑바닥부터 시작하는 딥러닝 2 - 파이썬으로 직접 구현하며 배우는 순환 신경망과 자연어 처리, 한빛미디어 (0) | 2025.03.16 |