국내도서

>

컴퓨터/인터넷

>

IT 전문서

>

컴퓨터공학

>

인공지능/퍼지

• 
• 제휴몰 주문 시 고객보상, 일부 이벤트 참여 및 증정품 증정, 하루/당일 배송에서 제외되므로 참고 바랍니다.

• 
• 도서  > 컴퓨터/인터넷  > IT 전문서  > 컴퓨터공학  > 인공지능/퍼지

• 
• 
• 자연어 처리를 위한 AI 모델의 핵심 기술과 활용법에 대해서 다룬다. N-gram으로 접근하는 전통적인 모델 방식의 한계를 설명하고, AI 모델이 그 문제를 어떻게 해결할 수 있는지 설명한다. 어텐션 네트워크의 배경과 핵심 원리를 자세하게 설명하고 있고, 이 구조를 통해서 트랜스포머나 BERT 등의 구조를 설명한다. 또한 자연어 처리에 있어서 메타학습 방법도 간략하게 소개한다.
• 
• ◈ 이 책에서 다루는 내용 ◈ ◆ N-gram을 이용한 자연어 처리 기법 ◆ 자연어 처리를 위한 RNN 기반의 AI 모델 구조 및 장단점 ◆ 어텐션 네트워크의 탄생 배경과 핵심 원리 ◆ 어텐션 네트워크를 활용한 트랜스포머의 구조 ◆ BERT의 구조 및 사전학습/파인튜닝 방법 ◆ BERT 이후의 AI 모델들 ◆ 자연어 처리에 대한 메타러닝 방법 ◈ 이 책의 대상 독자 ◈ 어느 정도 파이썬 코드를 읽고 구현할 수 있으며 머신러닝에 대한 기초 역량이 있는 독자를 대상으로 저술했다. 파이썬을 접해본 적 없거나 머신러닝에 입문하는 독자가 공부하기에 어려울 수 있다. ◈ 이 책의 구성 ◈ 1장에서는 언어 모델에 관한 내용을 다뤘다. 언어 모델이 무엇인지 확률적으로 정의한 후, N-gram 기법을 이용해서 언어 모델을 설명하고 그 과정을 코드를 통해 구현했다. 또한 N-gram 이후에 오랫동안 사용됐던 인공지능 모델인 RNN 계열의 인공지능 모델도 설명했다. RNN 계열의 언어 모델도 간단하게 학습해볼 수 있도록 샘플 코드를 구현했다. 2장에서는 어텐션에 대해서 자세하게 다뤘다. 어텐션은 트랜스포머의 핵심을 이루는 연산이다. 어텐션 연산을 RNN 계열에 추가했을 때 어떠한 장점이 있는지 설명했\하고 관련된 샘플 코드도 공부해볼 수 있도록 구현했다. 3장부터 본격적으로 트랜스포머의 구조를 다뤘다. 2장에서 다룬 어텐션을 기반으로 트랜스포머를 어떻게 구현했는지 구조적으로 설명했다. 4장에서는 BERT 모델에 대해서 설명했다. BERT를 사전 학습하는 방법에 대해서 소개했고, 사전학습된 모델을 파인튜닝하는 방법에 대해서도 소개하며 또한 BERT 이후에 발표된 개선된 모델도 몇 가지 소개했다. 5장에서는 GPT 계열의 모델을 설명했다. GPT2에서부터는 메타러닝의 개념이 추가된다. 자연어 처리에서 메타러닝이 왜 필요하고 어떤 방법으로 학습되는지 소개했다. 다만 GPT2/GPT3의 정확한 학습 방법은 공개되지 않았기 때문에 학습 과정은 코드로 구현하지 못했다. 마지막으로 부록에서는 딥러닝 모델의 양자화에 대해서 살펴본다. 딥러닝 모델의 성능이 비약적으로 발전했지만 그와 동시에 모델의 연산량과 파라미터 수도 굉장히 많아졌다. 큰 모델을 간단하게 경량화할 수 있는 방법으로 양자화가 있다. 부록에서는 양자화의 기본 원리에 대해서 다루고 4장에서 살펴본 BERT를 파인 튜닝해서 학습한 분류 모델을 경량화하는 내용을 다룬다.
• 
• 1장 다음 단어는요? 언어 모델 __1.1. 언어 모델은 확률 게임 __1.2. N-gram 언어 모델 ____1.2.1. 텍스트 전처리 ____1.2.2. 제로 카운트 해결하기 ____1.2.3. N-gram 모델 학습하기 ____1.2.4. N-gram 언어 모델의 한계 __1.3. Word2Vec 기반의 언어 모델 __1.4. RNN 기반의 언어 모델 __1.4.1. RNN의 구조 __1.4.2. GRU 언어 모델 구현하기 __1.4.3. GRU 언어 모델로 문장 생성하기 2장 집중해 보자! 어텐션 __2.1. 하나의 벡터로 모든 정보를 담는 RNN __2.2. 왜 어텐션(Attention)하지 않지? __2.3. 어떻게 어텐션(Attention)하지? ____2.3.1. 묻고 참고하고 답하기 ____2.3.2. 어텐션 계산해 보기 ____2.3.3. 어텐션 구현하기 ____2.3.4 모델링 학습하기 3장 안녕, 트랜스포머 __3.1. 트랜스포머의 구조 __3.2. 트랜스포머 구현하기 ____3.2.1. 인코더 __3.3. Why Transformer __3.4. 트랜스포머 학습 결과 ____3.4.1. Perplexity(PPL) ____3.4.2. BLEU 스코어 4장 중간부터 학습하자! 사전학습과 파인튜닝 __4.1. 사전학습과 Fine-Tuning __4.2. BERT ____4.2.1. BERT의 모델 구조와 이해하기 ____4.2.2. BERT 모델의 입력 이해하기... ____4.2.3. 사전학습 이해하기 ____4.2.4. Masked Language Model(MLM) ____4.2.5. Next Sentence Prediction(NSP) ____4.2.6. 사전학습을 위한 데이터셋 준비와 Self-supervised Learning ____4.2.7. 사전학습 파헤치기 ____4.2.8. 사전학습 정리하기 ____4.2.9. Fine-Tuning 이해하기 ____4.2.10. 텍스트 분류 모델로 파인튜닝하기 ____4.2.11. 질의응답 모델로 파인튜닝하기 __4.3. GPT ____4.3.1. GPT의 사전학습 ____4.3.2. Masked Self-Attention __4.4. RoBERTa ____4.4.1. 정적 또는 동적 마스킹 전략 ____4.4.2. NSP 전략 ____4.4.3. 배치 사이즈와 데이터셋 크기 __4.5. ALBERT ____4.5.1. Factorized Embedding Parameterization ____4.5.2. Cross-layer Parameter Sharing ____4.5.3. Sentence Order Prediction(SOP) ____4.5.4. ALBERT 정리 __4.6. ELECTRA ____4.6.1. 학습 구조 ____4.6.2. RTD __4.7. DistilBERT ____4.7.1. 지식 증류 ____4.7.2. DistilBERT의 구조와 성능 비교 __4.8. BigBird ____4.8.1. 전체 문장에 대한 어텐션, 글로벌 어텐션 ____4.8.2. 가까운 단어에만 집중하기, 로컬 어텐션 ____4.8.3. 임의의 토큰에 대한 어텐션, 랜덤 어텐션 ____4.8.4. 토큰 길이에 따른 연산량 비교 __4.9. 리포머 ____4.9.1. 트랜스포머 구조의 문제점 ____4.9.2. LSH 어텐션 ____4.9.3. Reversible 트랜스포머 __4.10. GLUE 데이터셋 ____4.10.1. CoLA ____4.10.2. SST-2 데이터셋 ____4.10.3. MRPC ____4.10.4. QQP ____4.10.5. STS-B ____4.10.6. MNLI ____4.10.7. QNLI ____4.10.8. RTE ____4.10.9. WNLI ____4.10.10. GLUE 데이터셋의 평가 지표 5장 어떻게 배우지? 메타러닝 __5.1. 학습을 위한 학습, 메타러닝 __5.2. 메타러닝을 이용한 Amazon 리뷰 감정 분류 학습하기 ____5.2.1. 데이터셋과 데이터로더 만들기 __5.3. GPT2에서의 메타러닝 ____5.3.1. GPT2를 학습하기 위한 접근 방법 ____5.3.2. GPT2의 학습 데이터셋과 멀티태스크 ____5.3.3. GPT2 성능 평가 결과 ____5.3.4. GP2를 통한 문장 생성 ____5.3.5. GPT2를 이용한 퓨샷 러닝 부록. 양자화 __1.1. 양자화에 대한 수학적인 이해와 코드 구현 __1.2. 양자화된 행렬을 이용한 행렬 곱셈과 덧셈 __1.3. 동적 양자화와 정적 양자화 __1.4. BERT 양자화하기
• 
• 

• 이진기 [저]

• 안랩의 보안 관제 엔지니어로 IT 업계에 발을 들였다. 그러던 중 2015년에 데이터 분석을 공부하기 위해 영국의 워릭대학교(The University of Warwick)로 석사 유학을 떠났다. 석사 취득 후에는 안랩에서 보안 관제를 위한 머신러닝/AI 서비스를 연구하고 개발했다. 현재는 포스코ICT의 AI기술그룹에서 컴퓨터 비전 프로젝트를 연구하고 있다.

• 전체 0개의 구매후기가 있습니다.
• 

인터파크도서는 고객님의 단순 변심에 의한 교환과 반품에 드는 비용은 고객님이 지불케 됩니다. 단, 상품이나 서비스 자체의 하자로 인한 교환 및 반품은 무료로 반품 됩니다. 교환 및 반품이 가능한 경우 상품을 공급 받은 날로부터 7일이내 가능 공급받으신 상품의 내용이 표시, 광고 내용과 다르거나 다르게 이행된 경우에는 공급받은 날로부터 3개월 이내,    혹은 그사실을 알게 된 날 또는 알 수 있었던 날로부터 30일 이내 상품에 아무런 하자가 없는 경우 소비자의 고객변심에 의한 교환은 상품의 포장상태 등이 전혀 손상되지 않은 경우에 한하여 가능 교환 및 반품이 불가능한 경우 구매확정 이후(오픈마켓상품에 한함) 고객님의 책임 있는 사유로 상품 등이 멸실 또는 훼손된 경우    (단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외) 시간이 지남에 따라 재판매가 곤란할 정도로 물품의 가치가 떨어진 경우 포장 개봉되어 상품 가치가 훼손된 경우 다배송지의 경우 반품 환불 다배송지의 경우 다른 지역의 반품을 동시에 진행할 수 없습니다. 1개 지역의 반품이 완료된 후 다른 지역 반품을 진행할 수 있으므로, 이점 양해해 주시기 바랍니다. 중고상품의 교환 중고상품은 제한된 재고 내에서 판매가 이루어지므로, 교환은 불가능합니다. 오픈마켓 상품의 환불 오픈마켓상품에 대한 책임은 원칙적으로 업체에게 있으므로, 교환/반품 접수시 반드시 판매자와 협의 후 반품 접수를 하셔야하며,    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가능할 수 있으니 유의하시기 바랍니다.

배송예정일 안내 인터파크 도서는 모든 상품에 대해 배송완료예정일을 웹사이트에 표시하고 있습니다. <인터파크 직배송 상품> 상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다. 상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며, 서울외지역/평일 주문분의 경우는 오후 6시까지 주문분에 대하여 익일 배송완료를 보장하는 상품입니다. (단, 월요일은 12시까지 주문에 한함) 상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다. ~ 상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로 주문일+기준출고일+택배사배송일(1일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※기준출고일:인터파크가 상품을 수급하여 물류창고에서 포장/출고하기까지 소요되는 시간 <업체 직접배송/오픈마켓 상품> ~ 상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다. 주문일+기준출고일+택배사배송일(2일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※5일이내 출고가 시작되지 않을시, 오픈마켓 상품은 자동으로 주문이 취소되며, 고객님께 품절보상금을 지급해 드립니다. 배송비 안내 도서(중고도서 포함)만 구매하시면 : 배송비 2,000원 (1만원이상 구매 시 무료배송) 음반/DVD만 구매하시면 : 배송비 1,500원 (2만원이상 구매 시 무료배송) 잡지/만화/기프트만 구매하시면 : 배송비 2,000원 (2만원이상 구매 시 무료배송) 도서와 음반/DVD를 함께 구매하시면 : 배송비 1,500원 1만원이상 구매 시 무료배송) 도서와 잡지/만화/기프트/중고직배송상품을 함께 구매하시면 : 2,000원 (1만원이상 구매 시 무료배송) 업체직접배송상품을 구매시 : 업체별로 상이한 배송비 적용    * 세트상품의 경우 부분취소 시 추가 배송비가 부과될 수 있습니다.    * 북카트에서 배송비없애기 버튼을 클릭하셔서, 동일업체상품을 조금 더 구매하시면, 배송비를 절약하실 수 있습니다. 해외배송 안내 인터파크도서에서는 국내에서 주문하시거나 해외에서 주문하여 해외로 배송을 원하실 경우 DHL과 특약으로 책정된 요금표에    의해 개인이 이용하는 경우보다 배송요금을 크게 낮추며 DHL(www.dhl.co.kr)로 해외배송 서비스를 제공합니다. 해외배송은 도서/CD/DVD 상품에 한해 서비스하고 있으며, 다른 상품을 북카트에 함께 담으실 경우 해외배송이 불가합니다. 해외주문배송 서비스는 인터파크 도서 회원 가입을 하셔야만 신청 가능합니다. 알아두세요!!! 도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 취소될 수 있습니다. 오픈마켓업체의 배송지연시 주문이 자동으로 취소될 수 있습니다. 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 기준으로 배송됩니다. 유통의 특성상 출고기간은 예정보다 앞당겨지거나 늦춰질 수 있습니다. 택배사 배송일인 서울 및 수도권은 1~2일, 지방은 2~3일, 도서, 산간, 군부대는 3일 이상의 시간이 소요됩니다.