“딥러닝을 배워서 어디에 활용할 수 있을지 궁금했나요?”
강아지 사진 분류하기, 영화 리뷰 텍스트의 감성 분석하기, GPT 모델 만들기 등 
다양한 딥러닝 모델을 직접 구현해 보며 재미있게 실력 쌓기!

딥러닝 분야를 대표하는 초창기 컴퓨터 비전 모델부터 대규모 언어 모델인 GPT, Llama, Gemma 등의 최신 모델까지! 다양한 딥러닝 모델을 구현하며 인공지능의 발전 과정은 물론, 새롭게 적용된 최신 기술까지 흥미롭게 경험해 보세요.

저자 직강 유튜브 강의 +  오픈채팅 제공

책을 읽다가 궁금한 점이 있을 때는 언제든지 질문해 보세요. 저자가 직접 답변하는 카카오톡 오픈채팅과 학습 사이트 Q&A를 운영하고 있습니다. 예제 파일 다운로드 및 동영상 강의 시청 역시 한빛미디어의 학습 사이트에서 언제든 지원받을 수 있습니다.

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

도서 특징

하나, 혼자서도 끝까지 학습할 수 있는 친절한 가이드
실습하다 막혀도 걱정 마세요. 체계적인 학습 요소가 혼자서도 끝까지 따라 하며 이해할 수 있도록 독자 여러분을 가이드합니다. 코드를 작성하기 전에 필요한 개념을 짚어 주는 〈문법 체크〉, 실행 결과와 코드 해설이 함께하는  〈따라 하며 배우는 코딩〉, 배운 내용을 스스로 응용해 보는 〈미니 프로젝트〉가 혼만 독자 여러분과 함께합니다.

둘,  때론 혼자, 때론 같이! 저자 직강 유튜브 강의 및 학습 사이트 지원
http://hongong.hanbit.co.kr
책을 읽다가 궁금한 점이 있을 때는 언제든지 질문하세요. 저자가 직접 답변하는 카카오톡 오픈채팅과  학습 사이트 Q&A를 운영합니다. 예제 파일 다운로드 및 동영상 강의 보기도 혼만 독자 커뮤니티에서 언제든 지원받을 수 있어요.

셋, 설치 NO! 번거로운 설치 없이 온라인으로 실행하는 딥러닝 실습서
『혼자 만들면서 공부하는 딥러닝』의 모든 예제는 온라인 환경인 구글 코랩에서 실습합니다. 코랩에서 직접 코드를 작성해 보는 것이 가장 좋지만, 책에서 다루는 모든 코드를 이 책의 깃허브에 공개하고 있습니다. 깃허브에 있는 주피터 노트북으로 실행 결과를 확인해 보세요.

<혼자 만들면서 공부하는> 시리즈를 향한 베타 리더의 한 마디

‘'내가 과연 할 수 있을까?'라는 걱정에 시작조차 못하고 계신 분이 있다면, 이 책과 함께 첫걸음을 내디뎌 보세요. - 베타리더 김재은 님

“입문자부터 중급자까지 아우를 수 있도록 설계한 저자의 세심한 배려가 돋보입니다. 단 한 권만으로도 따라 할 수 있는, 게다가 쉽고 유쾌하기까지 한 학습 경험을 제공합니다.” – 베타리더 곽남주 님

“단순히 문법을 배우는 데에만 그쳤던 사람이라면 혼자 만들면서 공부하는 방식이 익숙하지 않을 수 있지만, 코드를 직접 만들고 정리해 보면서 진짜 내 것이 되는 경험을 할 수 있었습니다.” - 베타리더 이하랑 님