널리 개발자를 이롭게 할 최첨단 딥러닝 기술 fast.ai의 모든 것 이 책의 원서는 미국 아마존 컴퓨터 신경망 분야에서 최상위권 자리를 지키고 있습니다. 제일 뜨거운 주제인 fastai 라이브러리를 사용해 딥러닝을 설명하기 때문이죠. 개발과 데이터에 관심을 가지기 시작한 분들과 대화하다 보면 전산 전공자가 아니고, 개발자 출신이 아니기 때문에 코드가 나오는 일을 잘하지 못할 것이라 걱정하는 분들이 계십니다. 당연히 그럴 수 있습니다. 기술을 처음 접할 때는 풀어야 할 문제, 풀고 싶은 문제를 위해 스스로 무엇을 알아야 하는지 몰라서 좌절하기 쉽습니다. 이러한 분들은 이 책을 통해 딥러닝 엔지니어링을 향한 호기심을 충분히 충족할 수 있을 것입니다. 대상 독자 이 책은 딥러닝과 머신러닝을 처음 시작하는 독자에게 가장 적합합니다. 파이썬 코딩 경험이 있으면 더 좋습니다. 또한 딥러닝 실무자에게 도움이 되는 내용도 담았습니다. 최신 연구에서 다룬 기술을 포함하여 세계적 수준의 결과를 달성하는 방법을 알려줍니다. 높은 수준의 수학 교육이나 수년간의 공부는 필요하지 않습니다. 그저 약간의 상식과 끈기만 필요할 뿐입니다. ● 머신러닝, 딥러닝을 처음 접하는 분(파이썬 또는 프로그래밍 학습을 1년 정도 해보셨으면 충분합니다.) ● 현업에서 머신러닝, 딥러닝을 활용하고 있는 분 주요 내용 ● 영상 처리, 자연어 처리, 테이블 데이터, 협업 필터링 모델을 학습합니다. ● 딥러닝 분야의 최신 기법을 배웁니다. ● 딥러닝 모델의 작동 방식을 이해하여 안정성, 정확성, 속도를 개선합니다. ● 딥러닝 모델을 웹 애플리케이션으로 만드는 방법을 배웁니다. ● 밑바닥부터 딥러닝 알고리즘을 구현합니다. ● AI 작업에 내재된 윤리적 문제를 고민해봅니다. 추천사 OpenAI 연구자로 전향한 전 피아니스트로서, 딥러닝에 뛰어드는 방법을 물어보는 사람들에게 항상 fastai를 추천합니다. 이 책은 복잡한 주제를 친근하게 안내할 뿐만 아니라, 숙련된 실무자에게도 유용한 최신 기법을 다루는 등 주옥같은 내용으로 가득 차 있습니다. 완전히 다른 두 집단 모두를 위한 어려운 작업을 해낸 책입니다. 크리스틴 페인, 뮤즈넷과 쥬크박스 제작자이자 OpenAI 연구자 누구나 딥러닝 프로젝트를 빠르게 시작하는 데 도움이 되는 실습 위주의 접근성이 뛰어난 책입니다. 실용적인 딥러닝에 대해 매우 명확하고 따르기 쉬운 정직한 가이드를 제공합니다. 초보자부터 경영진, 관리자까지 모든 이에게 유용한 자료입니다. 수년 전에 이 책이 있었다면 너무 좋았을 것 같습니다! 캐럴 라일리, Drive.ai 설립 이사이자 의장 제러미와 실뱅의 딥러닝에 대한 전문성, 머신러닝에 대한 실용적 접근법, 그리고 이들이 이바지해온 오픈소스는 파이토치 커뮤니티의 핵심 중 하나입니다. 머신러닝의 접근성을 더욱 쉽게 만들기 위해 fast.ai 커뮤니티가 해온 작업의 일환인 이 책은 AI 전체 분야에 큰 도움이 될 것입니다. 제롬 페센티, 페이스북 AI 부사장 딥러닝은 최근 인공지능의 놀라운 발전을 책임지고 있는 현재 가장 중요한 기술 중 하나입니다. 이전에는 박사 학위 소지자만을 위한 분야였지만, 이제는 아닙니다! 매우 인기 있는 fast.ai 교육 과정을 기반으로 작성된 이 책은 프로그래밍 경험이 있는 모든 사람이 딥러닝에 접근할 기회를 제공합니다. 훌륭한 실습 예제, 대화형으로 실행해볼 수 있는 사이트와 함께 딥러닝이 탑재된 시스템의 ‘전체’를 가르칩니다. 또한 박사 학위 소지자에게도 유익한 내용이 많이 담겨 있습니다. 그레고리 피아테스키-샤피로, KDnuggets 사장 최고의 딥러닝 전문가인 제러미와 실뱅이 저술한 이 책은 제가 지난 수년간 꾸준히 추천해온 fast.ai 교육 과정의 연장선으로, 수개월 만에 초심자에서 자격을 갖춘 실무자가 되는 길을 안내합니다. 루이스 모니어, 전 에어비앤비 인공지능 연구소장이자 알타비스타 설립자 이 책을 강력하게 추천합니다! 고급 프레임워크로 구체적인 실제 인공지능 및 자동화 작업을 빠르게 다뤄볼 수 있습니다. 또한 모델을 안전하게 상품화하는 방법, 절실히 필요한 데이터 윤리와 같이 일반적으로 간과되는 주제도 함께 다룹니다. 존 마운트와 니나 주멜, 『R로 배우는 실무 데이터 과학』 저자 이 책은 파이토치 기반으로 구축된 강력한 머신러닝 프레임워크이자 탄탄한 커뮤니티인 fast.ai와 함께할 때 책 이상의 가치를 지니게 됩니다. 일류 산업 연구실에서 경쟁력을 갖출 수 있는 최신 기법들을 타협 없이 약간의 계산만으로 즉시 사용 가능한 수준으로 제공합니다. 개인적으로 이 책과 함께 fast.ai 교육 과정이 지닌 교육과 학습에 대한 철학은 여러 차원에서 개인적 성장을 가속화할 수 있는 도구를 제공합니다. fast.ai 교육 과정과 이 책을 통해 소프트웨어 공학, 테스트, 반복적 개발 방법론, 윤리적 프레임워크에 대한 귀중한 경험을 배울 수 있습니다. 이 책을 통해 제러미의 정신을 엿볼 수 있습니다. 마지막으로 제러미와 실뱅의 교육 방식은 항상 이해심과 공감력에 기초하고 있고, 이는 오늘날 가장 접근성이 좋은 딥러닝 책을 탄생시켰습니다. 하멜 후사인, CodeSearchNet 프로덕트 리드 및 깃허브 머신러닝 엔지니어 이 책은 ‘프로그래머를 위한’ 것이며, 박사 학위는 전혀 필요하지 않습니다. 저는 박사 학위 소지자이고, 프로그래머가 아닌데 왜 이 책을 검토했을까요? 바로 이 책이 얼마나 굉장한지를 알려드리기 위해서 입니다! 여러분은 1장의 몇 페이지 내로 4줄의 코드와 1분 미만의 계산량으로 고양이와 개를 분류하는 최신 신경망을 구축하는 방법을 배우게 됩니다. 그다음 모델을 상품화하는 2장에서는 서버, HTML, 자바스크립트 없이 웹 애플리케이션을 즉시 배포하는 방법을 배웁니다. 이 책을 양파에 비유하고 싶습니다. 가능한 최고의 설정으로 작동하는 완전한 패키지로 시작해서, 일부 변경이 필요하다면 하나의 껍질을 벗겨내면 되기 때문이죠. 좀 더 많은 변경이 필요하다고요? 그러면 계속해서 더 많은 껍질을 벗겨내면 됩니다. 그렇게 순수 파이토치를 사용하는 수준까지 껍질을 벗겨나갈 수 있습니다. 이 많은 분량의 여정 동안 세 명의 독립적인 목소리는 각 주제에 대해 지침과는 개별적인 관점을 접하는 기회도 제공합니다. 알프레도 칸지아니, 뉴욕 대학교 컴퓨터 과학 교수 이 책은 접근성이 좋으며, 대화형 방식으로 작성된 책으로 딥러닝 개념을 전체적인 관점에서 가르칩니다. 이 책은 실제 예제를 즉시 다뤄볼 기회와 함께, 필요한 경우에서만 독자에게 참고용 개념을 제공하는 데 집중합니다. 실무자의 경우 전반부 실습을 통해 딥러닝 세계를 접할 수도 있지만, 후반부로 직행하여 더 심도 있는 개념을 자연스럽게 접하는 것도 가능합니다. 조시 패터슨, 패터슨 컨설팅 여러분의 모델이 원하는 대로 작동하지 않을 때 이 책을 읽어보세요! 제러미의 실제 경험과 실뱅의 이론적 지식의 훌륭한 결합을 제공할 뿐만 아니라, 딥러닝의 기술에 더욱 쉽게 접근할 수 있도록 해줍니다. 론 코하비, 에어비앤비 기술 펠로우이자 부사장 제러미, 실뱅, 레이철은 인공지능 분야의 커뮤니티와 접근성이 뛰어난 도구를 만드는 데 있어 통달한 분들입니다. 이 책은 전 세계적으로 미래의 인공지능 연구자가 될 수천 명이 쉽게 관련 분야를 습득하는 데 도움이 되는 fast.ai 팀의 또 다른 역작입니다. 축하드립니다! 조 스피삭, 페이스북 파이토치 프로덕트 관리자

PART I 실전 딥러닝 CHAPTER 1 딥러닝으로 떠나는 여행 1.1 모두를 위한 딥러닝 1.2 신경망: 간략한 역사 1.3 저자 소개 1.4 딥러닝 학습 방법 1.5 소프트웨어: 파이토치, fastai, 주피터 노트북 1.6 첫 번째 모델 만들기 1.7 다양한 분야에서의 딥러닝 1.8 검증용 및 테스트용 데이터셋 1.9 모험의 순간, 여러분만을 위한 선택 1.10 질문지 CHAPTER 2 모델에서 제품까지 2.1 딥러닝 프로젝트를 실천하기 2.2 데이터 수집 2.3 데이터에서 DataLoaders까지 2.4 모델 훈련과 훈련된 모델을 이용한 데이터 정리 2.5 모델을 온라인 애플리케이션으로 전환하기 2.6 재앙을 피하는 방법 2.7 기술적 글쓰기의 장점 2.8 질문지 CHAPTER 3 데이터 윤리 3.1 데이터 윤리의 핵심 사례 3.2 머신러닝과 제품 디자인 통합하기 3.3 데이터 윤리의 주제 3.4 윤리적 문제를 식별하고 해결하기 3.5. 정책의 역할 3.6 결론 3.7 질문지 3.8 실전 딥러닝: 요약 PART II fastai 애플리케이션 계층 이해하기 CHAPTER 4 숫자 분류기의 학습 내부 들여다보기 4.1 픽셀: 컴퓨터 영상 처리의 기본 토대 4.2 첫 번째 시도: 픽셀 유사성 4.3 브로드캐스팅으로 평가지표 계산하기 4.4 확률적 경사 하강법 4.5 MNIST 손실 함수 4.6 모든 것을 한 자리에 4.7 비선형성 추가 4.8 전문용어 정리 4.9 질문지 CHAPTER 5 이미지 분류 5.1 개/고양이 예를 애완동물 품종으로 확장하기 5.2 사전 크기 조절 5.3 교차 엔트로피 손실 5.4 모델 해석 5.5 모델 향상하기 5.6 결론 5.7 질문지 CHAPTER 6 그 밖의 영상 처리 문제 6.1 다중 레이블 분류 6.2 회귀 6.3 결론 6.4 질문지 CHAPTER 7 최신 모델의 학습 7.1 이미지네트 7.2 정규화 7.3 점진적 크기 조절 7.4 테스트 시 증강 7.5 믹스업 7.6 레이블 평활화 7.7 결론 7.8 질문지 CHAPTER 8 협업 필터링 깊게 알아보기 8.1 데이터의 첫 인상 8.2 잠재 요소 학습하기 8.3 DataLoaders 만들기 8.4 밑바닥부터 만드는 협업 필터링 8.5 임베딩과 편향의 분석 8.6 초기의 협업 필터링 모델 구축하기 8.7 협업 필터링을 위한 딥러닝 8.8 결론 8.9 질문지 CHAPTER 9 테이블 데이터 모델링 깊게 알아보기 9.1 범주형 임베딩 9.2 딥러닝 이외의 기법 9.3 데이터셋 9.4 결정 트리 9.5 랜덤 포레스트 9.6 모델의 해석 9.7 외삽 및 신경망 9.8 앙상블 9.9 결론 9.10 질문지 CHAPTER 10 NLP 깊게 알아보기: 순환 신경망 10.1 텍스트 전처리 10.2 텍스트 분류기의 학습 10.3 허위 정보와 언어 모델 10.4 결론 10.5 질문지 CHAPTER 11 fastai의 중간 수준 API로 데이터 변환하기 11.1 fastai의 계층적 API 깊게 들여다보기 11.2 TfmdLists와 Datasets: 콜렉션 목록의 변환 11.3 중간 수준 데이터 API 적용 해보기: SiamesePair 11.4 결론 11.5 질문지 11.6 fastai의 애플리케이션 이해하기: 요약 PART III 딥러닝의 기반 지식 CHAPTER 12 밑바닥부터 구현하는 언어 모델 12.1 데이터 12.2 첫 번째 언어 모델 12.3 RNN 개선하기 12.4 다층 RNN 12.5 LSTM 12.6 LSTM의 정규화 12.7 결론 12.8 질문지 CHAPTER 13 합성곱 신경망 13.1 합성곱의 마법 13.2 첫 번째 합성곱 신경망 13.3 컬러 이미지 13.4 학습의 안정성 개선하기 13.5 결론 13.6 질문지 CHAPTER 14 ResNets 14.1 이미지네트 문제로 되돌아가기 14.2 현대적 CNN의 구축: ResNet 14.3 결론 14.4 질문지 CHAPTER 15 애플리케이션 구조 깊게 살펴보기 15.1 영상 처리 15.2 자연어 처리 15.3 Tabular 15.4 결론 15.5 질문지 CHAPTER 16 학습 과정 16.1 기준선 정하기 16.2 포괄적 옵티마이저 16.3 모멘텀 16.4 RMSProp 16.5 Adam 16.6 분리된 가중치 감쇠 16.7 콜백 16.8 결론 16.9 질문지 16.10 딥러닝의 기초: 요약 PART IV 밑바닥부터 구현하는 딥러닝 CHAPTER 17 기초부터 만드는 신경망 17.1 밑바닥에서부터 신경망 계층 구축하기 17.2 순전파와 역전파 17.3 결론 17.4 질문지 CHAPTER 18 CAM을 이용한 CNN의 해석 18.1 CAM과 훅 18.2 그레이디언트 CAM 18.3 결론 18.4 질문지 CHAPTER 19 밑바닥부터 만드는 Learner 클래스 19.1 Data 19.2 모듈과 파라미터 19.3 손실 19.4 Learner 19.5 결론 19.6 질문지 CHAPTER 20 맺음말 부록 A 깃허브 기반 블로그 만들기 A.1 깃허브 페이지로 블로깅하기 A.2 주피터 노트북을 블로깅에 활용하기 부록 B 데이터 프로젝트 점검 목록 B.1 데이터 과학자 B.2 전략 B.3 데이터 B.4 분석 B.5 구현 B.6 유지 관리 B.7 제약 사항