파이토치 라이트닝으로 시작하는 딥러닝 : 파이썬으로 빠르게 고성능 AI 모델 만들기 - 에이콘 데이터 과학

파이토치 라이트닝으로 시작하는 딥러닝 : 파이썬으로 빠르게 고성능 AI 모델 만들기 - 에이콘 데이터 과학

$35.00
Description
파이토치 라이트닝은 딥러닝 프레임워크인 파이토치의 유연성은 유지하면서 작동에 필요한 코드량을 줄여 모델과 연구에 집중할 수 있도록 돕는 프레임워크다. 파이토치 라이트닝을 활용한 모델 제작부터 훈련과 배포까지 실용적인 가이드를 제시하고자 한다. 또한 다양한 데이터(시계열, 이미지, 자연어 등)와 아키텍처(GAN, 지도 학습, 자기 지도 학습 등)를 다루기 때문에 딥러닝의 중요 개념을 익히는 데에도 도움이 된다. 책의 후반부에서는 모델 배포를 위한 기술적인 팁을 다루기도 한다. 딥러닝을 처음 접하는 독자부터 다른 프레임워크에서 전환을 고려하는 실무자들까지 폭넓게 도움이 될 것이다.
저자

쿠날사와르카르,시밤R솔란키,아밋조글카르

(KunalSawarkar)
수석데이터과학자이자AI권위자로,최근혁신적인제품을개발하는AI빌드랩(BuildLabs)을이끌고있다.과거여러AI제품연구소를출범시켰고제품을폭발적으로성장시킨경험이있다.하버드대학교에서응용통계학으로석사학위를받았고산업계와사회에서풀리지않던문제를머신러닝(특히딥러닝)을활용해풀고있다.머신러닝분야에서20개이상의특허와논문을보유하고있다.AI를통한지속가능성(Sustainability)에집중하는엔젤투자자이면서자문위원으로도활동중이다.

목차


1부.파이토치라이트닝시작하기

1장.파이토치라이트닝탐험
__파이토치라이트닝이특별한이유
____딥러닝의시작
____다양한프레임워크
____파이토치VS텐서플로
____중용-파이토치라이트닝
__-라이트닝탐험
__파이토치라이트닝의주요구성요소
____딥러닝파이프라인
____파이토치라이트닝추상화계층
__파이토치라이트닝을활용한AI애플리케이션제작
____이미지인식모델
____전이학습
____자연어처리트랜스포머모델
____라이트닝플래시
____LSTM을사용한시계열모델
____오토인코더를사용한적대적생성네트워크
____CNN과RNN을결합한준지도학습모델
____대조학습을활용한자기지도학습모델
____모델배포및평가
____모델규모확장및생산성팁
__추가자료
__요약

2장.첫번째딥러닝모델시작하기
__기술요구사항
__신경망시작하기
____왜신경망일까?
____XOR연산자
____MLP아키텍처
__HelloWorldMLP모델만들기
____라이브러리가져오기
____데이터준비하기
____모델설정하기
____모델학습하기
____모델불러오기
____예측수행하기
__첫번째딥러닝모델구축
____모델이깊다는게뭘까?
____CNN아키텍처
__이미지인식을위한CNN모델구축
____패키지가져오기
____데이터수집하기
____데이터준비하기
____모델구축하기
____모델학습하기
____모델정확도평가하기
____모델개선연습
__요약

3장.사전학습모델을사용한전이학습
__기술요구사항
__전이학습시작하기
__사전학습한ResNet-50아키텍처를사용한이미지분류기
____데이터준비
____모델생성
____모델학습
____모델정확도평가
__BERT를사용한텍스트분류
____데이터수집
____데이터로더인스턴스생성
____모델생성
____모델학습및테스트설정
____모델학습
____모델평가
__요약

4장.라이트닝플래시를통한사전학습모델활용
__기술요구사항
__라이트닝플래시시작하기
__플래시는매우간단하다
__플래시를이용한비디오분류
____Slow와SlowFast아키텍처
____라이브러리가져오기
____데이터세트불러오기
____백본네트워크설정
____모델미세조정
____예측수행하기
__플래시를사용한음성인식
____라이브러리설치하기
____라이브러리가져오기
____데이터세트불러오기
____백본네트워크설정하기
____모델학습및미세조정하기
____예측수행하기
__추가학습
__요약

2부.파이토치라이트닝을사용한문제해결

5장.시계열모델
__기술요구사항
__시계열소개
____딥러닝을이용한시계열예측
__시계열모델시작하기
__LSTM시계열모델을이용한교통량예측
____데이터세트분석
____피처엔지니어링
____데이터세트생성
__파이토치라이트닝을사용한LSTM모델구성
____모델정의하기
____옵티마이저설정하기
____모델학습
____학습손실측정
____모델불러오기
____테스트데이터세트예측
____다음단계
__요약

6장.심층생성모델
__기술요구사항
____GAN모델시작하기
____GAN
__GAN으로가짜음식만들기
____데이터세트불러오기
____피처엔지니어링유틸리티함수
____판별기모델구성
____생성기모델구성
____적대적생성모델
____GAN모델학습
____모델이생성한가짜이미지
__GAN을사용해새로운나비종만들기
__GAN학습도전과제
__DCGAN으로새이미지생성하기
__요약

7장.준지도학습
__기술요구사항
__준지도학습시작하기
__CNN-RNN아키텍처알아보기
__이미지에대한캡션생성하기
____데이터세트다운로드
____데이터정리
____모델학습
____하이브리드CNN-RNN모델
____캡션생성
____다음단계
__요약

8장.자기지도학습
__기술요구사항
__자기지도학습시작하기
____자기지도의의미
__대조학습
__SimCLR아키텍처
____SimCLR의작동방식
__이미지인식을위한SimCLR모델
____데이터세트수집
____데이터증강설정
____데이터세트불러오기
____학습구성
____모델학습
____모델평가
____다음단계
__요약

3부.심화과정

9장.모델배포및예측수행
__기술요구사항
__파이토치라이트닝방식으로모델배포및예측하기
____pickle(.PKL)모델파일형식
____딥러닝모델배포
____플라스크를사용해배포및예측하기
__ONNX방식으로모델배포및예측하기
____ONNX형식과중요성
____ONNX모델저장및불러오기
____플라스크를사용해ONNX모델배포및예측하기
__다음단계
__읽을거리
__요약

10장.훈련확장및관리
__기술요구사항
__학습관리
____모델하이퍼파라미터저장
____효율적인디버깅
____텐서보드를활용한학습손실모니터링
__훈련규모확장
____여러워커를사용한모델학습속도향상
____GPU/TPU학습
____혼합정밀도학습/16비트정밀도학습
__학습제어
____클라우드사용시모델체크포인트저장
____체크포인트기능의기본동작변경
____저장한체크포인트에서교육재개
____클라우드에서다운로드또는병합한데이터저장
__읽을거리
__요약

출판사 서평

이책에서다루는내용

-다양한데이터셋,모델아키텍처로맞춤형모델제작
-이미지인식,자연어처리,시계열등다양한딥러닝모델의개념
-시를쓰고(준지도학습)가짜이미지를만드는(GAN)심화모델제작
-자기지도학습(대조학습)을통해라벨이없는이미지를사용한모델학습
-사전학습모델의전이학습을통한비용절감
-LightningFlash를통해SOTA모델활용방법
-ONNX형식을이용한모델배포와추론
-혼합정밀도방식과여러개의GPU를사용한모델학습과추론

이책의대상독자

딥러닝이항상궁금했지만어디서시작해야할지몰랐거나거대한신경망의복잡함에주저했던경험이있다면이책이적합하다.딥러닝이식은죽먹기처럼쉬워진다!

문제를해결하기위해딥러닝을배우려는비전공데이터과학자를위한책이다.다른프레임워크를사용하다가파이토치라이트닝으로넘어오려고하는전문데이터과학자에게도도움이된다.파이토치라이트닝으로딥러닝모델을코딩해보려는딥러닝연구자에게도실용적인코드가많다.내용을최대한이해하려면파이썬프로그래밍에대한실무지식과통계학,딥러닝기본기에대한중급수준의이해도가필요하다.

이책의구성

1장,‘파이토치라이트닝탐험’에서는딥러닝에대한짧은역사로시작해서파이토치가가장사랑받는프레임워크인이유를알아본다.파이토치라이트닝이무엇인지,어떻게만들어졌는지,파이토치와는무엇이다른지살펴본다.파이토치라이트닝의모듈구조를다루면서파이토치라이트닝이모델링을위한엔지니어링에드는에너지를줄이고연구에집중할수있게만드는방법을다룬다.

2장,‘첫번째딥러닝모델시작하기’에서는파이토치라이트닝으로모델구축을시작하는방법을다룬다.실습으로간단한MLP(MultilayerPerceptron)모델부터실제이미지인식에사용하는CNN모델까지만들어본다.

3장,‘사전학습모델을사용한전이학습’에서는사전학습모델을통해많은학습시간과비용없이훌륭한성능의모델을만들수있는지다양한데이터세트로알아본다.이미지와자연어에대한사전학습모델을수정하는작업을진행한다.

4장,‘라이트닝플래시를통한사전학습모델활용’에서는최고성능(SOTA,State-Of-The-Art)모델라이브러리인파이토치라이트닝플래시를다룬다.사람들이자주사용하는알고리즘과프레임워크를바로사용할수있도록대부분지원해서데이터과학자가빠르게벤치마킹과실험을수행할수있도록돕는다.비디오분류모델과음성인식모델을다룬다.

5장,‘시계열모델’에서는시계열모델을집중적으로다룬다.실제사용사례를살펴보면서기본부터RNN(RecurrentNeuralNetworks)와LSTM(LongShortTermMemory)모델같은심화기술까지순차적으로살펴본다.

6장,‘심층생성모델’에서는단계별로존재하지않는이미지를생성할때사용하는GAN과같은생성형딥러닝모델의작동과구현을알아본다.

7장,‘준지도학습’에서는준지도학습모델의작동방법과파이토치라이트닝을통한구현방법을살펴본다.또한CNN과RNN모델을함께사용해라벨과이미지캡션을생성하는준지도학습모델을기초부터심화까지실습하면서자세히알아본다.

8장,‘자기지도학습’에서는라벨없는데이터로동작하는자기지도학습이라는새로운분야에집중해서자기지도학습모델의작동방법과파이토치라이트닝을통한구현방법을살펴본다.대조학습(contrastivelearning)실습을다루고SimCLR모델과같은기술도알아본다.

9장,‘모델배포및예측수행’에서는딥러닝모델을그자체로배포하는기술과ONNX같은상호운영가능한형식으로배포하는방법을구체적으로다룬다.또대량의데이터로모델평가를수행하는방법을알아본다.

10장,‘훈련확장및관리’에서는대규모로모델을학습하고관리할때만나는여러문제를살펴본다.자주발생하는문제와그문제를해결하는팁을알아본다.또한실험을세팅하는방법,모델학습을재개하고하드웨어를효율적으로활용하는방법등을다룬다.

지은이의말

딥러닝은기계를사람처럼만든다.딥러닝은기계가비전모델을통해‘볼수있게’하고,알렉사와같은음성장치를통해‘듣게하고’,챗봇을통해‘말하게하고’,준지도학습모델을통해‘쓰게’하며,심지어생성형모델을통해예술가처럼그림도‘그리게’한다.파이토치라이트닝을사용하면연구자들이복잡성에대한걱정없이딥러닝모델을빠르고쉽게만들수있다.딥러닝프로젝트에서모델공식에서구현까지최대한의유연성을확보하면서생산성을극대화할수있도록돕는책이다.

파이토치라이트닝으로딥러닝모델을구현하는실습과관련된기법을이해하면즉시실무를수행할수있다.클라우드환경에서파이토치라이트닝을구성하는방법을알아보고아키텍처구성요소를이해하면서다양한산업솔루션을구축하기위해파이토치라이트닝이어떻게만들어졌는지살펴본다.다음으로신경망아키텍처를만들고애플리케이션에배포해보면서프레임워크가제공하는기능을넘어자신의요구사항에맞춰확장하는방법을알아본다.

또한CNN(ConvolutionalNeuralNets)과자연어처리(NLP,NaturalLanguageProcessing),시계열데이터,자기지도학습(Self-SupervisedLearning),준지도학습(Semi-SupervisedLearning),생성적적대신경망(GAN,GenerativeAdversarialNetwork)과같은모델을파이토치라이트닝을통해만들고학습하는방법을설명한다.

옮긴이의말

파이토치라이트닝은코드를구조화하고재사용성을높이기위해파이토치사용자가이용하는프레임워크입니다.사용방법이직관적이고문서화가잘돼있기는하지만사용자층에비해사용방법을소개한책은국내에는물론해외에도거의없습니다.이번기회에파이토치라이트닝을소개하는책을번역하게돼기쁩니다.

원서출간시기와번역서출간시기사이에파이토치와파이토치라이트닝의메이저버전이모두업그레이드됐습니다.그로인해원서와코드나코드설명이달라지는부분이있었습니다.코드를모두확인했지만혹시문제가발생한다면알려주시기바랍니다.

작년말,호기롭게두권을번역하기로하고드디어그중한권인『파이토치라이트닝으로시작하는딥러닝』의역자서문을쓰고있습니다.원서를자주읽어번역이어렵지않겠다고생각했는데난관의연속이었습니다.다른사람의코드를읽기는쉽지만직접작성하려고하면라인마다멈칫하게되는것처럼,번역도직접하려니몇단어를넘기지못하고막히곤했습니다.난관을지나책의번역을무사히마쳤습니다.번역경험이없음에도믿고좋은기회를주신에이콘출판사에감사드리며특히번역과정에서지속적인도움을주신분들께감사드립니다.