fastai와 파이토치가 만나 꽃피운 딥러닝

박사 학위 없이 AI를 폼나게 구현하는 법

제러미 하워드 , 실뱅 거거 지음 | 박찬성 옮김

한빛미디어 2021년 09월 02일 출간 종이책 : 2021년 08월 10일 출간

작품소개

책소개

딥러닝 공부는 ‘fastai’를 만나기 전과 후로 나뉜다.
내가 짠 코드가 딥러닝을 한다! 이제 조금 게으르게 살아도 되겠다!
fastai 라이브러리는 딥러닝 응용에 일관된 인터페이스를 최초로 제공하며 ‘모두를 위한 딥러닝’을 가능하게 한다. 이제 더 이상 딥러닝은 구글, 페이스북, 마이크로소프트 등 거대 기술 기업의 전유물이 아니다. 파이썬에 친숙한 프로그래머라면 약간의 수학적 배경지식, 소규모 데이터, 짧은 코드만으로도 딥러닝을 구현하는 놀라운 경험을 얻을 수 있다. 이 책에서 fastai 라이브러리의 창시자인 제러미와 실뱅은 fastai와 파이토치로 다양한 작업에 대한 모델을 학습시키는 방법을 소개한다. 또한 내부적인 알고리즘을 완전히 이해하는 데 필요한 딥러닝 이론도 설명한다.

목차

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 질문

출판사 서평

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

작가정보

저자(글) 제러미 하워드

저자 : 제러미 하워드
Jeremy Howard
딥러닝의 접근성을 높이는 데 집중하는 fast.ai 기관의 창립 연구자이다. 또한 샌프란시스코 대학교의 저명한 연구 과학자이며, 세계 경제 포럼의 글로벌 AI 위원회의 일원이기도 하다.

저자 : 실뱅 거거
Sylvain Gugger
허깅 페이스(Hugging Face)의 기술 연구원이다. 제러미 하워드와 마찬가지로 제한된 자원에서도 모델이 빠르게 학습하는 기술을 설계하고 개선하여 딥러닝의 접근성을 높이는 데 집중하는 fast.ai 기관의 연구 과학자로 일했다.

역자 : 박찬성
인제대학교와 워싱턴 주립 대학교에서 컴퓨터공학을 전공했으며 현재는 한국전자통신연구원에서 컴퓨터 네트워크 분야를 연구 및 개발하고 있다. ML GDE(Google Developers Expert for Machine Learning)이자 TensorFlow KR 및 fast.ai KR 커뮤니티 운영자이며, 관련 분야의 번역자로도 활동한다. 『나만의 스마트워크 환경 만들기』(비제이퍼블릭, 2020)를 집필했다. 프로그래밍과 다양한 언어에 관심이 많으며 프로젝트를 진행하며 C/C++, 자바, 파이썬, Go 언어를 사용해왔다.

역자 : 김지은
산업, 정보시스템공학을 전공했으며 AI 조직과 회사에서 커뮤니티/프로덕트/프로젝트 매니저로서 UX와 관련한 업무를 하고 있다. 사람들이 기술을 더욱 편하고 쉽게 사용하도록 만드는 일(설계)과 기술을 알려주고 소개하는 일(기술 교육)에 관심이 많다. 애자일, 지속가능성, 접근성, 커뮤니티를 좋아하며 fast.ai KR과 딥백수 커뮤니티에서 개발 행사, 스터디, 워크숍을 운영하고 있다.

저자(글) 실뱅 거거

번역 박찬성