파이토치로 배우는 LLM & AI

머신러닝 기초부터 RAG, LLM 미세 튜닝, 스테이블 디퓨전까지 코드로 마스터하기

로런스 모로니 지음 | 박해선 옮김

한빛미디어 2026년 03월 06일 출간 국내도서 : 2026년 03월 06일 출간

작품소개

책소개

유연하고도 강력한 파이토치를 기반으로, AI 모델을 직접 설계하고 학습시키며 머신러닝의 기본 원리부터 최신 생성형 AI 기술까지 단계적으로 익혀 보세요. 복잡한 수식이나 이론 설명에 치우치지 않고, 실행 가능한 예제와 실험을 통해 모델의 동작 방식과 성능 변화를 직접 확인할 수 있습니다. 컴퓨터 비전과 자연어 처리 같은 핵심 주제에서 출발해 트랜스포머와 LLM, RAG로 자연스럽게 학습 범위를 확장합니다. 또한 모델 학습 이후의 활용까지 고려해 로컬 환경에서의 모델 운용과 간단한 서비스 연계 과정까지 살펴봅니다. 이 책을 통해 AI를 개념으로 이해하는 데서 나아가, 실제 시스템에서 활용 가능한 기술로 익힐 수 있습니다.

목차

[PART I 모델 구축]

CHAPTER 1 파이토치 소개
_1.1 머신러닝이란
_1.2 전통적인 프로그래밍의 한계
_1.3 프로그래밍에서 학습으로
_1.4 파이토치란
_1.5 파이토치 사용하기
_1.6 머신러닝 시작하기
_1.7 마치며

CHAPTER 2 컴퓨터 비전 소개
_2.1 컴퓨터 비전의 작동 방식
_2.2 컴퓨터 비전을 위한 뉴런
_2.3 신경망 설계
_2.4 신경망 훈련
_2.5 모델 출력 살펴보기
_2.6 과대적합
_2.7 조기 종료
_2.8 마치며

CHAPTER 3 고급 컴퓨터 비전: 이미지에서 특징 감지하기
_3.1 합성곱
_3.2 풀링
_3.3 합성곱 신경망 만들기
_3.4 합성곱 신경망 살펴보기
_3.5 말과 사람을 구별하는 CNN 만들기
_3.6 이미지 증식
_3.7 전이 학습
_3.8 다중 분류
_3.9 드롭아웃 규제
_3.10 마치며

CHAPTER 4 파이토치 데이터셋
_4.1 데이터셋 시작하기
_4.2 FashionMNIST 클래스 살펴보기
_4.3 제너릭 데이터셋 클래스
_4.4 사용자 정의 분할 사용하기
_4.5 머신러닝 데이터 관리를 위한 ETL 프로세스
_4.6 로드 단계 최적화하기
_4.7 DataLoader 클래스 사용하기
_4.8 훈련 성능 향상을 위해 ETL 병렬화하기
_4.9 마치며

CHAPTER 5 자연어 처리 소개
_5.1 언어를 숫자로 인코딩하기
_5.2 불용어 제거와 텍스트 정제
_5.3 실제 데이터 다루기
_5.4 마치며

CHAPTER 6 임베딩을 사용한 감성 프로그래밍
_6.1 단어의 의미 구축하기
_6.2 파이토치의 임베딩
_6.3 임베딩 시각화
_6.4 사전 훈련된 임베딩 사용하기
_6.5 마치며

CHAPTER 7 자연어 처리를 위한 순환 신경망
_7.1 순환 구조
_7.2 순환을 언어로 확장하기
_7.3 RNN으로 텍스트 분류기 만들기
_7.4 RNN에 사전 훈련된 임베딩 사용하기
_7.5 마치며

CHAPTER 8 머신러닝으로 텍스트 생성하기
_8.1 시퀀스를 입력 시퀀스로 변환하기
_8.2 모델 만들기
_8.3 텍스트 생성하기
_8.4 데이터셋 확장하기
_8.5 모델 구조 개선하기
_8.6 데이터 개선하기
_8.7 문자 기반 인코딩
_8.8 마치며

CHAPTER 9 시퀀스와 시계열 데이터 이해하기
_9.1 시계열의 공통 특징
_9.2 시계열 예측 기법
_9.3 마치며

CHAPTER 10 시퀀스를 예측하는 머신러닝 모델 만들기
_10.1 윈도 데이터셋 만들기
_10.2 DNN을 만들고 시퀀스 데이터로 훈련하기
_10.3 DNN의 결과 평가하기
_10.4 학습률 튜닝하기
_10.5 마치며

CHAPTER 11 시퀀스 모델을 위한 합성곱 신경망과 순환 신경망
_11.1 시퀀스 데이터를 위한 합성곱
_11.2 NASA 날씨 데이터 사용하기
_11.3 RNN으로 시퀀스 모델링하기
_11.4 다른 순환 층
_11.5 드롭아웃 사용하기
_11.6 양방향 RNN 사용하기
_11.7 마치며

[PART II 모델 사용]

CHAPTER 12 추론의 개념
_12.1 텐서
_12.2 이미지 데이터
_12.3 텍스트 데이터
_12.4 모델의 텐서 출력
_12.5 마치며

CHAPTER 13 서빙을 위해 파이토치 모델 호스팅하기
_13.1 TorchServe 소개
_13.2 TorchServe 설정
_13.3 플라스크로 서빙하기
_13.4 마치며

CHAPTER 14 서드 파티 모델과 허브 사용하기
_14.1 허깅 페이스 허브
_14.2 파이토치 허브
_14.3 마치며

CHAPTER 15 트랜스포머와 transformers
_15.1 트랜스포머 이해하기
_15.2 인코더-디코더 구조
_15.3 transformers API
_15.4 transformers 시작하기
_15.5 핵심 개념
_15.6 마치며

CHAPTER 16 사용자 정의 데이터와 함께 LLM 사용하기
_16.1 LLM 미세 튜닝
_16.2 LLM 프롬프트 튜닝
_16.3 마치며

CHAPTER 17 Ollama로 LLM 서빙하기
_17.1 Ollama 시작하기
_17.2 서버로 Ollama 실행하기
_17.3 Ollama LLM을 사용하는 애플리케이션 구축하기
_17.4 마치며

CHAPTER 18 RAG 소개
_18.1 RAG란 무엇인가요?
_18.2 RAG 시작하기
_18.3 RAG 콘텐츠와 LLM 사용하기
_18.4 마치며

CHAPTER 19 허깅 페이스의 diffusers를 사용한 생성 모델 활용
_19.1 디퓨전 모델이란
_19.2 허깅 페이스의 diffusers 사용하기
_19.3 마치며

CHAPTER 20 LoRA와 diffusers를 사용한 이미지 생성 모델 튜닝
_20.1 diffusers로 LoRA 미세 튜닝하기
_20.2 마치며

출판사 서평

LLM 시대, 파이토치로 만드는 AI 마스터 트랙
수식 없이 머신러닝 기초부터 RAG, LLM 미세 튜닝, 디퓨전까지

복잡한 미적분 공식과 통계학의 늪에 빠져 인공지능 학습의 첫 페이지조차 넘기지 못했던 개발자들에게 이 책은 가장 명쾌한 마스터 트랙을 제시합니다. 특히 전작 『개발자를 위한 머신러닝&딥러닝』에서 이미 완벽한 호흡을 보여 주었던 AI 교육의 거장 로런스 모로니와 박해선 역자가 이번 파이토치 버전에서도 다시 한번 의기투합했습니다. 거창한 이론 나열 대신 ‘이론보다 코드 먼저’라는 철학을 고수하는 저자의 정공법을 통해, 복잡한 수식 없이도 실행 가능한 예제를 직접 따라 하며 신경망이 데이터를 학습하는 본질적인 원리를 코드로 완벽히 체득할 수 있습니다.

기초적인 컴퓨터 비전과 자연어 처리를 넘어, 여러분의 커리어를 생성형 AI의 정점으로 이끌 실전 기술 로드맵이 펼쳐집니다. 1,700여 줄의 실제 데이터를 요리해 시를 쓰고, 나만의 지식을 더하는 RAG 시스템과 가상의 캐릭터를 창조하는 LoRA 미세 튜닝까지 직접 구현해 보세요. 특히 Ollama를 활용한 로컬 모델 서빙과 TorchServe 배포 등 실무 엔지니어에게 꼭 필요한 모델 운용의 전 과정을 섭렵하게 될 것입니다. 이 책을 덮는 순간, 여러분은 단순히 트렌드를 쫓는 사용자를 넘어 생성형 AI 서비스를 독자적으로 설계하고 운영하는 대체 불가능한 인재로 도약하게 될 것입니다.

주요 내용
● 파이토치로 익히는 머신러닝, 딥러닝 핵심 개념과 학습 흐름
● 컴퓨터 비전, 자연어 처리, 시계열 데이터 실전 구현법
● 트랜스포머 구조 이해와 허깅 페이스 기반 LLM 활용법
● 개인 데이터를 활용한 RAG 파이프라인 구성과 실습
● diffusers와 LoRA로 살펴보는 생성형 이미지 모델 확장법

대상 독자
● 단순 API 호출을 넘어 서버를 직접 운영하고 싶은 엔지니어
● 실무에 즉시 적용 가능한 최신 AI 기술이 필요한 실무자
● 파이토치로 생성형 AI 시대의 기초를 다지고 싶은 대학생
● 수학은 두렵지만 AI 공부는 시작해 보고 싶은 주니어 개발자

인물정보

저자(글) 로런스 모로니

여러 상을 수상한 AI 연구자이자 베스트셀러 작가입니다. 프로그래밍과 머신러닝 업계에서 30년이 넘는 경력을 쌓아 온 베테랑으로, 대표적인 프로그래밍 서적을 비롯해 SF 소설과 각본에 이르기까지 20권이 넘는 책을 집필했습니다. 또한 DeepLearning.AI의 앤드루 응과 함께 코세라에서 인기 있는 AI 전문 과정을 강의하고 있습니다. 전 세계적으로 인정받는 연사이며, 소프트웨어 개발자가 AI와 머신러닝을 보다 쉽게 이해할 수 있도록 풀어 내는 데 열정을 쏟고 있습니다.

번역 박해선

기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했습니다. Google AI/Cloud GDE, Microsoft AI MVP입니다. 텐서 플로우 블로그(tensorflow.blog)를 운영하고 있고, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다.
『혼자 만들면서 공부하는 딥러닝』(한빛미디어, 2025), 『혼자 공부하는 머신러닝+딥러닝(개정판)』(한빛미디어, 2025), 『혼자 공부하는 데이터 분석 with 파이썬』(한빛미디어, 2023), 『인공지능 전문가가 알려 주는 챗GPT로 대화하는 기술』(한빛미디어, 2023), 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했습니다.
『대규모 언어 모델, 핵심만 빠르게!』(인사이트, 2025), 『머신러닝, 핵심만 빠르게!』(인사이트, 2025), 『밑바닥부터 만들면서 배우는 LLM』(길벗, 2025), 『핸즈온 LLM』(한빛미디어, 2025), 『머신 러닝 Q & AI』(길벗, 2025), 『개발자를 위한 필수 수학』(한빛미디어, 2024), 『실무로 통하는 ML 문제 해결 with 파이썬』(한빛미디어, 2024), 『머신 러닝 교과서: 파이토치 편』(길벗, 2023), 『스티븐 울프럼의 챗GPT 강의』(한빛미디어, 2023), 『핸즈온 머신러닝(3판)』(한빛미디어, 2023), 『만들면서 배우는 생성 AI』(한빛미디어, 2023), 『코딩 뇌를 깨우는 파이썬』(한빛미디어, 2023), 『트랜스포머를 활용한 자연어 처리』(한빛미디어, 2022), 『케라스 창시자에게 배우는 딥러닝 개정 2판』(길벗, 2022), 『개발자를 위한 머신러닝&딥러닝』(한빛미디어, 2022), 『XGBoost와 사이킷런을 활용한 그레이디언트 부스팅』(한빛미디어, 2022), 『구글 브레인 팀에게 배우는 딥러닝 with TensorFlow.js』(길벗, 2022), 『파이썬 라이브러리를 활용한 머신러닝(번역개정2판)』(한빛미디어, 2022)을 포함하여 수십여 권의 책을 우리말로 옮겼습니다.