Name: 핸즈온 머신러닝 with 사이킷런, 파이토치 : 머신러닝 기본기부터 트랜스포머·LLM까지 직접 구현하며 배우기
Author: 오렐리앙 제롱
ISBN: 9791175791077

상세 이미지 더보기

상세 이미지

목차 더보기

1부 머신러닝

1장 한눈에 보는 머신러닝
_1.1 머신러닝이란?
_1.2 왜 머신러닝을 사용하나요?
_1.3 애플리케이션 사례
_1.4 머신러닝 시스템의 종류
_1.5 머신러닝의 주요 도전 과제
_1.6 테스트와 검증
연습문제

2장 머신러닝 프로젝트 처음부터 끝까지
_2.1 실제 데이터로 작업하기
_2.2 큰 그림 보기
_2.3 데이터 가져오기
_2.4 데이터 이해를 돕는 탐색과 시각화
_2.5 머신러닝 알고리즘을 위한 데이터 준비
_2.6 모델 선택과 훈련
_2.7 모델 미세 튜닝
_2.8 론칭, 모니터링, 시스템 유지 보수
_2.9 직접 해 보세요!
연습문제

3장 분류
_3.1 MNIST
_3.2 이진 분류기 훈련
_3.3 성능 측정
_3.4 다중 분류
_3.5 오류 분석
_3.6 다중 레이블 분류
_3.7 다중 출력 분류
연습문제

4장 모델 훈련
_4.1 선형 회귀
_4.2 경사 하강법
_4.3 다항 회귀
_4.4 학습 곡선
_4.5 규제가 있는 선형 모델
_4.6 로지스틱 회귀
연습문제

5장 결정 트리
_5.1 결정 트리 학습과 시각화
_5.2 예측
_5.3 클래스 확률 추정
_5.4 CART 훈련 알고리즘
_5.5 계산 복잡도
_5.6 지니 불순도 또는 엔트로피?
_5.7 규제 하이퍼파라미터
_5.8 회귀
_5.9 축 방향에 대한 민감성
_5.10 결정 트리의 분산 문제
연습문제

6장 앙상블 학습과 랜덤 포레스트
_6.1 투표 기반 분류기
_6.2 배깅과 페이스팅
_6.3 랜덤 패치와 랜덤 서브스페이스
_6.4 랜덤 포레스트
_6.5 부스팅
_6.6 스태킹
연습문제

7장 차원 축소
_7.1 차원의 저주
_7.2 차원 축소 접근법
_7.3 주성분 분석
_7.4 랜덤 투영
_7.5 지역 선형 임베딩
_7.6 다른 차원 축소 기법
연습문제

8장 비지도 학습
_8.1 군집
_8.2 가우스 혼합
연습문제

2부 신경망과 딥러닝

9장 인공 신경망 소개
_9.1 생물학적 뉴런에서 인공 뉴런까지
_9.2 사이킷런으로 MLP 만들고 훈련하기
_9.3 하이퍼파라미터 튜닝 가이드라인
연습문제

10장 파이토치로 신경망 구축하기
_10.1 파이토치 기초
_10.2 선형 회귀 구현하기
_10.3 회귀 MLP 구현하기
_10.4 DataLoader로 미니배치 경사 하강법 구현하기
_10.5 모델 평가
_10.6 사용자 정의 모듈로 비순차 모델 만들기
_10.7 파이토치로 이미지 분류기 만들기
_10.8 Optuna로 신경망 하이퍼파라미터 미세 튜닝하기
_10.9 파이토치 모델 저장과 로드
_10.10 파이토치 모델 컴파일과 최적화
연습문제

11장 심층 신경망 훈련
_11.1 그레이디언트 소실과 폭주 문제
_11.2 사전 훈련된 층 재사용하기
_11.3 고속 옵티마이저
_11.4 학습률 스케줄링
_11.5 규제를 사용해 과대적합 피하기
_11.6 실용적인 가이드라인
연습문제

12장 합성곱 신경망을 사용한 심층 컴퓨터 비전
_12.1 시각 피질 구조
_12.2 합성곱 층
_12.3 풀링 층
_12.4 파이토치로 풀링 층 구현하기
_12.5 CNN 구조
_12.6 파이토치로 ResNet-34 CNN 구현하기
_12.7 TorchVision의 사전 훈련 모델 사용하기
_12.8 사전 훈련된 모델을 사용한 전이 학습
_12.9 분류와 위치 추정
_12.10 객체 탐지
_12.11 객체 추적
_12.12 시맨틱 분할
연습문제

13장 RNN과 CNN을 사용한 시퀀스 처리
_13.1 순환 뉴런과 순환 층
_13.2 RNN 훈련하기
_13.3 시계열 예측하기
_13.4 긴 시퀀스 다루기
연습문제

14장 RNN과 어텐션을 사용한 자연어 처리
_14.1 char-RNN으로 셰익스피어 문체 생성하기
_14.2 허깅 페이스 라이브러리를 사용한 감성 분석
_14.3 신경망 기계 번역을 위한 인코더-디코더 네트워크
_14.4 어텐션 메커니즘
연습문제

15장 자연어 처리와 챗봇을 위한 트랜스포머
_15.1 Attention Is All You Need: 원본 트랜스포머 아키텍처
_15.2 영어-스페인어 번역 트랜스포머 만들기
_15.3 자연어 이해를 위한 인코더 기반 트랜스포머
_15.4 디코더 기반 트랜스포머
_15.5 대규모 언어 모델을 챗봇으로 바꾸기
_15.6 인코더-디코더 모델
연습문제

16장 비전 및 멀티모달 트랜스포머
_16.1 비전 트랜스포머
_16.2 멀티모달 트랜스포머
_16.3 기타 멀티모달 모델
연습문제

17장 트랜스포머 가속하기
_17.1 추론 시 디코딩 속도 높이기
_17.2 멀티 헤드 어텐션 속도 높이기
_17.3 MoE로 스케일 키우기
_17.4 훈련 속도 높이기
연습문제

18장 오토인코더, GAN 그리고 확산 모델
_18.1 효율적인 데이터 표현
_18.2 과소완전 선형 오토인코더로 PCA 수행하기
_18.3 적층 오토인코더
_18.4 합성곱 오토인코더
_18.5 잡음 제거 오토인코더
_18.6 희소 오토인코더
_18.7 변분 오토인코더
_18.8 생성적 적대 신경망
_18.9 확산 모델
연습문제

19장 강화 학습
_19.1 강화 학습이란?
_19.2 정책 그레이디언트
_19.3 가치 기반 방법
_19.4 액터-크리틱 알고리즘
_19.5 Stable-Baselines3 PPO 구현을 사용하여 아타리 브레이크아웃 마스터하기
_19.6 다른 강화 학습 알고리즘
연습문제

3부 부록

부록 A 자동 미분
_A.1 수동 미분
_A.2 유한 차분 근사
_A.3 전진 모드 자동 미분
_A.4 후진 모드 자동 미분

부록 B 혼합 정밀도와 양자화
_B.1 일반적인 수 표현
_B.2 낮은 정밀도 모델
_B.3 혼합 정밀도 훈련
_B.4 양자화
_B.5 사전 양자화된 모델 사용하기

부록 C 서포트 벡터 머신
_C.1 선형 SVM 분류
_C.2 비선형 SVM 분류
_C.3 SVM 회귀
_C.4 SVM 이론
_C.5 쌍대 문제
연습문제

부록 D 상대 위치 인코딩
_D.1 상대 위치 인코딩(RPE)
_D.2 로터리 위치 임베딩(RoPE)
_D.3 ALiBi

부록 E 머신러닝 프로젝트 체크리스트
_E.1 문제 정의 및 큰 그림 그리기
_E.2 데이터 수집
_E.3 데이터 탐색
_E.4 데이터 준비
_E.5 가능성 있는 모델 선정
_E.6 모델 미세 튜닝
_E.7 솔루션 제시
_E.8 시스템 론칭

부록 F 연습문제 정답

저자 소개

저자 : 오렐리앙 제롱 (Aurelien Geron)
머신러닝 컨설턴트. 2013년에서 2016년까지 구글에서 유튜브 동영상 분류팀을 이끌었다. 2002년에서 2012년까지 프랑스의 모바일 ISP 선두 주자인 Wifirst를 설립하고 CTO로 일했다. 2001년에는 Polyconseil을 설립하고 CTO로 일했다. 이 회사는 현재 전기차 공유 서비스인 Autolib’을 운영한다. 그 전에는 재무(JP 모건과 소시에테 제네랄), 방위(캐나다 DOD), 의료(수혈) 등 다양한 분야에서 엔지니어로 일했다. C++, WiFi, 인터넷 구조에 대한 몇 권의 기술 서적을 썼으며 한 프랑스 공과대학교에서 컴퓨터 과학을 가르쳤다.

역자 : 박해선
기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. Google AI/Cloud GDE, Microsoft AI MVP이다. 텐서플로우 블로그(tensorflow.blog)를 운영하고 있으며, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.
《혼자 만들면서 공부하는 딥러닝》(한빛미디어, 2025), 《혼자 공부하는 머신러닝+딥러닝 개정판》(한빛미디어, 2025), 《혼자 공부하는 데이터 분석 with 파이썬》(한빛미디어, 2023), 《챗GPT로 대화하는 기술》(한빛미디어, 2023), 《Do it! 딥러닝 입문》(이지스퍼블리싱, 2019)을 집필했다.
《밑바닥부터 만들면서 배우는 LLM》(길벗, 2025), 《핸즈온 LLM》(한빛미디어, 2025), 《머신 러닝 Q & AI》(길벗, 2025), 《개발자를 위한 수학》(한빛미디어, 2024), 《실무로 통하는 ML 문제 해결 with 파이썬》(한빛미디어, 2024), 《머신러닝 교과서: 파이토치 편》(길벗, 2023), 《스티븐 울프럼의 챗GPT 강의》(한빛미디어, 2023), 《핸즈온 머신러닝 3판》(한빛미디어, 2023), 《만들면서 배우는 생성 딥러닝 2판》(한빛미디어, 2023), 《코딩 뇌를 깨우는 파이썬》(한빛미디어, 2023), 《트랜스포머를 활용한 자연어 처리》(한빛미디어, 2022), 《케라스 창시자에게 배우는 딥러닝 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 개정2판》(한빛미디어, 2022), 《머신러닝 교과서 3판》(길벗, 2021)을 포함하여 수십 권의 책을 우리말로 옮겼다.

저자 소개 더보기

기본정보

도서번호

403041

1:1 도서문의

ISBN

9791175791077

출판사

• 한빛미디어

품목정보

출간일

2026-09-28

페이지,크기,무게

1112쪽, 183*235mm, 2113g

이 책의 관련 분류

•

국내도서 > 컴퓨터/인터넷 > 컴퓨터공학 > 소프트웨어공학

출판사 서평 더보기

출판사 서평

『핸즈온 머신러닝』의 기본기 위에, 파이토치와 현대 AI를 다시 쌓다

『핸즈온 머신러닝』은 오랫동안 머신러닝의 기본을 익히는 대표적인 학습서로 사랑받아 왔습니다. 이번 책도 그 강점을 그대로 이어갑니다. 사이킷런을 중심으로 머신러닝의 핵심 개념과 프로젝트 흐름을 익히고, 그 위에서 파이토치로 신경망과 딥러닝을 확장해 나갑니다. 1부에서는 익숙한 기본기를 차근차근 다지고, 2부에서는 지금의 개발 환경에 맞는 도구와 기술로 학습을 이어가도록 구성했습니다. 실제로 1부는 사이킷런, 2부는 파이토치를 중심으로 전개됩니다.

이번 책에서 눈에 띄는 변화는 딥러닝 이후의 범위입니다. 전체 코드를 최신 라이브러리에 맞게 업데이트하고, 코드를 파이토치 중심으로 다시 구성했습니다. 여기에 자연어 처리와 챗봇을 위한 트랜스포머, 비전·멀티모달 트랜스포머, 트랜스포머 가속 등 새로운 내용을 더해 현재의 AI 기술 흐름까지 자연스럽게 이어갑니다. 트랜스포머와 LLM을 다루는 방식도 한층 넓어졌습니다. 사전 훈련 모델을 불러와 활용하고 미세 튜닝하는 데서 그치지 않고, 비전과 멀티모달, 모델을 더 빠르고 효율적으로 다루는 방법까지 연결합니다. 이어 오토인코더·GAN·확산 모델과 강화학습까지 다루며, 머신러닝의 기본에서 출발해 오늘날의 주요 AI 기술로 학습 범위를 확장해 나갑니다.

그럼에도 이 책의 학습 방식은 익숙합니다. 어려운 개념을 명료한 설명과 그림으로 풀고, 실제 코드를 직접 실행하며 원리를 확인하도록 이끕니다. 처음 머신러닝을 배우는 독자라면 기본부터 차근차근 따라갈 수 있고, 『핸즈온 머신러닝(3판)』을 읽었던 독자라면 익숙한 기본기 위에서 파이토치와 트랜스포머, LLM, 멀티모달과 확산 모델까지 자연스럽게 학습을 이어갈 수 있습니다. 머신러닝의 기본부터 지금의 AI까지, 기술의 흐름을 직접 구현하며 연결해 이해하고 싶은 독자에게 든든한 안내서가 되어줄 것입니다.

리뷰(0)

전체보기

0 / 5.0

리뷰 작성

•

리뷰를 작성하시면 소정의 적립금을 드립니다.

•

도서의 첫번째 리뷰부터 10번째 리뷰까지는 기본 적립금의 2배를 적립해 드리며, 이후 리뷰부터는 기본 적립금이 적립됩니다.

리뷰 혜택 및 유의사항

리뷰 작성 안내 및 유의사항

리뷰 작성 시 관리자 확인 후 적립금이 지급되며, 영업일 기준 평균 1~2일 소요될 수 있습니다.
적립금 유효기간은 적립 일로부터 1년입니다.
적립금이 지급된 리뷰는 수정, 삭제가 불가합니다.
최소 20자 이상 리뷰 작성 시 적립금이 지급됩니다.

기본 적립금

• 구매상품

3개월 까지	300원 (100자 이상)	100원 (100자 미만)
3개월 이후	100원 (20자 이상)

• 비구매상품 리뷰 작성 시

적립금은 적립되지 않는 점 참고바랍니다.

2배 적립금

상품의 첫번째 리뷰부터 10번째 리뷰까지는

기본 적립금의 2배를 적립해 드리며

이후 리뷰부터는 기본 적립금이 적립됩니다.

아래에 해당하는 글은 리뷰 승인이 되지 않을 수 있습니다.

상품 내용과 무관한 사진 및 글을 작성한 경우
시리즈나 세트 상품이라 하더라도 비슷한 내용을 반복적으로 올리거나 같은 글을 복사해서 올리는 경우
기타 상품 리뷰에 적합하지 않은 내용이 있는 경우
비속어를 사용하거나 상품에 관한 잘못된 정보를 전달하는 경우
상업적 목적의 광고성 내용이나 저작권, 명예훼손 등의 우려가 있는 경우

작성하신 리뷰는 본 사의 마케팅 활동(온라인 이벤트, 프로모션, 광고 등)에 사용될 수 있습니다.

상품의 주문/취소, 배송·포장, 파본, 재입고 등
CS/배송 서비스 관련 문의는 1:1 게시판을 이용해 주세요.

배송방법

배송은 CJ대한통운(전화 : 1588-1255)을 이용해서 보내드리고 있습니다.

3만원 이상 구매시 무료배송 가능하며, 3만원 미만의 경우 2500원의 배송비가 발생합니다.

배송기간

15시 이전에 입금확인된 주문까지는 당일날 발송하며, 일반적인 경우 다음날 책을 받아보실 수 있습니다.

주말 또는 공휴일이 있거나 시기적으로 배송이 많은 기간인 경우는 지역에 따라 1~2일이 더 소요될 수 있습니다.

주문 후, 5일이 경과해도 책이 도착하지 않는 경우에는 웬디북 고객센터(전화 : 1800-9785)로 전화를 주시거나 고객센터 > 1:1 문의를 통해 문의글을 남겨주시면 확인 후 신속히 조치하도록 하겠습니다.

묶음배송

묶음배송 원하시는 모든 주문서의 상태가 "입금대기" 또는 "결제완료" 상태일 경우에만 처리가 가능하며, 고객센터 > 1:1 문의에서 신청 할 수 있습니다.

반품안내

변심반품의 경우 도서주문일로부터 15일이내에 반품접수가 가능하며, 반품 배송비는 고객님 부담입니다.

부분 반품의 경우, 3만원 이상 주문으로 무료배송 받았으나 일부 상품 반품으로 주문금액이 3만원이 안될 경우, 이전 주문의 배송비를 포함한 왕복 배송비를 부담하셔야 합니다.

반품절차는 고객센터의 반품교환신청 페이지에서 신청을 해주시면 웬디북 고객센터에서 지정택배사에 회수요청을 하고, 방문한 택배기사님을 통해 반품도서를 보내주시면 됩니다.

운송 중 책이 손상되지 않도록 포장을 해주신 후, 포장 겉면에 “반품도서”라고 기재해주시기 바랍니다. 회수된 상품은 요청해주신 환불방법에 따라 적립 또는 환불 진행해드립니다.

(특히 팝업북 등은 조그만 충격에도 책이 손상될 수 있으므로 주의해 주시기 바랍니다.)

• 반품이 불가한 경우

1. 고객에게 책임 있는 사유로 상품(띠지 또는 더스트커버 포함)이 멸실 또는 훼손된 경우
2. CD 나 소프트웨어 포함, 포장이 되어 있는 모든 상품의 포장 개봉
3. 만화책 및 단시간 내에 완독이 가능한 잡지
4. 상품과 함께 발송된 추가사은품이 분실되거나 훼손된 경우
5. 고객의 사용 또는 일부 소비에 의하여 상품의 가치가 현저히 감소한 경우
6. 명시된 반품가능 기한이 지난 경우
7. 세트상품중 일부 반품

교환안내

파본도서 혹은 오배송으로인한 교환은 도서주문일로부터 15일 이내에 신청하셔야 하며 이 경우 배송비는 웬디북에서 부담합니다.

(단, 팝업북과 CD가 세트인 책은 책의 특성상 7일 이내에 해주셔야 합니다.)

교환절차는 고객센터의 반품교환신청 페이지에서 신청을 해주시면 웬디북에서 새 책을 보내드리고 새 책을 받으실 때 교환도서와 맞교환 하시면 됩니다.

교환은 동일도서에 한하며, 다른 도서로 교환은 불가합니다.

운송도중 책이 손상되지 않도록 포장을 해주신 후, 포장 겉면에 “반품도서”라고 기재해주시기 바랍니다.

(특히 팝업북 등은 조그만 충격에도 책이 손상될 수 있으므로 주의해 주시기 바랍니다.)

• 교환이 불가한 경우

1. 고객에게 책임 있는 사유로 상품이 멸실 또는 훼손된 경우
2. 포장 상품의 포장을 해체한 경우
3. 고객의 사용 또는 일부 소비에 의하여 상품의 가치가 현저히 감소한 경우
4. 물품 수령 후, 15일이 경과한 경우
5. 동일상품으로 교환하신 후, 다시 교환하시고자 할 경우 (이 경우에는 환불처리 해드립니다.)

신고사유 선택