Machine Learning Q and AI 학습 자료 상세 소개

기본 정보

도서명: Machine Learning Q and AI: 30 Essential Questions and Answers on Machine Learning and AI

저자: Sebastian Raschka

출판사: No Starch Press

저작권: © 2024-2025 by Sebastian Raschka

접근 방식: 무료 온라인 열람

강의 개요

이 책은 머신러닝과 인공지능의 핵심 개념에 초점을 맞춘 실용적인 가이드입니다. 30가지 핵심 질문과 답변 형식을 통해 머신러닝 초보자부터 전문가까지 학습자에게 정제된 지식을 제공합니다. 머신러닝 분야의 저명한 교육자인 세바스찬 라슈카는 복잡한 AI 관련 주제를 이해하기 쉬운 실용적인 핵심 내용으로 정리했습니다.

학습 목표

• 학습자가 머신러닝과 AI의 빠른 발전 속도를 따라잡도록 돕습니다.
• 다양한 머신러닝 분야의 주제를 다룹니다.
• 초보자에게 입문부터 전문가까지의 학습 경로를 제공합니다.
• 숙련된 머신러닝 연구자와 실무자도 새로운 기술과 방법을 발견할 수 있습니다.

강의 구성

제1부: 신경망 및 딥러닝 (Part I: Neural Networks and Deep Learning)

• Chapter 1: Embeddings, Latent Space, and Representations
• Chapter 2: Self-Supervised Learning
• Chapter 3: Few-Shot Learning
• Chapter 4: The Lottery Ticket Hypothesis
• Chapter 5: Reducing Overfitting with Data
• Chapter 6: Reducing Overfitting with Model Modifications
• Chapter 7: Multi-GPU Training Paradigms
• Chapter 8: The Success of Transformers
• Chapter 9: Generative AI Models
• Chapter 10: Sources of Randomness

제2부: 컴퓨터 비전 (Part II: Computer Vision)

• Chapter 11: Calculating the Number of Parameters
• Chapter 12: Fully Connected and Convolutional Layers
• Chapter 13: Large Training Sets for Vision Transformers

제3부: 자연어 처리 (Part III: Natural Language Processing)

• Chapter 14: The Distributional Hypothesis
• Chapter 15: Data Augmentation for Text
• Chapter 16: Self-Attention
• Chapter 17: Encoder- and Decoder-Style Transformers
• Chapter 18: Using and Fine-Tuning Pretrained Transformers
• Chapter 19: Evaluating Generative Large Language Models

제4부: 생산 및 배포 (Part IV: Production and Deployment)

• Chapter 20: Stateless and Stateful Training
• Chapter 21: Data-Centric AI
• Chapter 22: Speeding Up Inference
• Chapter 23: Data Distribution Shifts

제5부: 예측 성능 및 모델 평가 (Part V: Predictive Performance and Model Evaluation)

• Chapter 24: Poisson and Ordinal Regression
• Chapter 25: Confidence Intervals
• Chapter 26: Confidence Intervals vs. Conformal Predictions
• Chapter 27: Proper Metrics
• Chapter 28: The k in k-Fold Cross-Validation
• Chapter 29: Training and Test Set Discordance
• Chapter 30: Limited Labeled Data

전문가 추천

Cameron R. Wolfe (『Deep Learning Focus』 저자)

"세바스찬은 복잡한 AI 관련 주제를 누구나 이해할 수 있는 실용적인 핵심 내용으로 정리하는 재능을 가지고 있습니다. 그의 새 책 『Machine Learning Q and AI』는 모든 수준의 AI 실무자에게 훌륭한 자료가 될 것입니다."

Chip Huyen (『Designing Machine Learning Systems』 저자)

"세바스찬은 학문적 깊이, 엔지니어링 민첩성, 그리고 복잡한 아이디어를 명확하게 설명하는 능력을 독특하게 결합합니다. 그는 어떤 이론적 주제든 깊이 파고들고, 새로운 아이디어를 검증하기 위해 실험하며, 이 모든 것을 간단한 말로 설명할 수 있습니다. 머신러닝 여정을 시작한다면 세바스찬이 당신의 길잡이가 될 것입니다."

Chris Albon (위키미디어 재단 머신러닝 디렉터)

"세바스찬보다 더 나은 가이드를 찾기란 어려울 것입니다. 그는 과장 없이 현재 이 분야 최고의 머신러닝 교육자입니다. 세바스찬은 각 페이지에서 자신의 방대한 지식을 전달할 뿐만 아니라 진정한 전문성을 나타내는 열정과 호기심을 공유합니다."

Ronald T. Kneusel (『How AI Works』 저자)

"세바스찬 라슈카의 새 책 『Machine Learning Q and AI』는 대부분의 입문 과정에서 다루는 핵심을 넘어선 중요한 AI 주제에 대한 개요를 한곳에서 제공합니다… 이미 딥 뉴럴 네트워크를 통해 AI 세계에 발을 들여놓았다면, 이 책은 다음 단계로 나아가고 이해하는 데 필요한 것을 제공할 것입니다."

학습 특징

1. 질문-답변 방식 학습: 30가지 핵심 질문을 통해 머신러닝과 AI의 중요한 개념을 체계적으로 다룹니다.
2. 실용 지향: 실제 적용에 중점을 두어 실행 가능한 기술적 핵심 내용을 제공합니다.
3. 깊이와 폭의 균형: 이론적 깊이와 실천적 폭을 모두 갖춥니다.
4. 점진적 학습: 초보자부터 전문가까지 다양한 수준의 학습자에게 적합합니다.
5. 무료 접근: 무료 온라인 열람을 제공합니다.

적합 대상

• 머신러닝 초보자
• AI 실무자 및 연구자
• 현대 딥러닝 기술을 체계적으로 학습하고자 하는 학생
• AI 발전 추세를 따라잡아야 하는 기술 전문가
• 생산 환경에서의 AI 응용에 관심 있는 엔지니어

학습 제안

1. 각 부분에 논리적 진행 관계가 있으므로, 장 순서대로 학습하는 것을 권장합니다.
2. 각 장 학습 후 실제 프로젝트와 결합하여 실습할 수 있습니다.
3. 많은 튜토리얼에서 빠져 있는 실제 응용 지식인 제4부의 생산 및 배포 내용에 주목하십시오.
4. 제5부의 모델 평가 내용은 실제 작업에서 모델 선택 및 최적화에 매우 중요합니다.

획득 방법

• 무료 온라인 열람: 저자 웹사이트 직접 방문
• 실물 도서 구매: Amazon 또는 No Starch Press
• 저자 지원: Sebastian의 Substack 블로그 구독 또는 Amazon 리뷰 작성