한빛미디어

"한빛미디어 서평단 <나는 리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다."

한빛미디어의 핸즈온 LLM 도서는 나처럼 LLM을 그저 "API만 몇 번 호출해봤다" 수준의 개발자에게 이 책은 정말 딱 맞는 입문서다. 『핸즈온 LLM』을 통해 그동안 블랙박스 같던 언어 모델의 구조와 동작 원리를 차근차근 이해할 수 있었고, 중요한 건 직접 실습하며 몸으로 익힐 수 있었다는 점이다.

예를 들어, 책 초반에 나온 BoW(Bag of Words) 방식(1.2.1절)과 같은 전통적인 언어 표현 방식부터 시작해서, 토큰화(Tokenization)와 임베딩(Embedding)이 어떤 역할을 하는지 시각적으로 설명해준다. 단
어를 숫자로 바꾸는 게 왜 중요한지, 왜 단어별로 다른 토큰 ID가 붙는지를 직접 토크나이저를 돌려보며 확인할 수 있어서 단순한 개념을 넘어 ‘이해’로 이어졌다.

2장에서는 GPT-4와 GPT-3.5가 토큰을 어떻게 나누는지 비교해보는 실습이 인상 깊었다. GPT API를 쓸 때마다 ‘왜 요금이 이렇게 다르지?’ 궁금했는데, 토큰 분할 기준 차이 때문이라는 걸 처음 알았다. 책에서 제시한 예제를 복사해서 실행해보니, 말 그대로 문장 하나로도 토큰 수가 크게 달라지는 걸 눈으로 확인할 수 있었다.

또 4장 텍스트 분류에서는 영화 리뷰 데이터를 가지고 실제 분류 모델을 학습시키고, 그 성능을 다양한 메트릭(accuracy, precision, recall 등)으로 평가하는 과정을 실습했다. 개인적으로는 임베딩을 사용한 분류 작업(4.5절) 부분이 특히 흥미로웠다. 기존 모델보다 훨씬 직관적이고 성능도 안정적이었다. 내가 평소 다루는 웹 애플리케이션에도 이런 방식으로 간단한 분류 모델을 붙여볼 수 있겠다는 아이디어가 떠올랐다.

8장 시맨틱 검색과 RAG에서는 실전 서비스와 가장 가까운 느낌이 들었다. 특히 책에 소개된 OpenAI의 리랭크 API를 활용한 검색 결과 재정렬(8.2.2절)은 코드 예제가 실제로 잘 돌아갔고, 인덱싱된 문서에서 원하는 정보를 훨씬 정확히 추출해주는 걸 보며 확실히 LLM 기반 검색이 전통적인 키워드 기반 검색보다 똑똑하다는 걸 체감했다. 이후 나도 회사에서 챗봇 검색 기능 개선할 때 적용해볼 계획이다.

그리고 9장 멀티모달 LLM에서는 ViT(Vision Transformer)를 활용해 이미지를 언어 모델 입력으로 처리하는 내용을 다룬다. 평소 "이미지를 어떻게 텍스트 모델에 넣는다는 거지?" 하고 막연히 생각했던 부분이, ViT가 이미지를 토큰처럼 다룬다는 원리를 그림과 함께 설명해줘서 한 방에 이해가 됐다. 물론 여기는 실습보단 개념 중심이지만, 나중에 멀티모달 실무로 확장할 때 다시 꺼내볼 챕터다.

책을 읽으며 수시로 메모하고 형광펜으로 표시하게 될 만큼, 구성도 친절하고 시각 자료가 풍부하다. 복잡할 수 있는 내용을 꼭 필요한 수준에서 설명해주고, 적절한 코드 예제가 있어서 따라 하며 자연스럽게 개념을 익힐 수 있다.
무엇보다 이 책은 GPT를 단순히 사용하는 수준에서, LLM을 구성하고 조작하고 응용하는 단계로 넘어가고 싶은 개발자에게 정말 실용적이다. LLM의 구조, 학습 방식, 그리고 서비스 적용까지 실습 중심으로 경험할 수 있어서, 책을 덮고 나면 "나 이제 한 번 만들어볼까?" 하는 자신감이 생긴다.

이 책은 GPT API를 써봤지만, LLM 내부 구조가 궁금했던 개발자, 프롬프트 엔지니어링, 시맨틱 검색, RAG 등 최신 AI 기술을 직접 실습하고 싶은 사람, 이론에만 그치지 않고, 코드로 검증하며 배우고 싶은 실무 개발자에게 모두 유익하다. 단순한 이론서도, 복잡한 논문도 아니다. 이 책은 말 그대로 “내 손으로 LLM을 만지는 경험”을 할 수 있게 해주는 실전 입문서다. 지금 AI에 관심 있는 개발자라면 꼭 한 번은 읽어보길 추천한다.