Ollama를 활용한 로컬 서빙 부분이 좀 흥미로웠습니다.!. 클라우드 비용 걱정에 벌덜 떠는 가난한 대학생들에게 내 컴퓨터에서 LLM을 돌릴 수 있다는 것은 큰 위안이자 무기입니다. 가상의 캐릭터를 만드는 LoRA 튜닝 예제는 마치 게임 커스터마이징을 하는 듯한 재미를 주어, 자칫 지루해질 수 있는 기술 서적의 문법에 생동감을 불어넣습니다. 가끔 등장하는 기술적 유머들은 코딩하다 막혀서 키보드를 샷건 치고 싶을 때 묘하게 마음을 달래주는 힘이 있습니다.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."
AI의 흐름이 완전히 바뀌고 있다는 걸 요즘 더 자주 체감하게 됩니다. 예전에는 모델을 얼마나 잘 만들었느냐가 중요했다면, 이제는 그 모델을 어떻게 활용하고 연결하느냐가 더 중요한 시대가 되었기 때문입니다. 이 도서에서 파이토치를 하나의 라이브러리가 아니라 실험 도구처럼 바라보게 만드는 점이 인상적이었습니다. 모델을 정답으로 만드는 것이 아니라, 계속 수정하고 개선하는 과정 자체가 핵심이라는 메시지가 자연스럽게 전달됩니다.

컴퓨터 비전과 CNN을 다루는 중반부에서는 이 책이 생각보다 실용적인 방향을 가지고 있다는 점이 더 분명해집니다. 합성곱이나 풀링 같은 개념 설명도 있지만, 실제로 모델을 만들고 데이터를 다루는 과정이 중심이 됩니다. 자연어 처리와 시퀀스 모델로 넘어가는 흐름도 자연스럽습니다. 텍스트를 숫자로 바꾸고, 임베딩을 통해 의미를 표현하고, RNN으로 문장을 다루는 과정이 반복적으로 이어지면서 점점 익숙해집니다. 특히 Ollama를 활용한 LLM 서빙이나 RAG, 그리고 diffusion과 LoRA까지 이어지는 구성은 이 책이 단순한 입문서를 넘어섰다는 걸 보여줍니다.

결국 이 책이 전달하는 메시지는 단순합니다. 이제는 모델을 잘 만드는 것만으로는 부족하고, 그것을 어떻게 연결하고 활용할지를 고민해야 한다는 것입니다. 그리고 그 흐름을 처음부터 끝까지 한 번에 경험해보고 싶은 사람에게, 이 책은 꽤 좋은 출발점이 될 수 있다고 느꼈습니다.
https://www.hanbit.co.kr/store/books/look.php?p_code=B2678586818

이 책은 ‘언제까지 AI 기본서만 읽을거야? 이제는 AI중급자로 가야지 않겠어?’ 라는생각이 드는 모든이들에게 추천하고푼 책이다.

그래서, 단순하게 AI가 어떻고, LLM이 이런거고하는  설명이 아니라, 실제 파이토치 코드를 통해 코드 레벨의 내용과 이에 대한 설명을 통해 순차적으로 설명을 해준다.  그래서, 초급 개발자보다는 데이터 엔지니어 또는 코드를 이해할 있는 초중급 개발자에게 적합하다. 특히, 파이토치를 통해 LLM를 서빙하거나 RAG를 구현하고 컴퓨터 비전이나 디퓨전 모델을 파인튜닝하려는 AI엔지니어에게 적합하다.

사실 파이토치보다 구글코랩을 통해서 접근하는게 익숙하던 나로써는 파이토치로 접근하는 이 책이 솔직히 쉽지는 않았다.

그런데, 각 장별 코드나 개념에 대한 설명이 쉽고 명료하게 되어 있어서 개념을 적어가면서 책을 한장씩 넘겨보게 되었다. 물론, 이러한 상세 개념이나 코딩기반의 LLM이나 AI서비스를 개발한 엔지니어라면 필요한 중간부분을 봐도 되겠지만, AI개발 경험이 없는 나와 같은 사람들은 앞에서부터 순차적으로 보면 이해가 될 것이다. 또한, 머신러닝이나 컴퓨터 비전을 모르는 사람도 처음부터 보다보면 관련 개념과 코드를 통한 풀이등을 통해서 보다 깊이 개념을 제대로 이해할 수 있게 된다. 예를 들어, 뉴런, 층, 손실함수, 옵티마이저, 확률적 경사하강법, 텐서, 에폭, 합성곱신경망, 이미지 전이 등의 용어와 개념은 이번에 제대로 알게되었다.  

이 책은 크게 2개의 챕터로 구성된다.
Part I은 
머신러닝의 기본 개념부터 파이토치, 컴퓨터 비전, 신경망, 합성곱,풀링, 합성곱 신경망, 이미지 증식, 전이학습, 다중분류, 훈련성능 향상을 위한 ETL병렬화, 자연어 처리, 임베딩 시각화, 순환신경망(RNN), 시퀀스와 시계열 예측 기법, DNN, 시퀀스 모델을 위한 합성곱 신경망과 순환신경망의 예제 및 코드를 통해 설명한다.

Part II는
텐서, 이미지 데이터, 모델의 텐서 출력, TorchServe/플라스크 이용한 모델서빙, 허깅페이스 허브와 파이토치 허브, 트랜스포머 아키텍처, LLM 파인튜닝 & 프롬프트 튜닝, Ollma를 이용한 LLM, RAG, 디퓨전 모델,  LoRA로 미세튜닝하기 등 최신의 생성형AI관련 내용을 코드예제와 함께 상세하게 설명해준다.

그래서, 머신러닝 기본 개념부터 필요한 친구들은 Part I부터 천천히 접근하면 되고, 최신 AI에 대한 기술을 보다 심층적으로 접근하고푼 친구들은 Part II로 접근하는 것이 좋을 듯 하다.

* 이 글은 한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다."

#한빛미디어 #나는리뷰어다 #파이토치로 배우는LLM&AI

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

목차를 보고 저 같은 사람에게 유용하겠다고 보았습니다. 통계학이나 데이터과학을 전공하지 않고 업무 수행차 당장 필요한 것만 독학하며 구현해오던 맨땅헤딩러가 한숨 돌릴 만한 계기가 되어주지 않을까 합니다. 학부 과정으로는 몇 학기에 걸쳐 익힐 내용에 대해 누락 없이 개념을 정립해줄 내용들입니다. 저자와 역자의 전작 '개발자를 위한 머신러닝 & 딥러닝 (https://www.hanbit.co.kr/store/books/look.php?p_code=B9073454247)'과 비슷한 취지이겠습니다. 어느 정도 개발 업무 경험을 쌓았거나 한국 한정으로는 이런 저런 부트캠프를 나와 머리가 혼란한 분(대개 파워포인트 교재 PDF만 가지고 있을)들이 AI 일을 시작하는 데에 도움이 될 겁니다.

원제와 한국어 제목이 꽤 달라서 왜 그런가 싶었습니다. 목차만 언뜻 봤을 때에는 신경망 기초부터 Vision AI와 LLM 제반사항을 다 다루기 때문에 한국어 제목은 왜 LLM으로 분야를 한정했을까 의아했습니다. 책을 읽고 보니 CNN 기반의 vision AI를 다루기는 하지만 업무에 사용할 수준까지의 간극이 꽤 크되, LLM 관련해서는 tool까지 세세하게 다뤘기 때문입니다. 한국어 제목이 독자를 혼동하지 않아 더 낫겠습니다. 저자는 Optimizer의 차이와 같이 몰라서 못 물을 용어에 대해서 친절하게 설명했습니다. 이 책에서 다루지 않은 세부사항은 검색하거나 LLM에 물으면 잘 나올 겁니다. 이 책은 앞으로 무엇을 물으면 되는지에 대한 기본 지식을 채워주는 용도로서 유익하다고 다시 한 번 강조하는 바입니다.

? 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

◼️ '아는 것'에서 '해내는 것'으로: 파이토치 첫걸음

그동안 교양 수준에서 AI가 무엇인지, 머신러닝이 대략 어떤 원리인지는 충분히 접해왔다. 하지만 막상 "그래서 이걸 어떻게 직접 만드나?"라는 질문 앞에서는 늘 막막함이 있었다. 개념을 이해하는 것과 실제 프레임워크를 다루는 것 사이에는 큰 간극이 있기 때문이다.

오늘 소개할 "파이토치로 배우는 LLM & AI"는 바로 그 간극을 메우기 위해 집어 든 책이다. 파이토치(PyTorch)라는 실무 도구를 이용해 AI를 직접 구현해보는 경험은 이번이 처음이었는데, 단순히 툴의 사용법을 익히는 것을 넘어 AI의 문법을 새로 배우는 기분이었다.

◼️ 기술서보다 학술서에 가까운 묵직한 기본기

시중의 많은 기술서가 "이 버튼을 누르면 작동합니다" 식의 퀵 메뉴얼 같다면, 이 책은 오히려 원리를 파고드는 학술서에 가까운 묵직함이 있다. 단순히 코드를 복사해서 붙여넣는 법을 알려주는 데 그치지 않고, 전통적인 프로그래밍 방식이 왜 머신러닝이라는 새로운 패러다임으로 진화해야 했는지 배경까지 자세하게 설명해주고 있다.

책은 파이토치의 설치부터 시작해 신경망(Neural Network)의 기초, 컴퓨터 비전 등 방대한 분야를 다룬다. 특히 인상적이었던 점은 '뉴런' 하나가 어떻게 학습을 시작하는지, 그리고 여러 층의 레이어가 쌓여 어떻게 복잡한 패턴을 찾아내는지에 대한 기초 이론을 매우 탄탄하게 설명한다는 점이다. 기본기가 충실한 사람들도 혹은 너무 기초적인 내용이라 잊고(?) 지냈던 사람들에게도 도움이 될 만한 부분이라 생각한다.

저자의 깃허브에 저장된 코드로 실습을 해볼 수 있다. 한글 토크나이저는 띄어쓰기만 가지고는 정확하지 않지만 예제코드라 임의로 넣어봤다.

◼️ API 시대, 굳이 파이토치를 알아야 할까?

요즘처럼 RAG(검색 증강 생성)나 API 기반의 AI 서비스가 잘 되어 있는 시대에 "굳이 신경망을 구축하는 프레임워크까지 알아야 할까?"라는 의문이 들 수 있다. 나 역시 처음엔 그렇게 생각했다.

하지만 실무를 하다 보면 보안 등의 이유로 외부 API 대신 오픈소스 모델을 회사 내부 서버에 직접 구축(Local LLM)해야 하거나, 우리 회사만의 특수한 도메인 지식에 맞춰 검색용 임베딩 모델을 미세조정(Fine-tuning)해야 하는 순간이 반드시 올 거라 생각한다.

이때 그 밑단에서 모델의 엔진을 뜯어고치고 구동하게 만드는 핵심 기술이 바로 파이토치다. 즉, 남이 만든 AI를 블록처럼 조립해 쓰는 단계를 넘어, 우리만의 AI 시스템을 직접 통제하고 맞춤 제작하기 위해서는 이 책에서 다루는 코어 모델링 지식이 결국 필요해진다.

◼️ 마무리하며 | 한계선 너머를 준비하는 이들을 위한 길잡이

이 책은 결코 가볍게 읽히는 책은 아니다. 오히려 AI라는 거대한 학문의 토대를 파이토치라는 도구를 빌려 꼼꼼하게 다져나가는 과정에 가깝다.

당장 내일 당장 써먹을 챗봇을 빠르게 조립하는 게 목적이라면 다른 책이 맞을지도 모르겠다. 하지만 툴과 API가 주는 편리함에 갇히지 않고, 언제든 내부 서버에 우리만의 모델을 얹고 파인튜닝할 수 있는 진짜 기본기를 다지고 싶은 기획자나 실무자에게 이 책은 훌륭한 교과서가 될 것 같다.

실습자료

실습 자료 및 예시코드는 아래 Github에서 확인할 수 있다.

https://github.com/lmoroney/PyTorch-Book-FIles

9년차 프론트엔드 개발자이자, 장비 임대 견적 플랫폼 스타트업 팀장의 시각으로 이 책을 읽었습니다.

"LLM 책을 우리 서비스에 어떻게 접목시킬까?"라는 궁금증을 가지고 읽기 시작했는데, 읽다 보니 서비스에 적용할 수 있을 것 같은 아이디어가 두 개나 나왔습니다.

이 책의 가장 큰 장점은 개념 설명보다 실습 코드가 중심이라는 점입니다. LLM 동작 원리부터 RAG 파이프라인 구성, 에이전트 설계까지 — 직접 따라치면서 흐름이 손에 잡히는 구성이에요. 이론만 읽었다면 추상적으로 남았을 개념들이, 코드를 실행하는 순간 "아, 이렇게 돌아가는 거구나"로 바뀌는 경험을 했습니다.

그 덕분에 실무 아이디어 두 가지가 구체화됐어요.
 

첫 번째는 견적 추천 기능입니다. 
임차인이 장비 조건을 입력하면, 과거 견적 데이터를 RAG로 검색해서 적정 가격 범위를 제안하는 구조인데요. 책에서 RAG 파이프라인을 직접 구현하는 챕터를 읽으면서 "우리 견적 히스토리 데이터에 이걸 붙이면 되겠다"는 그림이 처음으로 구체적으로 그려졌습니다.
 

두 번째는 채팅 어시스턴트입니다. 
이미 SSE 기반 채팅 기능이 있는데, 임차인·임대인 협상 과정에서 장비 스펙 질문이나 계약 조건 안내를 LLM이 보조하는 형태로 연결할 수 있겠다는 아이디어를 얻었어요. 책에서 다루는 에이전트 구조와 프롬프트 설계 부분이 직접적인 힌트가 됐습니다.
 

LLM이나 파이토치를 깊게 다뤄본 적 없는 저도 실습 코드를 따라가며 전체 흐름을 이해할 수 있었고, "외부 솔루션을 붙일지, 직접 만들지"를 팀에서 직접 판단할 수 있는 근거가 생겼습니다.
 

AI 기능 도입을 구체적으로 고민 중인 팀장, 테크리드에게 추천합니다.

#한빛미디어 #나는리뷰어다 #파이토치로배우는LLM #LLM #RAG #파이토치 #AI개발 #프론트엔드 #테크리드 #스타트업

평소 제미나이(Gemini), 클로드(Claude) 같은 LLM을 업무에 사용하면서
'이런 거대한 AI 모델들은 도대체 어떻게 구현되는 걸까?' 하는 깊은 궁금증이 있었습니다. 
관련 지식을 접할 방법을 찾던 중에 한빛미디어 출판사의  "파이토치로 배우는 LLM&AI" 책을 읽어보게 되었습니다.

"파이토치로 배우는 LLM&AI" 책은 파이토치(PyTorch)를 기반으로 머신러닝의 기초부터 RAG, 트랜스포머(Transformer), LLM 등 최신 생성형 AI 기술포함 현재 가장 인기 있는 AI 기술들을 소스코드를 통해 직접 구현하며 배울 수 있는 실용적인 지침서(기본서) 입니다.

제가 "파이토치로 배우는 LLM&AI"  책을 읽어봐야 할 필독서로 추천하는 이유는 크게 세 가지입니다.

​1. 이론과 코드가 조화로운 '소스코드 중심'의 상세한 설명
보통 다른 도서들은 지나치게 이론에 치우치거나 반대로 설명 없이 코드만 나열하여 아쉬운 경우가 많았습니다. 하지만 "파이토치로 배우는 LLM&AI" 책은 실제 작동하는 소스코드를 중심으로, 각 코드가 어떤 기술적 의미를 가지는지 이론과 함께 상세하게 해설합니다. 덕분에 뜬구름 잡는 느낌 없이 핵심 기술을 명확하게 파악할 수 있었습니다.

2. 직관적이고 다채로운 실습 예제
책 전반에 걸쳐 사람과 말 이미지 분류, 가위바위보 이미지 인식, 자연어를 숫자로 변환하는 기법 등 독자가 흥미를 느낄 만한 다양한 예제가 수록되어 있습니다. 소스코드와 실행 결과, 시각적인 그림 자료가 적절히 배치되어 있어 다소 어려울 수 있는 AI 기술도 직관적이고 쉽게 이해할 수 있도록 쓰여 있습니다.

3. RAG, 트랜스포머 등 최신 AI 생태계 경험
단순한 기초를 넘어, 책의 후반부(모델 사용 2 챕터)에서는 트랜스포머, LLM, RAG, 허깅페이스(Hugging Face) 등 최신 기술에 대한 내용과 소스, 이론을 직접 경험해 볼 수 있습니다. AI 모델의 추론 개념부터 생성형 AI를 활용하기 위한 주변 기술까지 폭넓게 아우르고 있어, 한 단계 더 나은 AI 활용법을 익힐 수 있습니다.

총평
개발자 입장에서 이 책은 인공지능 모델 구성과 데이터 활용법을 소스코드를 통해 쉽게 익힐 수 있어 무척 매력적이었습니다. 소스코드 중심이다 보니 반복해서 읽고 직접 구현하며 테스트하는 과정이 필요하지만, 제공되는 GitHub 소스코드를 다운로드하거나 구글 코랩(Google Colab) 환경을 적극 활용한다면 훨씬 수월하게 공부할 수 있습니다.
복잡한 수식이나 방대한 이론보다는, 직접 코드를 따라 치면서 작동 원리를 눈으로 확인하고 싶은 개발자라면 꼭 한번 읽어보시길 권합니다. 이론을 코드로 증명해 나가는 구성이 개발자들에게 큰 성취감을 안겨줄 것입니다. 추천합니다. 

직접 파이토치로 AI를 구현해보면서 토치 코딩에 익숙해지고 싶은 사람 혹은 코딩을 통해 이론을 좀 더 잘 이해하고 싶은 사람에게 탁월한 책이라고 생각한다.

참고로, 이 책의 좋은점은, 이 책이 '파이토치와 LLM & AI'이기 때문에 파이토치의 객체, 함수에 대한 설명이 포함되어 있다는 점도 있다. 책 전반적으로 TASK 설명 -> 코드 -> 코드에 대한 파이토치 객체/함수 사용법 설명 순서로 되어있다. 토치에서 제공하는 프레임워크 서비스 구조에 대한 설명도 있어서 배운 내용을 구현하는 것 뿐만 아니라 추후 커스텀 레이어/모델을 만들 때 좀 더 용이하다.

​(책에서도 나오지만) 여기에선 머신러닝, LLM에 대한 수학적인 기본 지식은 다루지 않는다. 다만 그렇다고 기초가 없는 책이란 건 아니다. 환경설정, 신경망 정의 및 설계, 정규화 방법 등 기본 지식들도 포함하고 있다.

이 외에도 ​최근 RAG, Diffusers 구현, LoRA 튜닝 등 실무적인 활용에 대한 관심이 높아지고 있는데, 이러한 내용도 함께 다루고 있어 실질적인 도움이 된다. 

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다

『파이토치로 배우는 LLM & AI』는 챗지피티를 계기로 AI와 LLM에 관심이 생긴 독자에게, 파이토치 실습을 바탕으로 개념과 흐름을 함께 이해하게 해 주는 책입니다. 기초부터 최신 생성형 AI까지 폭넓게 다루고 있어, 입문자에게는 방향을 잡아 주고 실습 중심 학습자에게는 좋은 출발점이 되어 주는 책이라고 할 수 있습니다.



한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다.

파이토치로 배우는 LLM & AI

LLM, 생성형 AI, Transformer...

요즘 개발을 하다 보면 한 번쯤은 이런 생각이 들었습니다.

"이건 중요한 건 알겠는데, 내가 직접 만들 수 있는 영역일까?"

개념은 여기저기서 접해서 대충 알고는 있었지만, 막상 "구현"이라는 단어가 붙는 순간 손이 멈췄습니다. API를 가져다 쓰는 건 가능했지만, 내부 구조를 이해하고 다루는 건 또 다른 문제였기 때문입니다.

"파이토치로 배우는 LLM & AI"를 읽으면서 그 거리감이 꽤 많이 줄어들었다는 느낌이 듭니다.

이 책이 좋았던 가장 큰 이유는, 이론에서 멈추지 않고 바로 코드로 이어진다는 점이었습니다. 머신러닝 기초부터 시작해서 딥러닝, 그리고 Transformer와 LLM 구조까지 단계적으로 올라가는데, 각 단계가 "설명 이후 구현" 형태로 연결됩니다. 덕분에 머릿속에만 떠다니던 개념들이 실체로 손에 잡히는 느낌이 들었습니다.

특히 기억에 남는 부분은 컴퓨터 비전 관련 내용을 다루면서, 학습 데이터를 어떻게 준비하고 사용하는지를 설명하는 구간이었습니다. 이미지를 단순히 모델에 넣는 것이 아니라, 특징을 잘 드러낼 수 있도록 데이터를 구성하고, 분류와 라벨링을 통해 학습이 어우러진다는 흐름을 따라가다 보니 "아~ 실제로는 이렇게 학습이 진행되는구나"라는 깨달음이 들었습니다.

그동안은 모델 구조나 알고리즘에만 관심이 있었는데, 이 과정을 보면서 데이터 준비 단계가 얼마나 중요한지 체감하게 되었고, 단순히 모델을 사용하는 것을 넘어서 학습 과정 전체를 이해해야겠다는 생각이 들었습니다.

또 하나 좋았던 점은 번역이었습니다. 기술서는 번역이 어색하면 읽다가 흐름이 자주 끊기는데, 이 책은 문장이 꽤 자연스럽습니다. 덕분에 내용 자체에 집중할 수 있었고, 중간에 "이 문장이 무슨 말이지?" 하고 멈추는 일이 거의 없었습니다.

다만 아쉬운 점도 분명히 있습니다. 개인적인 미흡함 때문이긴 합니다만...

개념 설명은 정말 잘 되어 있는데, pyTorch 코드가 본격적으로 등장하는 구간에서는 확실히 난이도가 올라갑니다. pyTorch를 거의 다뤄보지 않은 상황이기 때문에, 코드가 나오는 순간 집중해서 다시 읽게 되는 구간이 꽤나 있었습니다. "아... 여기서는 한번 손으로 직접 돌려봐야겠다"라는 지점이 빈번해졌죠.

그래서 이 책을 읽기 전에 pyTorch 기본기를 어느 정도는 익혀두는 것이 좋겠다는 생각이 들었습니다. 완전히 처음부터 시작하는 경우라면, 앞부분을 천천히 따라가면서 실습을 병행하는 방식이 적합할 것 같습니다.

읽는 동안 계속 떠올랐던 건 "이걸 실무에 어떻게 붙일 수 있을까"였습니다. 예를 들어, 이벤트나 로그 데이터를 텍스트로 정리한 뒤 LLM으로 분석하거나 요약하는 흐름 같은 것들입니다. 이전에는 LLM을 단순히 API로 호출하는 도구 정도로 생각했다면, 이 책을 통해서는 시스템 안에 하나의 구성 요소로도 넣을 수 있지 않을까라는 희망이 생겼습니다.

물론 이 책이 모든 걸 다 해결해 주지는 않습니다. 배포나 MLOps 같은 영역까지 깊게 다루는 책은 아니기 때문에, 실제 서비스에 적용하려면 추가적인 학습이 필요합니다. 이 부분은 책의 범위를 생각하면 자연스러운 한계일 것입니다.

정리해 보면, 이 책은 "AI를 가볍게 훑어보는 입문서"라기보다는, 어느 정도 기초를 가진 개발자가 한 단계 더 올라가기 위한 책에 가깝습니다. 특히 LLM을 단순히 사용하는 수준에서 벗어나, 구조를 이해하고 직접 다뤄보고 싶은 사람에게 잘 맞을 것입니다.

이 책을 읽고 나니 적어도 한 가지는 확실히 달라졌습니다.

LLM이 더 이상 막연한 기술이 아니라, 시간과 노력을 들이면 충분히 따라갈 수 있는 영역이라는 인식이 생깁니다.

그리고 그 변화가, 앞으로 어떤 공부를 해야 할지 방향을 잡아준다는 점에서 꽤 큰 의미가 있다고 느꼈습니다.

마지막으로 한 줄로 정리하면 이렇습니다.

LLM을 사용하는 개발자에서, 이해하고 구현해 보려는 개발자로 한 단계 끌어올려 주는 책

#한빛미디어 #나는리뷰어다 #파이토치로배우는LLM&AI



이론과 실습의 조화가 절묘하게 잘 이루어진 좋은 학습 가이드같다는 느낌이 드는 책이었고, 요즘 대세인 PyTorch를 사용한 Code로 실습을 진행한다는 것도 마음에 들었습니다.
전반적으로 해당 분야에 대한 기술의 가장 기초부터 코드를 이용해서 기본 원리부터 설명하고 있습니다. 
이런 종류의 책이 요즘에는 거의 없기 때문에 이런 내용을 알고 싶어하는 사람들에게는 유용할 것입니다.
Code 레벨로 PyTorch를 배우려고 하는 개발자들이나 학생들에게 좋은 시작 포인트가 될 것 같다는 생각이 드네요.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

AI는 이제 개발자에게 선택이 아니라 그냥 흐름이 된 것 같다.

나 역시 AI 플랫폼을 개발하고, GPUaaS 형태로 인프라를 제공하는 일을 하다 보니 자연스럽게 PyTorch를 접하게 되었다. (PyTorch와 Tensorflow는 AI 개발자들에게 필수품이 되었더라)

다만, 나는 모델을 직접 만드는 사람은 아니기 때문에, 오히려 그 모델들이 잘 돌아가게 만드는 (조금은 바깥쪽에 있는) 개발자에 가깝다. GPU, 클러스터, 스케줄링, 데이터 이동과 같은 것들을 다루다 보면 모델이 어떻게 학습되는지는 알고는 있지만, 어디까지나 “알고 있는 수준”에 머무르게 된다. 그런데 이 책은 그 안쪽을 한 번 직접 들여다보게 만들고, 학습, 추론에 이어서 서빙에 이르기까지 다양한 분야를 알게 해주었다.

https://www.hanbit.co.kr/store/books/look.php?p_code=B2678586818

한빛미디어 온라인 플랫폼인 한빛+에서 전자책으로도 만나볼 수 있다. (위 링크 참조!)

책의 흐름은 어렵지 않다. 머신러닝이 무엇인지부터 시작해서 이미지, 텍스트, 시계열, 그리고 요즘 많이 이야기되는 LLM까지 자연스럽게 이어진다. 깊게 파고든다기보다는 하나씩 경험해보는 느낌에 가깝고, “이래서 GPU를 그렇게 쓰는구나”, “데이터 로딩이 왜 중요하지?” 같은 것들을 이해할 수 있었다. (사실 왜 파이토치를 써야하는지부터가 중요한 목적 아니겠는가)

생각해보면 이 책은 나 같은 사람보다는 아마 실제로 모델을 만들고 실험하는 AI 개발자들을 더 많이 떠올리고 쓴 책일 것이다. 코드를 직접 짜보고, 결과를 보고, 조금씩 개선해나가는 흐름이 그쪽에 더 잘 맞아있다.

개인적으로 좋았던 점은 예제 코드였다.Jupyter Notebook으로 제공되다 보니, Python이랑 환경만 깔고 바로 실행해볼 수 있었다.복잡하게 세팅할 필요 없이, 그냥 켜서 돌려보고, 조금 바꿔보고.그 과정 자체가 부담이 없었다.

원 저자의 github 로 들어가면 해당 예제코드들을 만나볼 수 있다.

https://github.com/lmoroney/PyTorch-Book-FIles/

- git clone을 통해 다운로드 받고, Jupyter Notebook으로 Cell별로 실행시키면 실행 결과를 실시간으로 볼 수 있다.

또 하나 좋았던 건, 이 책이 단순히 모델 만드는 데서 끝나지 않는다는 점이다.

서빙 이야기, 외부 모델 활용, LLM, RAG 같은 내용까지 자연스럽게 이어지고, Hugging Face 같은 생태계도 살짝 엿볼 수 있어서 “요즘 AI는 이런 식으로 돌아가는구나”라는 느낌을 받기에는 충분했다.

물론 번역서라서 그런지, 중간중간 문장이 살짝 걸리는 부분도 있었다. 특히 수학적인 표현은 한 번 더 생각하게 되는 구간도 있었지만, 전체 흐름을 끊을 정도는 아니었다.

아마 이 책을 읽는 대부분은 AI 개발자일 것이다.그들에게는 꽤 친절한 입문서이자 실습서가 될 것 같고, 나처럼 GPU나 인프라를 다루는 사람에게는 “아, 저 위에서 저런 일이 일어나고 있구나”를 이해하게 해주는 책이다.