메뉴 바로가기 검색 및 카테고리 바로가기 본문 바로가기

한빛출판네트워크

쉽고 빠르게 익히는 실전 LLM

ChatGPT 활용부터 LLM 파인튜닝, 임베딩, 고급 프롬프트 엔지니어링까지

한빛미디어

번역서

판매중

  • 저자 : 시난 오즈데미르
  • 번역 : 신병훈
  • 출간 : 2024-02-01
  • 페이지 : 312 쪽
  • ISBN : 9791169211932
  • 물류코드 :11193
  • 초급 초중급 중급 중고급 고급
4.6점 (14명)
좋아요 : 2

LLM 입문자도 당장 시작할 수 있게 해 주는 단계별 가이드


LLM FAQ, AI/ML 용어 해설집, LLM 애플리케이션 개발 고려사항 Tip 수록

이 책은 LLM 개발 단계별 지침, 모범 사례, 실제 사례 연구, 실습 예제 등 LLM이 생소했던 사람도 당장 개발을 시작할 수 있을 만큼 LLM에 대한 전반적인 지식을 쉽고 친절하게 설명합니다. 또한, LLM 개발에 더 깊이 들어가 파인튜닝, 오픈 소스와 클로즈드 소스 LLM의 비교 및 활용법, 데이터 형식 및 파라미터 설정법, 임베딩, 성능 최적화, 고급 프롬프트 엔지니어링까지 다뤄 LLM을 실제로 현업에서 활용하고 있는 실무자에게도 통찰력을 제공합니다. LLM 입문서이자, 실무 가이드인 이 도서를 통해 다가오는 LLM 시대를 더 확실히 대비하세요!

 

700_쉽고 빠르게 익히는 실전 LLM.jpg

시난 오즈데미르 저자

시난 오즈데미르

현재 Shiba Technologies의 창립자이자 CTO입니다. 존스 홉킨스 대학교의 데이터 과학 강사였으며 데이터 과학 및 머신러닝에 관한 여러 교과서를 집필했습니다. 또한 RPA 기능을 갖춘 엔터프라이즈급 대화형 AI 플랫폼인 Kylie.ai의 창립자이기도 합니다.

신병훈 역자

신병훈

서울대학교 수학과를 졸업하고, 나눔기술과 Microsoft에서 개발자, 컨설턴트, 프로덕트 매니저로 일했습니다. 현재 도쿄에 있는 스타트업, BoostDraft에서 프로덕트 매니저로 일하고 있습니다.

Part 1 LLM 소개

Chapter 1 LLM

_1.1 LLM이란?

__1.1.1 LLM 정의

__1.1.2 LLM 주요 특징

__1.1.3 LLM 작동 원리

_1.2 현재 많이 사용되는 LLM

__1.2.1 BERT

__1.2.2 GPT-4와 ChatGPT

__1.2.3 T5

_1.3 도메인 특화 LLM

_1.4 LLM을 이용한 애플리케이션

__1.4.1 전통적인 자연어 처리(NLP) 작업

__1.4.2 자유로운 텍스트 생성

__1.4.3 정보 검색/신경망 의미 기반 검색

__1.4.4 챗봇

_1.5 마치며

 

Chapter 2 LLM을 이용한 의미 기반 검색

_2.1 들어가는 글

_2.2 작업

__2.2.1 비대칭적 의미 기반 검색

_2.3 솔루션 개요

_2.4 구성 요소

__2.4.1 텍스트 임베더

__2.4.2 문서 청킹

__2.4.3 벡터 데이터베이스

__2.4.4 파인콘

__2.4.5 오픈 소스 대안

__2.4.6 검색 결과 재순위화

__2.4.7 API

_2.5 통합

__2.5.1 성능

_2.6 클로즈드 소스 구성 요소의 비용

_2.7 마치며

 

Chapter 3 프롬프트 엔지니어링의 첫 번째 단계

_3.1 들어가는 글

_3.2 프롬프트 엔지니어링

__3.2.1 언어 모델에서 정렬

__3.2.2 직접 요청하기

__3.2.3 퓨샷 학습

__3.2.4 출력 구조화

__3.2.5 페르소나 지정하기

_3.3 여러 모델과 프롬프트 작업하기

__3.3.1 ChatGPT

__3.3.2 Cohere

__3.3.3 오픈 소스 프롬프트 엔지니어링

_3.4 ChatGPT와 Q/A 챗봇 만들기

_3.5 마치며

 

Part 2 LLM 활용법

Chapter 4 맞춤형 파인튜닝으로 LLM을 최적화하기

_4.1 들어가는 글

_4.2 파인튜닝과 전이학습: 기초 안내서

__4.2.1 파인튜닝 과정

__4.2.2 파운데이션 모델로 사전 훈련된 클로즈드 소스 모델 사용하기

_4.3 OpenAI 파인튜닝 API 살펴보기

__4.3.1 GPT-3 파인튜닝 API

__4.3.2 사례 연구: Amazon 리뷰 감정 분류

__4.3.3 데이터에 대한 지침 및 모범 사례

_4.4 OpenAI CLI로 맞춤형 예제 준비하기

_4.5 OpenAI CLI 설정하기

__4.5.1 하이퍼파라미터 선택과 최적화

_4.6 첫 번째 파인튜닝 LLM

__4.6.1 정량적 지표로 파인튜닝 모델 평가하기

__4.6.2 정성적 평가 기술

__4.6.3 파인튜닝된 GPT-3 모델을 애플리케이션에 통합하기

_4.7 사례 연구 2: Amazon 리뷰 카테고리 분류

_4.8 마치며

 

Chapter 5 고급 프롬프트 엔지니어링

_5.1 들어가는 글

_5.2 프롬프트 인젝션 공격

_5.3 입력/출력 유효성 검사

__5.3.1 예제: NLI 이용해서 유효성 검사 파이프라인 만들기

_5.4 배치 프롬프팅

_5.5 프롬프트 체이닝

__5.5.1 프롬프트 인젝션을 방어하기 위한 체이닝

__5.5.2 프롬프트 스터핑을 막기 위한 체이닝

__5.5.3 예제: 멀티모달 LLM을 안전하게 사용하기 위한 체이닝

_5.6 연쇄적 사고 프롬프트

__5.6.1 예시: 기초 연산

_5.7 퓨샷 학습 다시 보기

__5.7.1 예제: LLM을 이용한 초등학교 수학

_5.8 테스트와 반복적 프롬프트 개발

_5.9 마치며

 

Chapter 6 임베딩과 모델 아키텍처 맞춤화

_6.1 들어가는 글

_6.2 사례 연구: 추천 시스템 만들기

__6.2.1 문제와 데이터 설정하기

__6.2.2 추천의 문제 정의하기

__6.2.3 추천 시스템의 전체 개요

__6.2.4 항목 비교를 위한 맞춤형 설명 필드 생성

__6.2.5 파운데이션 임베더로 기준선 설정

__6.2.6 파인튜닝 데이터 준비

__6.2.7 문장 트랜스포머 라이브러리로 오픈 소스 임베더 파인튜닝하기

__6.2.8 결과 요약

_6.3 마치며

 

Part 3 고급 LLM 사용법

Chapter 7 파운데이션 모델을 넘어서

_7.1 들어가는 글

_7.2 사례연구: VQA

__7.2.1 모델 소개: ViT, GPT-2 및 DistillBERT

__7.2.2 은닉 상태 투영과 융합

__7.2.3 크로스-어텐션: 이것은 무엇이며 왜 중요한가요?

__7.2.4 맞춤형 멀티모달 모델

__7.2.5 데이터: Visual QA

__7.2.6 VQA 훈련 과정

__7.2.7 결과 요약

_7.3 사례 연구: 피드백 기반 강화 학습

__7.3.1 모델: FLAN-T5

__7.3.2 보상 모델: 감정과 문법 정확도

__7.3.3 트랜스포머 강화 학습

__7.3.4 RLF 훈련 과정

__7.3.5 결과 요약

_7.4 마치며

 

Chapter 8 고급 오픈 소스 LLM 파인튜닝

_8.1 들어가는 글

_8.2 예시: BERT를 이용한 애니메이션 장르 다중 레이블 분류

__8.2.1 다중 레이블 장르 예측을 위한 성능 측정 지표로 자카드 점수 사용하기

__8.2.2 단순 파인튜닝 과정

__8.2.3 오픈 소스 LLM 파인튜닝을 위한 일반적인 팁

__8.2.4 결과 요약

_8.3 예시: GPT-2를 이용한 LaTeX 생성

__8.3.1 오픈 소스 모델을 위한 프롬프트 엔지니어링

__8.3.2 결과 요약

_8.4 시난의 현명하면서도 매력적인 답변 생성기: SAWYER

__1단계: 지시사항 파인튜닝

__2단계: 보상 모델 훈련

__3단계: (예상하는) 사용자 피드백 기반 강화 학습

__결과 요약

_8.5 끊임없이 변화하는 파인튜닝의 세계

_8.6 마치며

 

Chapter 9 LLM을 프로덕션 환경에서 사용하기

_9.1 들어가는 글

_9.2 클로즈드 소스 LLM을 프로덕션 환경에 배포하기

__9.2.1 비용 예측

__9.2.2 API 키 관리

_9.3 프로덕션 환경에 오픈 소스 LLM 배포하기

__9.3.1 추론을 위한 모델 준비

__9.3.2 상호 운용성

__9.3.3 양자화

__9.3.4 가지치기

__9.3.5 지식 증류

__9.3.6 LLM 사용에 대한 비용 예측

__9.3.7 Hugging Face에 올리기

_9.4 마치며

 

Part 4 부록

APPENDIX A LLM 자주 묻는 질문(FAQ)

APPENDIX B LLM 용어 해설

APPENDIX C LLM 애플리케이션 개발 고려사항

 

LLM이 생소한 입문자이든, 숙련된 개발자이든, 모두가 만족할 맞춤형 LLM 가이드

 

ChatGPT와 같은 최신 LLM은 놀랍고도 편리한 기술을 제공해 주지만, 거대한 크기와 많은 복잡성 때문에 여전히 실무자가 실제로 자신의 업무에 적용하기 어려워합니다. 이 책은 이러한 어려움을 해결하기 위해 LLM의 복잡성을 최소화하고, 프롬프트 엔지니어링 기법부터 강화 학습까지 여러 분야의 쉽지 않은 내용들을 적당한 깊이와 난이도로 설명합니다. LLM 서비스를 구현하는 개발자이든, 새롭게 공부하는 학생이든, 심지어 서비스를 기획하는 프로덕트 매니저까지도 자신의 수준에 맞는 LLM 개념과 활용법을 알차게 배울 수 있습니다. 이 책을 통해 LLM의 전반적인 지식을 빠르고 쉽게 익혀 자신의 업무에 LLM을 적용해 보시길 바랍니다.

 

주요 내용

  • 사전 훈련, 파인튜닝, 어텐션, 토큰화 등 LLM의 주요 개념
  • API와 파이썬을 활용한 LLM 파인튜닝 및 맞춤화
  • 의미 기반 검색 시스템을 구축하여 LLM 검색 기능 최적화
  • 퓨샷 프롬프트와 같은 고급 프롬프트 엔지니어링
  • LLM 임베딩, 멀티모달 트랜스포머 구축, RLHF/RLAIF를 활용한 LLM 정렬

결제하기
• 문화비 소득공제 가능
• 배송료 : 2,000원배송료란?

배송료 안내

  • 20,000원 이상 구매시 도서 배송 무료
  • 브론즈, 실버, 골드회원이 주문하신 경우 무료배송

무료배송 상품을 포함하여 주문하신 경우에는 구매금액에 관계없이 무료로 배송해 드립니다.

닫기

리뷰쓰기

닫기
* 도서명 :
쉽고 빠르게 익히는 실전 LLM
* 제목 :
* 별점평가
* 내용 :

* 리뷰 작성시 유의사항

글이나 이미지/사진 저작권 등 다른 사람의 권리를 침해하거나 명예를 훼손하는 게시물은 이용약관 및 관련법률에 의해 제재를 받을 수 있습니다.

1. 특히 뉴스/언론사 기사를 전문 또는 부분적으로 '허락없이' 갖고 와서는 안됩니다 (출처를 밝히는 경우에도 안됨).
2. 저작권자의 허락을 받지 않은 콘텐츠의 무단 사용은 저작권자의 권리를 침해하는 행위로, 이에 대한 법적 책임을 지게 될 수 있습니다.

오탈자 등록

닫기
* 도서명 :
쉽고 빠르게 익히는 실전 LLM
* 구분 :
* 상품 버전
종이책 PDF ePub
* 페이지 :
* 위치정보 :
* 내용 :

도서 인증

닫기
도서명*
쉽고 빠르게 익히는 실전 LLM
구입처*
구입일*
부가기호*
부가기호 안내

* 온라인 또는 오프라인 서점에서 구입한 도서를 인증하면 마일리지 500점을 드립니다.

* 도서인증은 일 3권, 월 10권, 년 50권으로 제한되며 절판도서, eBook 등 일부 도서는 인증이 제한됩니다.

* 구입하지 않고, 허위로 도서 인증을 한 것으로 판단되면 웹사이트 이용이 제한될 수 있습니다.

닫기

해당 상품을 장바구니에 담았습니다.이미 장바구니에 추가된 상품입니다.
장바구니로 이동하시겠습니까?

자료실