• 컴퓨터/IT > 프로그래밍
• 컴퓨터/IT > 컴퓨터공학 > 인공지능/신경망/퍼지

0/0 컴퓨터/IT 495위 | 현재 컴퓨터/IT 495위 |

반디앤루니스 리뷰

프로프트 엔지니어링을 넘어 트랜스포머와 확산 모델의 내부 구조를 탐구하면서 생성형 AI의 핵심 원리를 이해하고, 최신 기술을 직접 구현해보며 학습할 수 있도록 구성되어 있다. 트랜스포머와 확산 모델을 중심으로 생성형 AI의 주요 구조와 동작 방식을 다루고, 이미지·텍스트·오디오를 생성하는 멀티모달 모델의 작동 방식과 활용법을 깊이 있게 설명한다.

오토인코더, CLIP, U-Net 등 핵심 개념을 정리하고, 텍스트 생성, 조건부 이미지 생성, 오디오 생성까지 다양한 프로젝트 중심 실습을 통해 개념과 구현을 함께 익힐 수 있도록 구성했다. 특히 허깅 페이스와 구글 코랩 기반의 환경을 활용해 복잡한 설정 없이 직접 실습할 수 있으며, 스테이블 디퓨전, 드림부스, LoRA 같은 최신 기술도 단계적으로 구현해볼 수 있다.

출판사 리뷰

생성형 AI, 이론을 넘어 실전에서 완성하다
허깅페이스 코어 개발자와 함께 한 권으로 마스터하는 GenAI 실무 구현

허깅페이스 코어 개발한 저자가 직접 최신 기술을 직접 구현하며 이론과 실무의 간극과 기술 갈증을 해소해 드립니다.
프로프트 엔지니어링을 넘어 트랜스포머와 확산 모델의 내부 구조를 탐구하면서 생성형 AI의 핵심 원리를 이해하고, 최신 기술을 직접 구현해보며 학습할 수 있도록 구성되어 있습니다. 트랜스포머와 확산 모델을 중심으로 생성형 AI의 주요 구조와 동작 방식을 다루고, 이미지·텍스트·오디오를 생성하는 멀티모달 모델의 작동 방식과 활용법을 깊이 있게 설명합니다.
오토인코더, CLIP, U-Net 등 핵심 개념을 정리하고, 텍스트 생성, 조건부 이미지 생성, 오디오 생성까지 다양한 프로젝트 중심 실습을 통해 개념과 구현을 함께 익힐 수 있도록 구성했습니다. 특히 허깅 페이스와 구글 코랩 기반의 환경을 활용해 복잡한 설정 없이 직접 실습할 수 있으며, 스테이블 디퓨전, 드림부스, LoRA 같은 최신 기술도 단계적으로 구현해볼 수 있습니다. 또한 텍스트 분류, 생성, 지시어 기반 파인튜닝부터 검색 증강 생성(RAG) 구현까지 실무에 필요한 전이 학습 기법을 실제 코드와 함께 소개하며, 인페인팅, 이미지 편집, 컨트롤넷 등 창의적인 활용 예제는 물론, 멀티모달, 3D 비전, 비디오 생성 등 최신 생성형 AI 기술의 발전 흐름도 함께 짚어봅니다.
생성형 AI를 실무에 활용하려는 개발자에게 이 책은 기술 원리부터 구현, 응용까지 한 권으로, 체계적으로 설명하는 좋은 안내서가 되어 줄 것입니다.

모델의 안과 밖을 설계하는 실습으로 완성하는 최신 생성형 AI 실무 가이드
『핸즈온 생성형 AI』는 생성형 AI의 핵심 원리를 이해하고 직접 구현해 보며 실무에 적용할 수 있도록 구성된 실습 중심 가이드입니다. 트랜스포머와 오토인코더, 확산 모델 등 주요 기술을 설명하고, 텍스트·이미지·오디오 등 다양한 멀티 모달 데이터를 생성하는 전 과정을 실제 코드와 함께 학습합니다.
책의 초반부에서는 생성형 AI의 개념과 기본 구조를 설명하고, 사전 학습된 모델을 활용한 텍스트 및 이미지 생성 방법을 소개합니다. 중반부에서는 트랜스포머와 확산 모델을 기반으로 한 파인튜닝 기법과 RAG 구현, LoRA와 드림부스 같은 최신 기술을 활용한 실전 예제를 다루며, 생성형 AI의 원리를 깊이 있게 이해할 수 있도록 돕습니다. 후반부에는 오디오 생성, 조건부 이미지 생성, 텍스트-이미지 응용 등 창의적인 활용 사례와 함께 생성형 AI를 실무에 접목하는 다양한 전략을 제시합니다. 또한 생성형 AI 분야의 발전과 최신 동향까지 함께 다루어 생성형 AI 기술을 책임감 있게 활용하는 개발자로 성장하도록 도와줍니다. 이 책을 통해 생성형 AI의 기초부터 실전 적용까지 탄탄하게 익히며, 최신 기술 흐름에 맞는 개발 역량을 한층 강화할 수 있습니다.

누구를 위한 책인가요?
● 생성형 AI 모델의 동작 원리를 깊이 있게 이해하고 싶은 개발자
● 단순 API 호출을 넘어, 특정 도메인에 맞는 모델을 직접 파인튜닝하고 싶은 분
● 허깅페이스 생태계를 활용해 나만의 생성 모델을 구축하려는 연구자 및 엔지니어
● LLM, 확산 모델 관련 최신 논문은 읽었지만, 실제 코드로 구현하는 데 어려움을 겪는 분

[1부 개방형 모델 활용]

1장 생성 미디어 입문
_1.1 이미지 생성
_1.2 텍스트 생성
_1.3 사운드 클립 생성
_1.4 윤리적 및 사회적 영향
_1.5 생성 모델의 과거와 현재
_1.6 생성형 AI 모델 개발 방법
_1.7 요약

2장 트랜스포머
_2.1 언어 모델의 활용 사례
_2.2 트랜스포머 블록
_2.3 트랜스포머 모델 계보
_2.4 사전 학습의 힘
_2.5 트랜스포머 요약
_2.6 언어 모델을 이용한 텍스트 생성 프로젝트
_2.7 요약
_연습 문제
_도전 과제
_참고 자료

3장 정보 압축과 표현
_3.1 오토인코더
_3.2 변이형 오토인코더
_3.3 CLIP
_3.4 CLIP의 대안
_3.5 의미 기반 이미지 검색 프로젝트
_3.6 요약
_연습 문제
_도전 과제
_참고 자료

4장 확산 모델
_4.1 핵심 원리: 반복 정제
_4.2 확산 모델 학습
_4.3 노이즈 스케줄 심층 분석
_4.4 U-Net과 대안 심층 분석
_4.5 확산 목표 심층 분석
_4.6 비조건부 확산 모델 학습 프로젝트
_4.7 요약
_연습 문제
_도전 과제
_참고 자료

5장 스테이블 디퓨전과 조건부 생성
_5.1 조건부 확산 모델을 위한 조건 추가하기
_5.2 효율성을 높이는 잠재 확산
_5.3 스테이블 디퓨전 구성 요소 심층 분석
_5.4 주석이 달린 샘플링 루프
_5.5 오픈 데이터, 오픈 모델
_5.6 Gradio로 인터랙티브 머신러닝 데모 만들기 프로젝트
_5.7 요약
_연습 문제
_도전 과제
_참고 자료

[2부 생성 모델을 위한 전이 학습]

6장 언어 모델 파인튜닝
_6.1 텍스트 분류
_6.2 텍스트 생성
_6.3 지시 사항
_6.4 어댑터 소개
_6.5 양자화 소개
_6.6 통합 구현
_6.7 평가 방법에 대한 더 깊은 이해
_6.8 검색 증강 생성 프로젝트
_6.9 요약
_연습 문제
_도전 과제
_참고 자료

7장 스테이블 디퓨전 파인튜닝
_7.1 스테이블 디퓨전 전체 모델 파인튜닝
_7.2 드림부스
_7.3 LoRA 학습
_7.4 스테이블 디퓨전에 새로운 기능 추가하기
_7.5 SDXL 드림부스 LoRA 학습하기 프로젝트
_7.6 요약
_연습 문제
_도전 과제
_참고 자료


[3부 더 나아가기]

8장 텍스트-이미지 모델의 창의적 활용
_8.1 이미지-이미지 변환
_8.2 인페인팅
_8.3 프롬프트 가중치와 이미지 편집
_8.4 인버전으로 실제 이미지 편집하기
_8.5 컨트롤넷
_8.6 이미지 프롬프팅과 이미지 변형
_8.7 창의적 그림 생성 프로젝트
_8.8 요약
_연습 문제
_참고 자료

9장 오디오 생성
_9.1 오디오 데이터
_9.2 트랜스포머 기반 아키텍처를 활용한 음성-텍스트 변환
_9.3 텍스트에서 음성으로, 생성 오디오로
_9.4 오디오 생성 시스템 평가
_9.5 향후 발전 방향
_9.6 엔드-투-엔드 대화 시스템 프로젝트
_9.7 요약
_연습 문제
_도전 과제
_참고 자료

10장 생성형 AI 분야의 발전과 최신 동향
_10.1 선호도 최적화
_10.2 긴 컨텍스트
_10.3 전문가 혼합
_10.4 최적화와 양자화
_10.5 데이터
_10.6 모든 것을 해결하는 단일 모델
_10.7 컴퓨터 비전
_10.8 3D 컴퓨터 비전
_10.9 비디오 생성
_10.10 멀티 모달리티
_10.11 커뮤니티

APPENDIX A. 오픈 소스 도구
APPENDIX B. LLM 메모리 요구사항
APPENDIX C. 엔드-투-엔드 검색 증강 생성