반디앤루니스 인터넷서점
전체

로고이미지

검색

  • ▼
HOT ISSUE

네비게이션 실시간 인기 책

    핸즈온 LLM

    베스트

    핸즈온 LLM 프롬프트 엔지니어링부터 임베딩, 시맨틱 검색, 미세 튜닝까지, 손에 잡히는 LLM 개념

    • 제이 알아마르, 마르턴 흐루턴도르스트 저
    • 박해선 역
    • 한빛미디어
    • 2025년 06월 10일
    • 정가
      38,000원
    • 판매가
      34,200원 [10% 할인]
    • 결제 혜택
      무이자
    • 적립금
      1,900원 적립 [5%P]

      NAVER Pay 결제 시 네이버페이 포인트 5% 적립 ?

    • 배송구분
      업체배송(반디북)
    • 배송료
      무료배송
    • 출고예정일

      출고예정일 안내

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

      close

      2025년 07월 03일(목)

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

    수량
    바로 구매 쇼핑카트 담기 위시리스트
    회원리뷰
    - [0]
    ISBN: 9791169213516 460쪽 874g 183 x 235 (㎜)

    지금 이책은

    이 분야의 베스트셀러

    이 책이 속한 분야

    책 소개

    상품문의 / 정보수정 요청 >

    이 책은

    LLM을 쓰는 것을 넘어, 이해하고 구현하는 것까지 나아가고 싶은 이를 위한 실전 가이드다. 직관적인 시각 자료와 예제를 제공해 '왜 이런 구조가 필요한지' 이해하고 실용적인 도구와 개념을 익힐 수 있도록 구성했다. 사전 훈련된 대규모 언어 모델을 사용하는 방법과 시맨틱 검색 시스템을 만드는 방법, 텍스트 분류, 검색, 클러스터링을 위해 사전 훈련된 모델과 각종 라이브러리를 사용하는 방법을 배울 수 있다.


     


     


    출판사 리뷰

    LLM, 눈으로 익히고 손으로 구현하라.
    트랜스포머 구조부터 시맨틱 검색, 미세 튜닝, 프롬프트 엔지니어링까지
    그림과 실전 코드로 만들면서 배우는 대규모 언어 모델의 모든 것

    이 책은 LLM을 쓰는 것을 넘어, 이해하고 구현하는 것까지 나아가고 싶은 이를 위한 실전 가이드입니다. 직관적인 시각 자료와 예제를 제공해 '왜 이런 구조가 필요한지' 이해하고 실용적인 도구와 개념을 익힐 수 있도록 구성했습니다. 사전 훈련된 대규모 언어 모델을 사용하는 방법과 시맨틱 검색 시스템을 만드는 방법, 텍스트 분류, 검색, 클러스터링을 위해 사전 훈련된 모델과 각종 라이브러리를 사용하는 방법을 배웁니다.

    ● 텍스트 생성과 표현에 뛰어난 트랜스포머 언어 모델의 구조
    ● 텍스트 문서를 그룹화하고 주제를 파악하는 고급 LLM 파이프라인
    ● 밀집 검색과 재순위 결정 같은 방법으로 키워드 검색을 넘어서는 의미 검색 엔진 구축
    ● 프롬프트 엔지니어링부터 검색 증강 생성까지 생성 모델 활용법
    ● 미세 튜닝, 생성적 사전 학습, 문맥 학습 같은 기술로 특정 용도에 맞게 LLM을 훈련하고 최적화하는 방법

    이 책의 구성
    1부: 언어 모델 이해하기
    ● 소규모 및 대규모 언어 모델의 내부 동작 원리
    ● 언어 모델의 두 가지 핵심 요소: 토큰화와 임베딩
    ● 그림으로 살펴보는 트랜스포머의 모델 구조

    2부: 사전 훈련된 언어 모델 사용하기
    ● 지도 학습 분류
    ● 텍스트 클러스터링과 토픽 모델링
    ● 임베딩 모델 활용한 시맨틱 검색
    ● 텍스트 생성 모델
    ● 비전 도메인에 언어 모델 사용하는 방법

    3부: 언어 모델 훈련 및 미세 튜닝
    ● 임베딩 모델을 만들고 미세 튜닝하는 방법
    ● 분류를 위해 BERT를 미세 튜닝하는 방법
    ● 생성 모델을 미세 튜닝하는 방법

    대상 독자
    ● 챗GPT 같은 AI 서비스가 어떻게 작동하는지 궁금하신 분
    ● NLP 프로젝트를 시작하려는 학생 및 개발자
    ● AI를 활용한 비즈니스 모델을 고민하는 실무자

    대규모 언어 모델(LLM)이 인류의 소통 방식을 근본적으로 바꾸고 있습니다. 기계가 인간의 언어를 이해하고 생성하는 능력은 AI 기술의 새 지평을 열었을 뿐 아니라, 산업 전반에 혁신의 바람을 불러일으키고 있습니다.
    이 책은 시각적 접근법으로 복잡한 LLM의 세계를 명쾌하게 안내합니다. 딥러닝 이전 단순한 단어 표현 방식부터 최신 트랜스포머 아키텍처까지, LLM의 발전 과정을 한눈에 파악할 수 있습니다. 독자는 LLM의 내부 작동 원리를 이해하고, 그 구조와 훈련 방법, 다양한 미세 튜닝 기법을 직접 탐험하게 됩니다.
    실용적인 응용에 중점을 둔 이 책은 텍스트 분류, 클러스터링, 토픽 모델링부터 챗봇과 검색 엔진 구축까지 다양한 LLM 응용 사례를 상세히 다룹니다. 직관적인 설명과 시각적 도해, 실전 코드가 조화롭게 어우러져 독자가 쉽게 이해할 수 있습니다.
    AI와 언어 모델에 첫 발을 내딛는 입문자부터 더 깊은 이해를 추구하는 전문가까지, 흥미진진한 LLM의 세계로 여러분을 초대합니다. 이 책과 함께라면 누구나 LLM의 무한한 가능성을 직접 경험할 수 있을 것입니다.


     



    저자 소개

    제이 알아마르, 마르턴 흐루턴도르스트

    저자 : 제이 알아마르

    코히어(Cohere)(대규모 언어 모델을 API로 제공하는 선두 업체)의 이사이자 엔지니어링 펠로(fellow)입니다. 언어 모델을 실용적으로 사용하는 방법을 기업과 개발자 커뮤니티에 조언하고 교육하는 일을 합니다. 유명한 그의 AI/ML 블로그(https://jalammar.github.io)를 통해 수백만 명의 연구자와 엔지니어들이 머신러닝 도구는 물론이고 (넘파이와 판다스 같은 패키지 문서에 수록된) 기본 지식부터 (트랜스포머, BERT, GPT-3, 스테이블 디퓨전 같은) 최신 개념까지 폭넓게 이해하는 데 도움을 주고 있습니다. 제이는 Deeplearning.ai와 Udacity에서 인기 있는 머신러닝 코스와 자연어 처리 코스를 제작한 이력도 있습니다.

     

    저자 : 마르턴 흐루턴도르스트

    IKNL(Netherlands Comprehensive Cancer Organization)의 선임 임상 데이터 과학자입니다. 조직 심리학, 임상 심리학, 데이터 과학 분야의 석사 학위를 받았으며 복잡한 머신러닝 개념을 대중에게 전달하고 있습니다. 잘 알려진 그의 블로그(https://newsletter.maartengrootendorst.com)를 통해 수백만 독자에게 인공지능의 기초 개념을 주로 심리학 관점에서 설명했습니다. BERTopic, PolyFuzz, KeyBERT 같은 대규모 언어 모델을 활용한 여러 오픈 소스 패키지의 창시자이자 메인테이터입니다. 그의 패키지는 수백만 번 다운로드되었고 전 세계 데이터 전문가와 조직에서 사용되고 있습니다.

    역자 소개

    박해선

    기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했습니다. Microsoft AI MVP, Google AI/Cloud GDE입니다. 텐서플로 블로그(tensorflow.blog)를 운영하고 있고, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다.

    『혼자 만들면서 공부하는 딥러닝』(한빛미디어, 2025), 『혼자 공부하는 머신러닝+딥러닝(개정판)』(한빛미디어, 2025), 『챗GPT로 대화하는 기술』(한빛미디어, 2023), 『혼자 공부하는 데이터 분석 with 파이썬』(한빛미디어, 2023), 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했습니다.

    『머신 러닝 Q & AI』(길벗, 2025), 『개발자를 위한 필수 수학』(한빛미디어, 2024), 『실무로 통하는 ML 문제 해결 with 파이썬』(한빛미디어, 2024), 『머신러닝 교과서: 파이토치 편』(길벗, 2023), 『스티븐 울프럼의 챗GPT 강의』(한빛미디어, 2023), 『핸즈온 머신러닝 3판』(한빛미디어, 2023), 『만들면서 배우는 생성 AI』(한빛미디어, 2023), 『코딩 뇌를 깨우는 파이썬』(한빛미디어, 2023), 『트랜스포머를 활용한 자연어 처리』(한빛미디어, 2022), 『케라스 창시자에게 배우는 딥러닝 2판』(길벗, 2022), 『개발자를 위한 머신러닝&딥러닝』(한빛미디어, 2022), 『XGBoost와 사이킷런을 활용한 그레이디언트 부스팅』(한빛미디어, 2022), 『구글 브레인 팀에게 배우는 딥러닝 with TensorFlow.js』(길벗, 2022), 『파이썬 라이브러리를 활용한 머신러닝(개정2판)』(한빛미디어, 2022), 『머신러닝 파워드 애플리케이션』(한빛미디어, 2021), 『파이토치로 배우는 자연어 처리』(한빛미디어, 2021), 『머신러닝 교과서 3판』(길벗, 2021)을 비롯해 여러 권의 책을 우리말로 옮겼습니다.

    목차


    1부 언어 모델 이해하기
    1장 대규모 언어 모델 소개
    _1.1 언어 AI란?
    _1.2 언어 AI의 최근 역사
    _1.3 '대규모 언어 모델'의 정의
    _1.4 대규모 언어 모델의 훈련 패러다임
    _1.5 대규모 언어 모델 애플리케이션: 왜 유용한가요?
    _1.6 책임 있는 LLM 개발과 사용
    _1.7 자원이 부족해도 괜찮습니다.
    _1.8 대규모 언어 모델 인터페이스
    _1.9 첫 번째 텍스트 생성하기
    _1.10 요약

    2장 토큰과 임베딩
    _2.1 LLM 토큰화
    _2.2 토큰 임베딩
    _2.3 텍스트 임베딩(문장과 전체 문서)
    _2.4 LLM을 넘어 활용되는 단어 임베딩
    _2.5 추천 시스템을 위한 임베딩
    _2.6 요약

    3장 대규모 언어 모델 자세히 살펴보기
    _3.1 트랜스포머 모델 개요
    _3.2 트랜스포머 아키텍처의 최근 발전 사항
    _3.3 요약

    2부 사전 훈련된 언어 모델 사용하기

    4장 텍스트 분류
    _4.1 영화 리뷰 데이터셋
    _4.2 표현 모델로 텍스트 분류하기
    _4.3 모델 선택
    _4.4 작업에 특화된 모델 사용하기
    _4.5 임베딩을 활용하여 분류 작업 수행하기
    _4.6 생성 모델로 텍스트 분류하기
    _4.7 요약

    5장 텍스트 클러스터링과 토픽 모델링
    _5.1 아카이브 논문: 계산 및 언어
    _5.2 텍스트 클러스터링을 위한 파이프라인
    _5.3 텍스트 클러스터링에서 토픽 모델링으로
    _5.4 요약

    6장 프롬프트 엔지니어링
    _6.1 텍스트 생성 모델 사용하기
    _6.2 프롬프트 엔지니어링 소개
    _6.3 고급 프롬프트 엔지니어링
    _6.4 생성 모델을 사용한 추론
    _6.5 출력 검증
    _6.6 요약

    7장 고급 텍스트 생성 기술과 도구
    _7.1 모델 I/O: 랭체인으로 양자화된 모델 로드하기
    _7.2 체인: LLM의 능력 확장하기
    _7.3 메모리: 대화를 기억하도록 LLM 돕기
    _7.4 에이전트: LLM 시스템 구축하기
    _7.5 요약

    8장 시맨틱 검색과 RAG
    _8.1 시맨틱 검색과 RAG 소개
    _8.2 언어 모델을 사용한 시맨틱 검색
    _8.3 RAG
    _8.4 요약

    9장 멀티모달 대규모 언어 모델
    _9.1 비전 트랜스포머
    _9.2 멀티모달 임베딩 모델
    _9.3 텍스트 생성 모델을 멀티모달로 만들기
    _9.4 요약

    3부 언어 모델 훈련 및 미세 튜닝

    10장 텍스트 임베딩 모델 만들기
    _10.1 임베딩 모델
    _10.2 대조 학습이란?
    _10.3 SBERT
    _10.4 임베딩 모델 만들기
    _10.5 임베딩 모델 미세 튜닝
    _10.6 비지도 학습
    _10.7 요약

    11장 분류용 표현 모델 미세 튜닝하기
    _11.1 지도 분류
    _11.2 퓨샷 분류
    _11.3 마스크드 언어 모델링으로 미세 튜닝 계속하기
    _11.4 개체명 인식
    _11.5 요약

    12장 생성 모델 미세 튜닝하기
    _12.1 LLM 훈련의 세 단계: 사전 훈련, 지도 학습 미세 튜닝, 선호도 튜닝
    _12.2 지도 학습 미세 튜닝
    _12.3 QLoRA를 사용한 지시 기반 튜닝
    _12.4 생성 모델 평가
    _12.5 선호도 튜닝/정렬/RLHF
    _12.6 보상 모델을 사용한 선호도 평가 자동화
    _12.7 DPO를 사용한 선호도 튜닝
    _12.8 요약

    마치며

    배송 시 유의사항

    - 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
     (배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)

    - 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.

    - 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.

    - 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)

    - 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.

    반품/교환

    상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)

    반품/교환

    반품/교환
    반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판
    반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능
    반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음)
    반품/교환 불가 사유
    • 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
    • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    • 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
    • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    • 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    • 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
    소비자 피해보상
    환불지연에 따른 배상
    • 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
      소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨
    • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
      소비자 보호에 관한 법률에 따라 처리함
    반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
    • 회사명 : (주)서울문고
    • 대표이사 : 김홍구
    • 개인정보 보호책임자 : 김홍구
    • E-mail : bandi_cs@bnl.co.kr
    • 소재지 : (06168) 서울 강남구 삼성로 96길 6
    • 사업자 등록번호 : 120-81-02543
    • 통신판매업 신고번호 : 제2023-서울강남-03728호
    • 물류센터 : (10881) 경기도 파주시 문발로 77 반디앤루니스
    copyright (c) 2016 BANDI&LUNI'S All Rights Reserved