/MLQandAI

Machine Learning Q and AI book

Primary LanguageJupyter NotebookBSD 3-Clause "New" or "Revised" LicenseBSD-3-Clause

Machine Learning Q and AI Beyond the Basics Book

이 저장소는 Sebastian Raschka가 쓴 Machine Learning Q and AI의 번역서를 위한 코드 예제를 담고 있습니다.

이 책에 궁금한 점이 있다면 텐서 플로우 블로그에 글을 남겨 주세요!

2023-ml-qai-cover

이 책에 대하여

머신 러닝과 AI 기초에 대해 알고 있고 전문가로 가기 위한 지식의 간극을 채우고 싶다면 이 책이 딱입니다. 각 장은 짧고 간결하게 구성되어 있고 이 분야에서 핵심적인 30개의 질문을 다룹니다. 여러분의 작업에 최신 기술을 적용하는데 도움이 될 것입니다.

Machine Learning Q and AI의 각 장은 중요한 질문에 대한 답을 담고 있습니다. 새로운 개념을 설명할 때 다이어그램을 사용하고 추가적인 읽을 거리를 위해 참고 자료를 제공합니다.

  • 다중 GPU 훈련 패러다임
  • 트랜스포머 미세 튜닝
  • 인코더 기반 LLM과 디코더 기반 LLM의 차이점
  • 비전 트랜스포머 이면의 개념
  • ML을 위한 신뢰 구간
  • 등등!

리뷰

“과장하지 않고 현재 이 분야에서 가장 뛰어난 머신 러닝 교육자인 세바스찬보다 더 잘 설명하기는 어렵습니다. 매 페이지마다 세바스찬은 폭넓은 지식을 전수할 뿐만 아니라 진정한 전문성이 드러나는 열정과 호기심도 엿볼 수 있습니다.”
-- 크리스 앨본(Chris Albon), 위키미디어 재단의 머신러닝 디렉터

링크


목차

목차 예제 코드
PART I: 신경망과 딥러닝
1 임베딩, 잠재 공간, 표현
2 자기 지도 학습
3 퓨-샷 학습
4 로터리 티켓 가설
5 데이터로 과대적합 줄이기
6 모델을 변경하여 과대적합 줄이기
7 다중 GPU 훈련 패러다임
8 트랜스포머의 성공
9 생성 AI 모델
10 무작위성의 원인 data-sampling.ipynb
dropout.ipynb
random-weights.ipynb
PART II: 컴퓨터 비전
11 파라미터 개수 conv-size.ipynb
12 완전 연결 층과 합성곱 층 fc-cnn-equivalence.ipynb
13 비전 트랜스포머를 위한 대규모 훈련 세트
PART III: 자연어 처리
14 분포 가설
15 텍스트 데이터 증식 backtranslation.ipynb
noise-injection.ipynb
sentence-order-shuffling.ipynb
synonym-replacement.ipynb
synthetic-data.ipynb
word-deletion.ipynb
word-position-swapping.ipynb
16 셀프 어텐션
17 인코더 기반 트랜스포머와 디코더 기반 트랜스포머
18 사전 훈련된 트랜스포머 모델의 사용과 미세 튜닝 방법
19 생성형 대규모 언어 모델의 평가 BERTScore.ipynb
bleu.ipynb
perplexity.ipynb
rouge.ipynb
PART IV: 제품화와 배포
20 상태 비저장 훈련과 상태 저장 훈련
21 데이터 중심 AI
22 추론 속도 높이기
23 데이터 분포 변화
PART V: 예측 성능과 모델 평가
24 푸아송 회귀와 서열 회귀
25 신뢰 구간 four-methods.ipynb
four-methods-vs-true-value.ipynb
26 신뢰 구간 vs. 컨포멀 예측 conformal_prediction.ipynb
27 적절한 측정 지표
28 k-폴드 교차 검증의 k
29 훈련 세트와 테스트 세트 불일치
30 제한적인 레이블 데이터