모든 AI 엔지니어가 꼭 읽어야 할 무료 도서 5권

편집자 이미지

# 소개

처음 AI를 배우기 시작했을 때 튜토리얼에서 코드를 복사하는 데 많은 시간을 보냈지만 그것이 어떻게 작동하는지 제대로 이해하지 못했다는 것을 깨달았습니다. 진짜 기술은 단지 모델을 운영하는 것이 아닙니다. 그것이 왜 작동하는지, 실제 문제에 어떻게 적용하는지 아는 것입니다. AI 책은 빠른 튜토리얼이 할 수 없는 방식으로 AI의 개념, 추론 및 실용적인 측면을 배울 수 있도록 도와주었습니다. 이를 염두에 두고, 우리는 추천하기 위해 이 시리즈를 시작합니다. 무료이지만 정말 귀중한 책. 이 글은 AI를 배우고자 하는 모든 사람들을 위한 글이며, 첫 번째 권장 사항은 다음과 같습니다.

# 1. 신경망과 딥러닝

책 신경망과 딥러닝 신경망의 기초부터 실제로 직접 심층 모델을 구축하고 훈련시키는 과정까지 안내합니다. 퍼셉트론 및 시그모이드 뉴런과 같은 간단한 아이디어로 시작한 다음, 손으로 쓴 숫자를 인식할 수 있는 네트워크를 만드는 과정을 안내합니다. 또한 역전파가 이러한 모델을 훈련하는 데 실제로 어떻게 작동하는지, 그리고 비용 함수, 정규화, 가중치 초기화, 하이퍼파라미터 조정과 같은 기능을 통해 모델을 개선하는 방법도 확인할 수 있습니다. Python 코드 예제가 많이 있으므로 직접 테스트하고 모든 것이 어떻게 연결되는지 확인할 수 있습니다. 직관과 수학이 잘 혼합되어 있어 단순한 것뿐만 아니라 이해하기 시작합니다. 어떻게 신경망은 작동하지만 왜. 이미 약간의 수학(선형 대수학 또는 미적분학 등)을 알고 있다면 라이브러리를 사용하는 것 이상으로 실제로 내부에서 무슨 일이 일어나고 있는지 알 수 있는 좋은 선택입니다.

// 개요 개요:

• 신경망의 기초 (퍼셉트론, 시그모이드 뉴런, 네트워크 아키텍처, 손으로 쓴 숫자 분류, 경사하강법, 네트워크 구현)
• 역전파와 학습 (행렬 기반 계산, 비용 함수 가정, Hadamard 곱, 4가지 기본 역전파 방정식, 알고리즘 구현, 학습 개선)
• 고급 훈련 기술 (교차 엔트로피 비용, 과적합 및 정규화, 가중치 초기화, 하이퍼파라미터 선택, 신경망의 보편성, 시그모이드 뉴런을 넘어서는 확장)
• 딥러닝 및 컨벌루션 네트워크 (소실되는 그래디언트 문제, 불안정한 그래디언트, 합성곱 신경망, 실제 구현, 이미지 인식의 최근 발전, 향후 방향)

# 2. 딥러닝

딥러닝 딥 러닝에 대한 훌륭한 개요와 기계가 실제로 경험을 통해 학습하는 방법, 단순한 아이디어에서 복잡한 아이디어를 구축하는 방법을 제공합니다. 선형 대수학, 확률, 정보 이론 및 약간의 수치 계산과 같이 필요한 수학 부분부터 시작한 다음 기계 학습의 기본을 살펴봅니다. 그런 다음 피드포워드, 컨벌루션 및 순환 네트워크, 정규화 및 최적화와 같은 최신 딥 러닝 방법에 대해 더 자세히 알아보고 실제 프로젝트에서 어떻게 사용되는지 보여줍니다. 또한 자동 인코더, 생성 및 표현 학습, 구조화된 확률 모델과 같은 일부 고급 주제에 대해서도 설명합니다. 대부분 탄탄한 수학 배경을 가진 사람들을 위해 만들어졌기 때문에 초보자용 가이드라기보다는 연구나 고급 작업을 위한 적절한 참고서에 가깝습니다.

// 개요 개요:

• 요인 모델 및 자동 인코더 (PCA, ICA, 희소 코딩, 불완전 및 정규화된 자동 인코더, 잡음 제거, 매니폴드 학습)
• 표현 학습 및 확률 모델 (계층별 사전 학습, 전이 학습, 분산 표현, 구조화된 확률 모델, 근사 추론, 몬테카를로 방법)
• 심층 생성 모델 및 고급 기술 (볼츠만 머신, 심층 신념 네트워크, 컨벌루션 모델, 생성 확률론적 네트워크, 오토인코더 샘플링, 생성 모델 평가)

# 3. 실용적인 딥러닝

링크:
무료 강좌 실용적인 딥러닝 이미 코딩을 어느 정도 알고 있고 머신러닝과 딥러닝을 직접 사용해 보고 싶어하는 사람들을 위해 만들어졌습니다. 단순히 이론을 읽는 대신 실제 작업을 위한 모델 구축을 바로 시작하게 됩니다. 이 과정에서는 Python과 같은 최신 도구를 다루고, 파이토치그리고 빠른 라이브러리를 통해 데이터 정리부터 모델 교육, 테스트, 배포까지 모든 것을 처리하는 방법을 보여줍니다. 실제 노트북, 데이터세트, 문제를 다루며 실습을 통해 학습하게 됩니다. 올바른 알고리즘을 선택하고, 이를 적절하게 검증하고, 확장하고, 배포하기 위한 실용적인 최신 방법에 중점을 둡니다.

// 개요 개요:

• 기초 및 모델 교육 (신경망 기초, 확률적 경사하강법, 아핀 함수 및 비선형성, 역전파, MLP, 자동 인코더)
• 도메인 간 애플리케이션 (CNN을 사용한 컴퓨터 비전, 임베딩 및 구문 유사성을 포함한 자연어 처리(NLP), 표 형식 데이터 모델링, 협업 필터링 및 권장 사항)
• 고급 기술 및 최적화 (전이 학습, 가중치 감소, 데이터 증대, 가속 확률적 경사하강법(SGD), ResNets, 혼합 정밀도, DDPM/DDIM, 주의 및 변환기, 잠재 확산, 초해상도)
• 배포 및 실무 기술 (모델을 웹 앱으로 전환, 정확성/속도/신뢰성 향상, 윤리적 고려, The Learner와 같은 프레임워크, 매트릭스 작업, 모델 초기화/정규화)

# 4. 인공 지능: 계산 에이전트의 기초

책 인공 지능: 계산 에이전트의 기초 감지하고, 학습하고, 추론하고, 행동할 수 있는 시스템인 “계산 에이전트”라는 개념을 통해 AI를 설명합니다. 최신 버전에는 신경망, 딥 러닝, 인과관계, AI의 사회적, 윤리적 측면과 같은 새로운 주제가 추가되었습니다. 에이전트가 구축되는 방식, 계획하고 행동하는 방식, 복잡하거나 불확실한 상황을 처리하는 방식을 보여줍니다. 각 장에는 알고리즘이 포함되어 있습니다. 파이썬사례 연구 및 실제 토론을 통해 방법과 이유를 모두 배울 수 있습니다. 이론과 실습이 균형 있게 혼합되어 있어 학생이나 AI에 대한 현대적이고 심층적인 입문을 원하는 모든 사람에게 적합합니다.

// 개요 개요:

• AI 및 에이전트의 기초 (자연 대 인공 지능, 역사적 맥락, 에이전트 설계 공간 및 배달 로봇, 진단 보조원, 개인 교습 시스템, 거래 에이전트 및 스마트 홈과 같은 예)
• 에이전트 아키텍처 및 제어 (계층적 제어, 에이전트 기능, 오프라인 대 온라인 계산, 에이전트가 환경 내에서 인식하고 행동하는 방식)
• 추론, 계획 및 검색 (검색, 그래프 순회, 제약조건 만족, 확률적 추론 및 순방향, 회귀, 부분 순서 계획을 포함한 계획 방법을 통한 문제 해결)
• 학습 및 신경망 (지도 학습, 의사 결정 트리, 회귀, 과적합, 부스팅과 같은 복합 모델, 딥 러닝 아키텍처(CNN(컨볼루션 신경망), RNN(순환 신경망), 변환기) 및 대규모 언어 모델.)
• 불확실성, 인과성 및 강화 학습 (확률적 추론, 베이지안 학습, 비지도 방법, 인과 추론, 불확실성 하에서의 의사결정, 순차적 결정, Q-러닝 및 진화 알고리즘과 같은 강화학습 전략)

# 5. 윤리적 인공지능

종이 윤리적 인공지능 미래의 AI 시스템이 우리가 예상하지 못한 방식으로 작동하거나 해로울 수 있는 방식을 살펴보고 이를 안전하게 설계하는 방법을 제안합니다. AI는 인간이 완전히 이해할 수 있는 것보다 훨씬 더 복잡한 세계의 모델을 학습할 수 있어 안전 장치가 까다롭다는 점을 지적하는 것으로 시작됩니다. 저자는 모호한 규칙보다는 유틸리티 함수(AI가 관심을 가져야 하는 사항에 대한 수학적 설명)를 사용하는 것이 목표를 더 명확하게 해주기 때문에 권장합니다. 또한 AI가 자체 관찰이나 보상을 손상시킬 수 있는 자기기만, 우리에게 해를 끼치는 의도하지 않은 “지름길” 행동, AI가 자체 보상 시스템을 조작하는 보상 생성기 손상과 같은 문제도 다룹니다. 저자는 인간의 가치를 학습하고, 유한한 정의를 사용하며, AI가 자체 행동에 대해 추론할 수 있도록 자체 모델링을 포함하는 모델을 제안합니다. 또한 AI가 사회, 정치, 인류의 미래에 어떤 영향을 미칠 수 있는지와 같은 더 큰 그림도 고려합니다.

// 개요 개요:

• 기초 및 AI 디자인 (미래 AI 대 현재 AI, AI 지시, 효용 극대화 에이전트, 학습 환경 모델, 지능 측정, 윤리적 프레임워크)
• AI 행동 및 과제 (자기기만, 의도하지 않은 도구적 행동, 모델 기반 효용 기능, 인간 가치 학습, 진화하고 내장된 에이전트)
• 테스트, 거버넌스 및 사회 (AI 테스트, 실제 행동, 정치적 차원, 투명성, 혜택 할당, 윤리적 고려 사항)
• 철학적 및 사회적 영향 (의미 탐구, 사회적, 문화적 의미, 계산과 인간 가치 연결)

# 마무리

이 책(및 논문, 강좌)은 신경망 및 딥 러닝부터 실습 코딩, 에이전트 기반 AI 및 윤리적 문제에 이르기까지 AI 엔지니어에게 필요한 광범위한 내용을 다루고 있습니다. 아이디어를 배우는 것부터 실제 상황에 AI를 적용하는 것까지 명확한 경로를 제공합니다. 다음에는 어떤 주제를 다루기를 원하시나요? 의견에 제안을 남겨주세요!

칸왈 메린 데이터 과학과 AI와 의학의 교차점에 대한 깊은 열정을 가진 기계 학습 엔지니어이자 기술 작가입니다. 그녀는 “ChatGPT를 통한 생산성 극대화”라는 전자책을 공동 집필했습니다. 2022년 APAC Google Generation Scholar로서 그녀는 다양성과 학문적 우수성을 옹호하고 있습니다. 그녀는 또한 Tech Scholar, Mitacs Globalink Research Scholar 및 Harvard WeCode Scholar에서 Teradata Diversity로 인정받았습니다. Kanwal은 STEM 분야에서 여성의 역량을 강화하기 위해 FEMCodes를 설립한 변화에 대한 열렬한 옹호자입니다.