파이토치 딥러닝 프로젝트 모음집(한 줄씩 따라 해보는)

베타 리더 추천사

간결한 개념 설명과 다양하고 흥미로운 실전 프로젝트로 파이토치를 이용한 딥러닝을 쉽고 빠르게 익힐 수 있었습니다. 특히 실전 프로젝트를 통해 개인적으로 진행하고 있는 토이 프로젝트에 바로 적용할 수 있었습니다. 딥러닝에 관심은 있지만 어디서부터 시작하고 어떻게 해야 할지 고민하는 분에게 적극 추천합니다!
_ 김서현 (엘텍공과대학 소프트웨어학부 학부생)
프로젝트로 딥러닝을 좀 더 친숙하게 배울 수 있는 기회라고 생각합니다. 코드 리뷰도 한 줄씩 친절하게 설명되어 있어서 이해하기가 너무 쉬웠습니다! 처음 접하시는 분들도 잘 따라 하실 수 있을 것 같아 이 책을 집필하신 저자님께 감사의 말씀을 드리고 싶습니다.
_ 류영표 (인공지능 강사 및 프리랜서)
이 책은 이론 파트와 실전 파트가 절묘하게 잘 구성되어 있습니다. 입문자가 가장 빨리 배울 수 있는 파이토치 프레임워크를 기준으로 진행되는데, 그렇다 보니 코드가 간결하여 딥러닝 모델에 좀 더 집중해서 배울 수 있어서 좋았습니다. 그리고 실전 파트에서 다양한 예제를 다루고 있으므로 실무에서 어떻게 딥러닝을 활용할 수 있는지 배우고자 하는 입문자에게 이 책을 추천합니다.
_ 이석곤 (엔컴 개발자)
머신러닝을 책으로 공부하는 것은 연애를 책으로 공부하겠다는 것과 다름이 없습니다. 문제와 데이터의 특성에 따라 고려해야 할 변수가 너무나 다르고 접근 방법이 천차만별이기 때문에 일반적으로 습득하여 적용할 수 있는 기술에는 한계가 있기 때문입니다. 기초가 말할 수도 없이 중요함에도 불구하고 많은 전문가들이 성급히 실전에 뛰어들고 부족한 부분은 책으로 메우기를 권하는데, 이 책의 저자는 직접 참여해 성과를 얻은 여러 프로젝트의 경험을 이 책을 통해 나누어 줍니다. 이론은 익숙한데 어떻게 사용해야 할지 모르겠다는 분들에게 좋은 길잡이가 될 것입니다.
_ 이제현 (연구원)
처음 딥러닝을 입문했을 때의 막막함은 아직도 잊히지 않습니다. 기초 지식조차 없는 상태에서 비전 인식 프로젝트를 진행해야 해서 저를 포함한 팀원들 모두가 우왕좌왕했는데, 지인을 통해 받은 참고 문서들과 코드들은 내용 파악도 되지 않았습니다. 그래서 지금도 딥러닝 도서가 발간되면 당시의 기억을 되살려 읽곤 하고 있습니다. 도서들을 읽다 보면 너무 기초적인 내용 위주로 서술된 입문서는 아쉬움이 많고, 그렇다고 깊이가 있는 책을 입문서로 선택하기엔 이론에 대한 습득이 전혀 이뤄지지 않는 문제가 있는데, 이 책은 이러한 난이도를 세심하게 신경 썼다는 생각이 많이 들었습니다. 무엇보다 책 내용을 흥미로운 실습 위주로 구성하여 독자의 관심을 이끌어 내기 때문에 딥러닝 입문에 어려움을 겪고 계신 많은 분들께 공유되기를 희망합니다.
_ 이진 (SW 개발자)

* 안내 말씀 드립니다.
실전파트 PART 5 국민청원 프로젝트의 경우, 웹사이트에서 데이터를 직접 가져옵니다.
하지만 청원 서비스가 전면 개정되어 기존의 크롤링 코드는 활용할 수 없게 되었습니다.
따라서 책에 실린 크롤링 데이터를 GitHub의 '05_국민청원_분류' 폴더에 'crawling'이라는 파일명으로 업로드하였습니다.
참고 부탁드립니다.

이론파트

PART 1 인공지능(Artificial Intelligence)
1.1 인공지능과 딥러닝
1.1.1 인공지능이란?
1.1.2 인공지능 사례
1.2 머신러닝(Machine Learning)
1.2.1 머신러닝이란?
1.2.2 머신러닝 구분
1.2.3 지도학습(Supervised Learning)
1.2.4 비지도학습(Unsupervised Learning)
1.2.5 과적합과 모델 학습법
1.2.6 성능 지표

PART 2 딥러닝(Deep Learning)
2.1 딥러닝이란?
2.2 딥러닝 발전 과정
2.2.1 퍼셉트론(Perceptron)
2.2.2 다층 퍼셉트론(Multi-Layer Perceptron)
2.2.3 인공신경망 핵심 알고리즘
2.3 고급 딥러닝 기술
2.3.1 Convolutional Neural Network(CNN)
2.3.2 Recurrent Neural Network(RNN)
2.3.3 Long Short-Term Memory(LSTM)
2.3.4 강화학습(Reinforcement Learning)
2.3.5 Generative Adversarial Networks(GAN)

PART 3 PyTorch
3.1 PyTorch 소개
3.1.1 PyTorch란?
3.1.2 아나콘다(Anaconda) 설치
3.1.3 가상환경 구축
3.1.4 CUDA와 CuDNN 설치하기
3.1.5 PyTorch 설치하기
3.2 예제 : 손글씨 숫자 이미지 분류 문제
3.2.1 데이터 살펴보기
3.2.2 CNN으로 손글씨 숫자 이미지 분류하기

실전파트

PART 4 작물 잎 사진으로 질병 분류하기
4.1 프로젝트 소개
4.2 프로젝트 파헤치기
4.2.1 데이터 구조
4.2.2 실험 설계를 위한 데이터 분할
4.2.3 베이스라인 모델 설계
4.2.4 Transfer Learning
4.3 모델 평가

PART 5 국민청원 분류하기
5.1 프로젝트 소개
5.2 프로젝트 파헤치기
5.2.1 크롤링
5.2.2 데이터 전처리
5.2.3 토크나이징 및 변수 생성
5.2.4 단어 임베딩
5.2.5 실험 설계
5.2.6 TextCNN 모델 설계
5.3 결론

PART 6 실제 사진 애니메이션으로 만들기
6.1 프로젝트 소개
6.2 프로젝트 파헤치기
6.2.1 전처리 및 데이터 클래스 정의
6.2.2 Generator 구현
6.2.3 Discriminator 구현
6.2.4 모델 학습
6.2.5 학습 결과
6.3 결론

PART 7 실시간 비명 감지 시스템
7.1. 프로젝트 소개
7.1.1 프로젝트에서 다루는 내용
7.1.2 프로젝트를 통해 배울 수 있는 내용
7.2. 프로젝트 파헤치기
7.2.1 소리 데이터에 대한 이해
7.2.2 비명 데이터 & 비 비명 데이터 수집 방식 소개
7.2.3 데이터 레이블링
7.2.4 데이터 불러오기
7.2.5 Frame Processing & 짝 맞추기
7.2.6 Feature Extraction
7.2.7 레이블 데이터 정리
7.2.8 전체 파일 데이터 전처리
7.2.9 PyTorch Dataset & DataLoader 구현
7.2.10 PyTorch 모델 구현
7.2.11 모델 학습
7.2.12 학습한 모델 저장 & 불러오기
7.2.13 데모 실행
7.3. 결론

PART 8 딥러닝을 이용한 수능 영어 풀기
8.1 프로젝트 소개
8.2. 프로젝트 설명
8.2.1 문제 정의
8.2.2 데이터 전처리
8.2.3 데이터 및 실험 설계
8.3. LSTM 기본 모델
8.3.1 모델
8.3.2 데이터셋 불러오기
8.3.3 학습
8.3.4 Test
8.4 성능 높이기
8.4.1 추가 데이터 이용
8.4.2 심화 모델
8.5 데모

PART 9 아이돌 무대 자동 교차편집 생성
9.1 프로젝트 소개
9.1.1 프로젝트 개요
9.1.2 데이터 소개
9.1.3 결과물
9.1.4 프로젝트를 통해 배울 내용
9.2 프로젝트 파헤치기
9.2.1 데이터 전처리와 모델 다운로드
9.2.2 Crosscut Class 구현
9.2.3 RandomDistance Class 구현
9.2.4 FaceDistance Class 구현
9.2.5 PoseDistance Class 구현
9.2.6 교차편집 실행 코드
9.3 결론
9.3.1 발전할 내용

그림 출처
찾아보기

이경택 성균관대학교 통계학을 전공하고, 현재는 연세대학교 산업공학과에서 박사과정을 밟고 있다. 빅데이터 연합 학회 투빅스를 창설했으며, 데이터 분석 및 인공지능 관련 대회에서 다수 수상하였고, 데이터 분석과 인공지능 전 분야에 관심을 가지고 끊임없이 연구 중이다. 딥러닝과 강화학습에 관심이 많으며, 블로그 운영 및 다양한 강의 활동을 진행하고 있다.