[book] NLP와 LLM 실전 가이드

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

 

머신러닝에서 나아가 딥러닝도 이제 필수적인 업무 요소인 것 같다.

다만, 모든 사람이 파이썬 명령어를 이해하고, 데이터를 효율적으로 분석하는 레벨까지 알아야 하는 건 아니라고 생각한다.

기초 통계지식과 각각의 알고리즘 기법들의 특징을 이해하고, 최소한의 파이썬 지식으로도 효과적으로 데이터 사이언티스트와 업무협업을 할 수 있는 정도만이라도 갖추면 된다. (이것도 어렵다)

 

인문학 전공학생에게 프로그래밍 기초를 학습하게 하는 것도 같은 맥락일 것이다.

이 책은 그런 니즈를 충분히, 잘 충족시켜주는 책이다.

 

CH2 머신러닝과 자연어 처리를 위한, 선형대수, 확률, 통계 마스터하기

CH3 자연어 처리에서 머신러닝 잠재력 발휘하기

CH4 자연어 처리 성능을 위한 텍스트 전처리 과정 최적화

CH5 텍스트 분류 강화: 전통적인 머신러닝 기법 활용하기

CH6 텍스트 분류의 재해석 : 딥러닝 언어 모델 깊게 탐구하기

CH7 대규모 언어 모델 이해하기

CH8 대규모 언어 모델의 잠재력을 끌어내는 RAG 활용 방법

 

자연어처리(NLP)와 대규모 언어모델(LLM)의 이해라는 큰 목표를 두고, 기초부터 설명이 자세하다.

예를들어 3장에서 서포트 벡터 머신을 설명은 겨우 2page뿐이다. 하지만 가장 핵심적인 설명과 그림을 통해 결정경계를 설명하고, 장점과 단점을 간략히 설명하다.

어렴풋이 알고있었지만, 다시 상기시키기에 딱 좋을만큼의 분량을 저자가 잘 찾아냈다.

 

6장부터 본격적으로 언어모델을 설명한다. 트랜스포머(자연어 처리에서 순차 데이터를 더 효과적으로 처리할 수 있는 새로운 구조)의 아키텍처 부터 셀프 어텐션 메커니즘에 대한 설명까지 핵심 내용을 다 터치하고 넘어간다. (6장부터는 앞장까지의 기초지식이 없다면 어려울 수 있다)

 

다행인건 모든 챕터마다 “기술 요구사항”과 “요약”을 제공하는 점이다. 설렁설렁 필요한 내용을 찾아보기 위한 책이 아니라, 본격적인 NLP와 LLM을 “학습”의 영역으로 가져가기 위한 책이다.

 

그래서 전체적인 AI에 대한 이론적 지식습득을 위한 분들께 추천하고 싶다.

 

대부분의 책이 파이썬에 비중을 두거나, 구체적인 알고리즘의 동작과정을 설명하는데 집중하는데 반해, 이 책은 그런 기초를 넘어선 다음 레벨을 원할 때 필요하다. 데이터 전문가에겐 코드도 제공하지만, 상대적으로 데이터 전문가와 일하는 비즈니스 현업에게 적합한 책이다.

 

반복해서 읽고 공부하고 싶은 책이다.

 

딥러닝을 코드 베이스로 접근한다면 “밑바닥부터 시작하는” 시리즈를 추천한다.