dlwpt code
1.0.0
이 저장소에는 Manning Publications에서 출판한 Eli Stevens, Luca Antiga 및 Thomas Viehmann이 쓴 Deep Learning with PyTorch 책의 코드가 포함되어 있습니다.
이 책의 Manning 사이트는 다음과 같습니다: https://www.manning.com/books/deep-learning-with-pytorch
이 책은 Amazon(https://amzn.to/38Iwrff)에서도 구매할 수 있습니다. (제휴 링크, 규칙에 따라: "Amazon Associate로서 적격 구매로 수익을 얻습니다.")
책의 정오표는 매닝 웹사이트나 https://deep-learning-with-pytorch.github.io/dlwpt-code/errata.html에서 확인할 수 있습니다.
이 책은 PyTorch를 통해 딥러닝의 기초를 제공하고 실제 프로젝트에서 실제로 작동하는 모습을 보여주는 것을 목표로 합니다. 우리는 딥 러닝의 기본 개념을 제공하고 PyTorch가 이를 실무자에게 어떻게 제공하는지 보여주기 위해 노력하고 있습니다. 책에서 우리는 추가 탐구를 뒷받침할 직관을 제공하려고 노력하며, 그렇게 함으로써 커튼 뒤에서 무슨 일이 일어나고 있는지 보여주기 위해 세부 사항을 선별적으로 조사합니다. PyTorch를 사용한 딥러닝은 참고서가 되려고 하지 않습니다. 오히려 온라인에서 더욱 고급 자료를 독립적으로 탐색할 수 있게 해주는 개념적 동반자입니다. 따라서 우리는 PyTorch가 제공하는 기능의 하위 집합에 중점을 둡니다. 가장 눈에 띄는 부재는 순환 신경망이지만 PyTorch API의 다른 부분에서도 마찬가지입니다.
이 책은 딥 러닝 실무자이거나 이를 목표로 하는 개발자, PyTorch에 익숙해지고 싶은 개발자를 대상으로 합니다. 우리는 일반적인 독자를 컴퓨터 과학자, 데이터 과학자, 소프트웨어 엔지니어 또는 관련 프로그램의 학부생이라고 상상합니다. 우리는 딥러닝에 대한 사전 지식을 가정하지 않기 때문에 책의 전반부의 일부 부분은 경험이 풍부한 실무자들에게 이미 알려진 개념을 반복할 수 있습니다. 그러한 독자들에게는 이번 박람회가 알려진 주제에 대해 약간 다른 각도를 제공할 수 있기를 바랍니다. 우리는 독자들이 명령형 프로그래밍과 객체 지향 프로그래밍에 대한 기본 지식을 갖고 있기를 기대합니다. 이 책에서는 Python을 사용하므로 구문과 운영 환경에 익숙해야 합니다. 선택한 플랫폼에서 Python 패키지를 설치하고 스크립트를 실행하는 방법을 아는 것이 전제 조건입니다. C++, Java, JavaScript, Ruby 또는 기타 유사한 언어를 사용하는 독자는 쉽게 이해할 수 있지만 이 책 밖에서도 따라잡아야 할 필요가 있습니다. 마찬가지로, 꼭 필요한 것은 아니지만 NumPy에 익숙해지는 것이 유용할 것입니다. 또한 행렬과 벡터가 무엇인지, 내적이 무엇인지 아는 것과 같은 몇 가지 기본적인 선형 대수학에 익숙할 것으로 기대합니다.
Eli Stevens는 소프트웨어 엔지니어(엔터프라이즈 네트워킹 기기 제작)부터 CTO(방사선 종양학용 소프트웨어 개발)까지 다양한 역할을 맡아 실리콘 밸리의 스타트업에서 경력의 대부분을 보냈습니다. 출판 당시 그는 자율주행차 산업의 머신러닝을 연구하고 있습니다.
루카 안티가(Luca Antiga)는 2000년대 의생명공학 연구원으로 일했고, 지난 10년 동안 AI 엔지니어링 회사의 공동 창업자이자 CTO로 일했다. 그는 PyTorch 코어를 포함한 여러 오픈 소스 프로젝트에 기여했습니다. 그는 최근 데이터 정의 소프트웨어 인프라에 초점을 맞춘 미국 기반 스타트업을 공동 창립했습니다.
Thomas Viehmann은 독일 뮌헨에 거주하는 기계 학습 및 PyTorch 전문 트레이너이자 컨설턴트이자 PyTorch 핵심 개발자입니다. 수학 박사 학위를 취득한 그는 이론을 두려워하지 않지만 컴퓨팅 문제에 이론을 적용할 때는 철저하게 실용적입니다.
