1부. 파이토치 라이트닝 시작하기1장. 파이토치 라이트닝 탐험__파이토치 라이트닝이 특별한 이유____딥러닝의 시작____다양한 프레임워크____파이토치 VS 텐서플로____중용 - 파이토치 라이트닝__〈pip install〉 - 라이트닝 탐험__파이토치 라이트닝의 주요 구성요소____딥러닝 파이프라인____파이토치 라이트닝 추상화 계층__파이토치 라이트닝을 활용한 AI 애플리케이션 제작____이미지 인식 모델____전이학습____자연어 처리 트랜스포머 모델____라이트닝 플래시____LSTM을 사용한 시계열 모델____오토인코더를 사용한 적대적 생성 네트워크____CNN과 RNN을 결합한 준지도 학습 모델____대조 학습을 활용한 자기 지도 학습 모델____모델 배포 및 평가____모델 규모 확장 및 생산성 팁__추가 자료__요약2장. 첫 번째 딥러닝 모델 시작하기__기술 요구사항__신경망 시작하기____왜 신경망일까?____XOR 연산자____MLP 아키텍처__Hello World MLP 모델 만들기____라이브러리 가져오기____데이터 준비하기____모델 설정하기____모델 학습하기____모델 불러오기____예측 수행하기__첫 번째 딥러닝 모델 구축____모델이 깊다는 게 뭘까?____CNN 아키텍처__이미지 인식을 위한 CNN 모델 구축____패키지 가져오기____데이터 수집하기____데이터 준비하기____모델 구축하기____모델 학습하기____모델 정확도 평가하기____모델 개선 연습__요약3장. 사전 학습 모델을 사용한 전이 학습__기술 요구사항__전이 학습 시작하기__사전 학습한 ResNet-50 아키텍처를 사용한 이미지 분류기____데이터 준비____모델 생성____모델 학습____모델 정확도 평가__BERT를 사용한 텍스트 분류____데이터 수집____데이터 로더 인스턴스 생성____모델 생성____모델 학습 및 테스트 설정____모델 학습____모델 평가__요약4장. 라이트닝 플래시를 통한 사전 학습 모델 활용__기술 요구사항__라이트닝 플래시 시작하기__플래시는 매우 간단하다__플래시를 이용한 비디오 분류____Slow와 SlowFast 아키텍처____라이브러리 가져오기____데이터 세트 불러오기____백본 네트워크 설정____모델 미세 조정____예측 수행하기__플래시를 사용한 음성 인식____라이브러리 설치하기____라이브러리 가져오기____데이터 세트 불러오기____백본 네트워크 설정하기____모델 학습 및 미세 조정하기____예측 수행하기__추가 학습__요약2부. 파이토치 라이트닝을 사용한 문제 해결5장. 시계열 모델__기술 요구사항__시계열 소개____딥러닝을 이용한 시계열 예측__시계열 모델 시작하기__LSTM 시계열 모델을 이용한 교통량 예측____데이터 세트 분석____피처 엔지니어링____데이터 세트 생성__파이토치 라이트닝을 사용한 LSTM 모델 구성____모델 정의하기____옵티마이저 설정하기____모델 학습____학습 손실 측정____모델 불러오기____테스트 데이터 세트 예측____다음 단계__요약6장. 심층 생성 모델__기술 요구사항____GAN 모델 시작하기____GAN__GAN으로 가짜 음식 만들기____데이터 세트 불러오기____피처 엔지니어링 유틸리티 함수____판별기 모델 구성____생성기 모델 구성____적대적 생성 모델____GAN 모델 학습____모델이 생성한 가짜 이미지__GAN을 사용해 새로운 나비 종 만들기__GAN 학습 도전 과제__DCGAN으로 새 이미지 생성하기__요약7장. 준지도 학습__기술 요구사항__준지도 학습 시작하기__CNN-RNN 아키텍처 알아보기__이미지에 대한 캡션 생성하기____데이터 세트 다운로드____데이터 정리____모델 학습____하이브리드 CNN-RNN 모델____캡션 생성____다음 단계__요약8장. 자기 지도 학습__기술 요구사항__자기 지도 학습 시작하기____자기 지도의 의미__대조 학습__SimCLR 아키텍처____SimCLR의 작동 방식__이미지 인식을 위한 SimCLR 모델____데이터 세트 수집____데이터 증강 설정____데이터 세트 불러오기____학습 구성____모델 학습____모델 평가____다음 단계__요약3부. 심화 과정9장. 모델 배포 및 예측 수행__기술 요구사항__파이토치 라이트닝 방식으로 모델 배포 및 예측하기____pickle(.PKL) 모델 파일 형식____딥러닝 모델 배포____플라스크를 사용해 배포 및 예측하기__ONNX 방식으로 모델 배포 및 예측하기____ONNX 형식과 중요성____ONNX 모델 저장 및 불러오기____플라스크를 사용해 ONNX 모델 배포 및 예측하기__다음 단계__읽을거리__요약10장. 훈련 확장 및 관리__기술 요구사항__학습 관리____모델 하이퍼파라미터 저장____효율적인 디버깅____텐서보드를 활용한 학습 손실 모니터링__훈련 규모 확장____여러 워커를 사용한 모델 학습 속도 향상____GPU/TPU 학습____혼합 정밀도 학습/16비트 정밀도 학습__학습 제어____클라우드 사용 시 모델 체크포인트 저장____체크포인트 기능의 기본 동작 변경____저장한 체크포인트에서 교육 재개____클라우드에서 다운로드 또는 병합한 데이터 저장__읽을거리__요약