반디앤루니스 인터넷서점
전체

로고이미지

검색

  • ▼
HOT ISSUE

네비게이션 실시간 인기 책

    LLM 미세 튜닝, 핵심만 빠르게!

    베스트

    LLM 미세 튜닝, 핵심만 빠르게! 파이토치와 허깅 페이스 기반의 최신 미세 튜닝 기법

    • 다니엘 보이트 고도이 저
    • 박해선 역
    • 인사이트
    • 2026년 03월 19일
    • 정가
      32,000원
    • 판매가
      28,800원 [10% 할인]
    • 결제 혜택
      무이자
    • 적립금
      1,600원 적립 [5%P]

      NAVER Pay 결제 시 네이버페이 포인트 5% 적립 ?

    • 배송구분
      업체배송(반디북)
    • 배송료
      무료배송
    • 출고예정일

      출고예정일 안내

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

      close

      2026년 04월 08일(수)

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

    수량
    바로 구매 쇼핑카트 담기 위시리스트
    회원리뷰
    - [0]
    ISBN: 9788966265244 376쪽 714g 172 x 225 (㎜)

    지금 이책은

    • 판매지수 : 0

    이 분야의 베스트셀러

    이 책이 속한 분야

    책 소개

    상품문의 / 정보수정 요청 >

    이 책은

    복잡한 이론은 덜고, 꼭 필요한 핵심만 담았다!
    LLM 미세 튜닝을 익히는 가장 간결한 안내서

    《LLM 미세 튜닝, 핵심만 빠르게!》는 급변하는 LLM 생태계 속에서 흔들리지 않는 핵심 개념에 집중해, 대규모 언어 모델을 직접 미세 튜닝할 수 있도록 안내하는 핸즈온 가이드입니다. 양자화, LoRA 어댑터, 데이터셋 포매팅, 지도 학습 미세 튜닝, 로컬 배포까지 전체 과정을 단계적으로 따라가며, 실제로 모델을 수정하고 동작을 바꾸는 경험을 제공합니다. 특히 허깅 페이스 생태계를 기반으로, 복잡한 내부 동작과 설정이 실제로 어떤 의미를 갖는지를 이해하도록 돕습니다.
    이 책은 딥러닝과 파이토치, 트랜스포머 구조에 익숙한 중급 실무자를 대상으로 합니다. 단순히 코드를 실행하는 데서 그치지 않고 미세 튜닝의 성패를 가르는 핵심 조정과 설정을 알려 주며, 그렇게 하는 이유를 하나씩 짚어 줍니다. 따라서 책을 다 읽고 나면 개인용 GPU 환경에서도 모델을 효율적으로 미세 튜닝하고, 특정 작업에 최적화된 LLM을 설계·배포할 수 있는 실질적인 역량을 갖추게 될 것입니다.

    이 책에서 다루는 내용
    BitsAndBytes를 사용해 양자화 모델 로드하기
    허깅 페이스의 PEFT를 활용한 LoRA 어댑터(로우 랭크 어댑터) 설정하기
    채팅 템플릿과 포매팅 함수를 사용해 효율적으로 데이터셋 포매팅하기
    개인용 GPU에서 LLM 미세 튜닝하기
    llama.cpp와 Ollama를 이용해 GGUF 포맷으로 로컬에 배포하기
    흔히 발생하는 오류 메시지 및 예외 상황 해결하기


     


     


    출판사 리뷰

    책 속에서

    "2022년 11월 챗GPT가 출시된 이후로 LLM 분야의 발전 속도가 빨라져 따라가는 것이 거의 불가능하게 느껴집니다. 매일 새로운 기술, 새로운 모델, 또는 획기적인 발표가 있습니다. 분명히 흥미로운 시기이지만, 동시에 압도적이고, 지치며, 때로는 좌절감을 느끼게 할 수도 있습니다. “이걸 어디서부터 배워야 하지?”라는 질문이 생기는 것이 너무 당연하며, 이는 혼자서 답을 찾기 어려운 질문입니다. 그래서 그 질문의 답변으로 이 책을 썼습니다. 이 책은 안정성이 입증되었고 가까운 미래에도 미세 튜닝 과정의 핵심으로 남을 수 있는 개념 설명에 초점을 맞춥니다. 양자화, LoRA, 그리고 템플릿 포매팅이 바로 그것입니다. 이런 개념들을 마스터하는 것은 현재 상황을 이해하는 데 중요하며, 앞으로의 발전을 따라갈 수 있는 능력도 갖추게 해줄 것입니다. 이 개념들은 언어 모델뿐 아니라 다양한 대규모 모델을 훈련하거나 미세 튜닝하는 데에도 유용할 수 있습니다. 즉, 모든 데이터 과학자의 툴킷에 필요한 도구라고 할 수 있습니다.
    이 책은 허깅 페이스 생태계를 기반으로 합니다. 그 이유는 언어 모델이든 아니든 허깅 페이스가 딥러닝 모델 작업을 위한 사실상의 표준이기 때문입니다. 이 책에서 소개하는 개념(양자화, 어댑터, 템플릿)이 이 생태계 안에서 깔끔하게 구현되고 통합되어 있기 때문에 비교적 사용하기 쉽습니다. 하지만 효과적으로 설정하는 방법과 그 설정이 실제로 내부에서 무엇을 하는지 이해해야 합니다. 이런 정보를 찾는 것은 쉽지 않습니다. 특히 GPU에서 LLM을 미세 튜닝할 때 이런 기술들이 실제로 어떻게 함께 작동하는지 설명하는 포괄적인 자료가 부족합니다. 이 책으로 그 간극을 메우려고 합니다."
    - ‘지은이의 글’ 중에서

    저자 소개

    다니엘 보이트 고도이

    아마존 베스트셀러 작가이자 프로그래머, 데이터 과학자, 그리고 교육자다. 2022년 《Deep Learning with PyTorch Step-by-Step: A Beginner's Guide》 기술서 시리즈를 자가 출판했으며, 이 책들은 미국과 스페인의 여러 대학교에서 교재로 사용되고 있다. 또한 China Machine Press를 통해 중국어로도 번역·출간되었다. 2016년부터 베를린에 기반을 둔 유서 깊은 부트캠프 'Data Science Retreat'에서 머신러닝, 분산 컴퓨팅, 시계열 분석, 대규모 언어 모델을 강의하며 많은 수강생들의 커리어를 발전시키는 데 기여해 왔다. edX에서는 'PyTorch and Deep Learning for Decision Makers' 강의를 개발했다. 지난 25년간 은행, 정부, 핀테크, 소매, 모빌리티, 에듀테크 등 다양한 산업 분야에서 활동해 왔다.

    역자 소개

    박해선

    기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. Google AI/Cloud GDE, Microsoft AI MVP다. 텐서플로 블로그(tensorflow.blog)를 운영하고 있으며, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.
    《혼자 만들면서 공부하는 딥러닝》(한빛미디어, 2025), 《혼자 공부하는 머신러닝+딥러닝(개정판)》(한빛미디어, 2025), 《챗GPT로 대화하는 기술》(한빛미디어, 2023)을 집필하였고, 《대규모 언어 모델, 핵심만 빠르게!》(인사이트, 2025), 《머신 러닝, 핵심만 빠르게!》(인사이트, 2025), 《밑바닥부터 만들면서 배우는 LLM》(길벗, 2025), 《핸즈온 LLM》(한빛미디어, 2025), 《머신 러닝 Q & AI》(길벗, 2025), 《개발자를 위한 필수 수학》(한빛미디어, 2024), 《실무로 통하는 ML 문제 해결 with 파이썬》(한빛미디어, 2024), 《머신러닝 교과서: 파이토치 편》(길벗, 2023), 《스티븐 울프럼의 챗GPT 강의》(한빛미디어, 2024), 《핸즈온 머신러닝 3판》(한빛미디어, 2023), 《만들면서 배우는 생성 딥러닝 2판》(한빛미디어, 2023)을 포함하여 수십여 권의 책을 우리말로 옮겼다.

    목차

    옮긴이의 글
    지은이의 글

    0장 대규모 언어 모델 미세 튜닝 레시피
    들어가며
    0.1 양자화된 베이스 모델 로드하기
    0.2 LoRA 설정하기
    0.3 데이터셋 포매팅하기
    0.4 SFTTrainer를 사용하여 미세 튜닝하기
    0.5 모델에 질의하기

    1장 대규모 언어 모델
    들어가며
    1.1 대규모 언어 모델과 소규모 언어 모델
    1.2 트랜스포머
    1.3 어텐션이 전부입니다
    1.4 미세 튜닝의 종류

    2장 양자화된 모델 로드하기
    들어가며
    2.1 양자화 방법
    2.2 반정밀도 가중치
    2.3 브레인 플로트
    2.4 모델 로드하기
    2.5 혼합 정밀도
    2.6 BitsAndBytes
    다음 장에서는

    3장 LoRA
    들어가며
    3.1 파라미터 타입과 그레이디언트
    3.2 PEFT
    다음 장에서는

    4장 데이터셋 포매팅
    들어가며
    4.1 템플릿 적용
    4.2 토크나이저
    4.3 데이터 콜레이터
    4.4 패킹된 데이터셋
    4.5 고급 방법 - BYOT(Bring Your Own Template)
    다음 장에서는

    5장 SFTTrainer로 미세 튜닝하기
    들어가며
    5.1 SFTTrainer 미세 튜닝
    5.2 SFTConfig
    5.3 (진짜) 실제 훈련
    5.4 어텐션
    5.5 실험 결과, 어블레이션 스타일
    다음 장에서는

    6장 로컬에 배포하기
    들어가며
    6.1 모델과 어댑터 로드하기
    6.2 모델 쿼리
    6.3 llama.cpp
    6.4 모델 서빙

    -1장 문제 해결
    오류
    경고

    부록 A GPU 포드 설정하기
    A.1 runpod.io 활용 주피터 랩 실행
    A.2 포드 중지 및 종료
    A.3 플래시 어텐션 2 설치

    부록 B 데이터 타입의 내부 표현
    B.1 정수
    B.2 부동소수점 수

    찾아보기

    배송 시 유의사항

    - 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
     (배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)

    - 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.

    - 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.

    - 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)

    - 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.

    반품/교환

    상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)

    반품/교환

    반품/교환
    반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판
    반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능
    반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음)
    반품/교환 불가 사유
    • 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
    • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    • 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
    • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    • 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    • 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
    소비자 피해보상
    환불지연에 따른 배상
    • 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
      소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨
    • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
      소비자 보호에 관한 법률에 따라 처리함
    반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
    • 회사명 : (주)서울문고
    • 대표이사 : 김홍구
    • 개인정보 보호책임자 : 김홍구
    • E-mail : bandi_cs@bnl.co.kr
    • 소재지 : (06168) 서울 강남구 삼성로 96길 6
    • 사업자 등록번호 : 120-81-02543
    • 통신판매업 신고번호 : 제2023-서울강남-03728호
    • 물류센터 : (10881) 경기도 파주시 문발로 77 반디앤루니스
    copyright (c) 2016 BANDI&LUNI'S All Rights Reserved