| 000 | 00000nam c2200205 c 4500 | |
| 001 | 000046220810 | |
| 005 | 20260323110557 | |
| 007 | ta | |
| 008 | 260323s2026 ulkad b 001a kor | |
| 020 | ▼a 9788966265213 ▼g 93000 | |
| 040 | ▼a 211009 ▼c 211009 ▼d 211009 | |
| 041 | 1 | ▼a kor ▼h eng |
| 082 | 0 4 | ▼a 006.31 ▼2 23 |
| 085 | ▼a 006.31 ▼2 DDCK | |
| 090 | ▼a 006.31 ▼b 2026z1 | |
| 100 | 1 | ▼a Aminian, Ali ▼0 AUTH(211009)181847 |
| 245 | 2 0 | ▼a (가상 면접 사례로 배우는) 생성형 AI 서비스 설계 / ▼d 알리 아미니안, ▼e 하오 성 지음 ; ▼e 김지호, ▼e 조윤민 옮김 |
| 246 | 1 9 | ▼a Generative AI system design interview |
| 260 | ▼a 서울 : ▼b 인사이트, ▼c 2026 | |
| 300 | ▼a xv, 396 p. : ▼b 삽화, 도표 ; ▼c 23 cm | |
| 490 | 1 0 | ▼a AI 인사이트 = ▼a AI insight |
| 504 | ▼a 참고문헌과 색인수록 | |
| 650 | 0 | ▼a Artificial intelligence |
| 650 | 0 | ▼a Generative artificial intelligence |
| 650 | 0 | ▼a System design |
| 650 | 0 | ▼a Employment interviewing |
| 700 | 1 | ▼a Sheng, Hao, ▼e 저 |
| 700 | 1 | ▼a 김지호, ▼e 역 |
| 700 | 1 | ▼a 조윤민, ▼e 역 |
| 830 | 0 | ▼a AI 인사이트 |
| 830 | 0 | ▼a AI insight |
| 900 | 1 0 | ▼a 아미니안, 알리, ▼e 저 |
| 900 | 1 0 | ▼a 성하오, ▼e 저 |
| 945 | ▼a ITMT |
소장정보
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2026z1 | 등록번호 121271878 (1회 대출) | 도서상태 대출중 | 반납예정일 2026-04-25 | 예약 예약가능 | 서비스 |
컨텐츠정보
책소개
생성형 AI 서비스는 어떻게 설계할까? 10개의 실전 사례를 직접 설계해 보며 생성형 AI 서비스 개발을 안내한다. 가상 면접 상황을 통해 다양한 생성형 AI 서비스의 설계 과정을 안내하며, 7단계의 설계 과정을 반복하면서 서비스 특성에 따라 각 단계별로 무엇을 먼저 고려해야 하는지, 그에 따라 무엇을 선택해야 하는지 빠르게 판단할 수 있도록 돕는다.
생성형 AI 분야의 핵심 개념과 머신러닝 기초 개념도 간결하게 설명해 이론적인 기초도 다질 수 있다. 실제 환경을 기반으로 한 10개의 생성형 AI 시스템 설계 사례와 심층적인 설계 전략, 280개 이상의 다이어그램, 생성형 AI 시스템 설계와 관련된 면접 질문을 논리적으로 풀어갈 수 있도록 돕는 7단계 프레임워크, 면접관이 실제로 무엇을 평가하는지와 왜 그것을 중요하게 보는지를 설명한다. 지메일 스마트 편지쓰기, 구글 번역기, ChatGPT: 개인 비서 챗봇, 이미지 캡셔닝, 검색 증강 생성, 사실적인 얼굴 생성, 고해상도 이미지 합성, 텍스트 투 이미지 생성, 개인화된 얼굴 이미지 생성, 텍스트 투 비디오 생성을 다룬다.
“구글 번역기, AI 대화 서비스, 이미지 합성 같은
생성형 AI 서비스는 어떻게 설계할까?”
10개의 실전 사례를 직접 설계해 보며 배우는
생성형 AI 서비스 개발
생성형 AI 분야에서 개발자로 일하는 사람이라도 생성형 AI 시스템 설계에 대한 질문을 받으면 당황할 수밖에 없다. 시스템의 전체 그림을 떠올리기가 쉽지 않기 때문이다. 《가상 면접 사례로 배우는 생성형 AI 서비스 설계》에서는 가상 면접 상황을 통해 다양한 생성형 AI 서비스의 설계 과정을 안내한다. 7단계의 설계 과정을 반복하면서, 만들고자 하는 서비스의 특성에 따라 각 단계별로 무엇을 먼저 고려해야 하는지, 그에 따라 무엇을 선택해야 하는지 빠르게 판단할 수 있도록 돕는다. 여기에 더해 생성형 AI 분야의 핵심 개념과 머신러닝 기초 개념도 간결하게 설명해 이론적인 기초도 놓치지 않고 다질 수 있다. 세부 기술에 매몰되지 않고 큰 그림을 보는 눈을 길러주어 생성형 AI 설계에 대한 이해를 높인다.
• 실제 환경을 기반으로 한 10개의 생성형 AI 시스템 설계 사례와 심층적인 설계 전략
• 복잡한 생성형 AI 시스템을 직관적으로 이해할 수 있도록 280개 이상의 다이어그램 제공
• 생성형 AI 시스템 설계와 관련된 면접 질문을 논리적으로 풀어갈 수 있도록 돕는 7단계 프레임워크
• 면접관이 실제로 무엇을 평가하는지, 그리고 왜 그것을 중요하게 보는지를 현업에서의 경험을 바탕으로 설명
[이 책에서 다루는 내용]
· 지메일 스마트 편지쓰기
· 구글 번역기
· ChatGPT: 개인 비서 챗봇
· 이미지 캡셔닝
· 검색 증강 생성
· 사실적인 얼굴 생성
· 고해상도 이미지 합성
· 텍스트 투 이미지 생성
· 개인화된 얼굴 이미지 생성
· 텍스트 투 비디오 생성
정보제공 :
저자소개
알리 아미니안(지은이)
컴퓨터 과학자이자 저자로, 그의 저서 《가상 면접 사례로 배우는 머신러닝 시스템 설계 기초》는 아마존 베스트셀러가 되었으며, 여러 언어로 번역되었다. 지능적이고 안전하면서 효율성을 갖춘 대규모 AI 시스템 설계의 전문가이다. 구글에서 근무했고 현재는 어도비에서 머신러닝 엔지니어로 일하고 있다.
하오 성(지은이)
애플, 틱톡, 랜딩 AI, 아마존, 시타델 등에서 근무했으며, 현재 OpenAI에서 개발자로 일하고 있다. 스탠퍼드 대학교에서 계산공학 박사 학위를 받았으며, NeurIPS와 AIES 등의 AI 관련 학회에 다수의 논문을 발표했다. 전문 분야는 고급 AI 시스템, 분산 컴퓨팅, 생성형 AI 전반이다.
김지호(옮긴이)
포스텍 인공지능연구원과 에이모, 대동로보틱스 등의 연구 개발 조직에서 컴퓨터 비전과 자율주행 분야의 AI 연구 경험을 쌓았다. 현재는 엣지 환경에서 동작하는 AI와 로보틱스 지능을 다루는 AI 엔지니어로 일하고 있다. 기술을 이해하기 쉽게 설명하고 공유하는 일을 중요하게 생각해 2023년부터 파이토치 한국 사용자 모임 운영 위원으로 활동하고 있으며, 2025년에는 파이토치 앰버서더로 선정되어 글로벌 커뮤니티 리더로 활동하고 있다. 
조윤민(옮긴이)
경희대학교 컴퓨터공학과 학부를 졸업하고 독일 University of Kaiserslautern-Landau(RPTU, Rheinland-Pfalzische Technische Universitat Kaiserslautern-Landau)에서 Computer Science 석사 학위를 받았다. 독일 인공지능 연구소 DFKI(Deutsches Forschungszentrum fur Kunstliche Intelligenz)에서 연구 조교로 근무하면서 주로 컴퓨터 비전과 딥러닝에 관한 연구를 진행했다. 이후 독일 회사 AIMMO Germany GmbH에서 생성형 AI에 관한 연구를 담당하였다. 현재는 고려대학교 인공지능학과 박사 과정을 밟고 있다.
목차
1장 도입 및 개요
생성형 AI 개요
머신러닝 시스템 설계 면접을 위한 프레임워크
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
배포 및 모니터링
요약
참고 자료
2장 지메일 스마트 편지쓰기
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
3장 구글 번역기
도입
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
4장 ChatGPT: 개인 비서 챗봇
도입
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
5장 이미지 캡셔닝
도입
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
6장 검색 증강 생성
도입
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
7장 사실적인 얼굴 생성
도입
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
8장 고해상도 이미지 합성
도입
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
9장 텍스트 투 이미지 생성
도입
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
10장 개인화된 얼굴 이미지 생성
도입
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
11장 텍스트 투 비디오 생성
도입
요구사항 구체화
머신러닝 관점으로 문제 정의하기
데이터 준비
모델 개발
평가
전체 머신러닝 시스템 설계
다른 토론 주제
요약
참고 자료
정보제공 :