<div id="readability-page-1" class="page"><div id="page" role="main">

		

		
			
<article id="post-3578">
	

	<div>
		
<p>해당 도서는 길벗 출판사의 리뷰이벤트로 증정받았습니다.</p>



<p>OpenAI에서 GPT가 나온이후로, 수 많은 LLM(Large Language Model)이 나오게 되었습니다. llama나 deepseek, qwen과 같은 sLM 까지 포함하면</p>



<p>굉장히 빠르게 발전하고 있는 분야가 이 부분입니다. 현재 AI 프로젝트라고 하면 대부분 이런 LLM이나 sLM을 이용한 결과를 내는 것이 대부분입니다.</p>



<p>그렇다면 모두가 LLM을 정확히 이해해야 하는가라고 물어보면 사실 그런건 아닙니다. 그런데, LLM을 사용하기 위해서 기본적인 내용은 이해하고 있는 것이 중요합니다.</p>



<p>그리고 어떤 흐름으로 LLM이 발전하는가에 대한 이해도 필요합니다. LLM이 나올수록 이런 내부구조를 아는 사람이 더 LLM을 적절히 이용할 수 있기 때문입니다.</p>



<p>(물론 LLM 마다 구조가 다르지만, 모델의 특징에 대해서 이해하면, 좀 더 정확한 답변을 요구하기 쉬워집니다.)</p>



<p>사실 밑바닥부터 만들면서 배우는 LLM은 ChatGPT 같은 LLM을 기초부터 만드는 책이기 때문에, 내가 이런 수준까지 알 필요가 있을가라고 생각할 수 있습니다.</p>



<p>그런데 1,2,3장을 읽어보면, 생각보다 굉장히 쉽게, 어떤식으로 LLM을 학습시키는지, 그 과정에 대한 지식을 얻을 수가 있습니다. 특히 예전에는 word2vec 이라고</p>



<p>부르는 그런 벡터화 방식부터, 실제로 벡터 임베딩이 어떻게 진행되는지에 대한 지식을 쉽게 얻을 수 있습니다. 이 책의 장점이 여기에 있는데, 일단 자세히는 아니고</p>



<p>어느정도 대략적인 내용만 알고 싶다면, 그냥 가볍게 읽으면, 깊은 이해는 못하지만, 대략적으로 이런식으로 진행되는가에 대한 지식을 얻게 됩니다. 그런데 만약 내가</p>



<p>실제로 만들어보고 싶다면(사실 여기서부터는 지식뿐만 아니라 그래픽카드라는 돈의 문제가 발생하지만) 좀, 더 자세히 책을 볼 필요가 있습니다. 재미난 점은 책 자체는</p>



<p>번역도 읽는 사람에게 쉽게 번역이 되어있습니다. 그런데, 이원래 이 쪽 분야의 내용자체가 어렵다보니, 천천히 책을 제대로 읽어야만 실제로 적용할 수 있는 지식이</p>



<p>이해가 될 것입니다.</p>



<p>책 자체가 400페이지가 조금 넘어가지만, 130페이 분량의 워크북이 있어서, 이걸로 한번 더 내용을 생각할 수 있게 도와줍니다. 어떤 지식이든 책을 읽는다고 해서</p>



<p>바로 이해되어 적용할 수는 없습니다. 특히 LLM의 내부구조 자체가 쉬운 내용은 아닙니다. 그러나 이 책은 그 과정 자체를 최대한 쉽게 풀어서, 이해를 도와줍니다.</p>



<p>저는 벡터 임베딩 과정부터 살짝 잘못 알고 있던 부분을 이 책을 보면서 좀 더 제대로 이해할 수 있었습니다. 그래서 LLM을 직접 만들어보려는 분이나</p>



<p>(다시 한번 말하지만, 제대로 할려면 돈이 많으딥니다.) 그렇지 않더라도 저처럼 LLM을 좀 이해해보고 싶은 사람에게 강력히 도움이 될 것입니다.</p>



<figure></figure>
			</div>

	
</article>

			

				
	
		
		</div></div>

Charsyam's Blog

해당 도서는 길벗 출판사의 리뷰이벤트로 증정받았습니다.
OpenAI에서 GPT가 나온이후로, 수 많은 LLM(Large Language Model)이 나오게 되었습니다. llama나 deepseek, qwen과 같은 sLM 까지 포함하면
굉장히 빠르게 발전하고 있는 분야가 이 부분입니다. 현재 AI 프로젝트라고 하면 대부분 이런 LLM이나 sLM을 이용한 결과를 내는 것이 대부분입니다.
그렇다면 모두가 LLM을 정확히 이해해야 하는가라고 물어보면 사실 그런건 아닙니다. 그런데, LLM을 사용하기 위해서 기본적인 내용은 이해하고 있는 것이 중요합니다.
그리고 어떤 흐름으로 LLM이 발전하는가에 대한 이해도 필요합니다. LLM이 나올수록 이런 내부구조를 아는 사람이 더 LLM을 적절히 이용할 수 있기 때문입니다.
(물론 LLM 마다 구조가 다르지만, 모델의 특징에 대해서 이해하면, 좀 더 정확한 답변을 요구하기 쉬워집니다.)
사실 밑바닥부터 만들면서 배우는 LLM은 ChatGPT 같은 LLM을 기초부터 만드는 책이기 때문에, 내가 이런 수준까지 알 필요가 있을가라고 생각할 수 있습니다.
그런데 1,2,3장을 읽어보면, 생각보다 굉장히 쉽게, 어떤식으로 LLM을 학습시키는지, 그 과정에 대한 지식을 얻을 수가 있습니다. 특히 예전에는 word2vec 이라고
부르는 그런 벡터화 방식부터, 실제로 벡터 임베딩이 어떻게 진행되는지에 대한 지식을 쉽게 얻을 수 있습니다. 이 책의 장점이 여기에 있는데, 일단 자세히는 아니고
어느정도 대략적인 내용만 알고 싶다면, 그냥 가볍게 읽으면, 깊은 이해는 못하지만, 대략적으로 이런식으로 진행되는가에 대한 지식을 얻게 됩니다. 그런데 만약 내가
실제로 만들어보고 싶다면(사실 여기서부터는 지식뿐만 아니라 그래픽카드라는 돈의 문제가 발생하지만) 좀, 더 자세히 책을 볼 필요가 있습니다. 재미난 점은 책 자체는
번역도 읽는 사람에게 쉽게 번역이 되어있습니다. 그런데, 이원래 이 쪽 분야의 내용자체가 어렵다보니, 천천히 책을 제대로 읽어야만 실제로 적용할 수 있는 지식이
이해가 될 것입니다.
책 자체가 400페이지가 조금 넘어가지만, 130페이 분량의 워크북이 있어서, 이걸로 한번 더 내용을 생각할 수 있게 도와줍니다. 어떤 지식이든 책을 읽는다고 해서
바로 이해되어 적용할 수는 없습니다. 특히 LLM의 내부구조 자체가 쉬운 내용은 아닙니다. 그러나 이 책은 그 과정 자체를 최대한 쉽게 풀어서, 이해를 도와줍니다.
저는 벡터 임베딩 과정부터 살짝 잘못 알고 있던 부분을 이 책을 보면서 좀 더 제대로 이해할 수 있었습니다. 그래서 LLM을 직접 만들어보려는 분이나
(다시 한번 말하지만, 제대로 할려면 돈이 많으딥니다.) 그렇지 않더라도 저처럼 LLM을 좀 이해해보고 싶은 사람에게 강력히 도움이 될 것입니다.

[책 리뷰] 밑바닥부터 만들면서 배우는 LLM

댓글