추가 적립 안내

세계 최고 머신러닝 전문가의 명쾌한 입문서!

이 책은 데이터로부터 학습을 하는 컴퓨터 프로그램인 머신러닝을 간단명료하게 설명한다. 머신러닝 관련 개념과 원리를 공학수학에 대한 지식이 없는 비전공자도 쉽게 이해할 수 있도록 상세히 풀어냈으며, 추천 시스템, 얼굴 인식, 자율주행차을 비롯한 응용 분야에 대해서도 상세히 설명한다. 머신러닝, 딥러닝, 그리고 인공신경망 등을 이해하기 위해서는 반드시 알아야 하는 핵심 이론들을 세계적인 인공지능 전문가가 잘 선별하여 한권에 모두 담았다. 인공지능 관련 개념에 대해 빠르게 파악할 필요가 있는 모든 독자들을 위해 군더더기 없이 필요한 내용만을 정리하여 명쾌하게 알려주는 머신러닝 입문서.

4차 산업혁명과 인공지능의 시대에 대비하기 위한 첫걸음은 머신러닝에 대한 이해다!

데이터로부터 학습을 하는 컴퓨터 프로그램인 머신러닝은 추천 시스템, 얼굴 인식, 그리고 자율주행차를 비롯한 여러 응용기술들의 기저를 이룬다. 이 책은 그 머신러닝에 대한 핵심 개념을 요약하여 설명한 입문서다. 오늘날 머신러닝은 제품 추천부터 음성 인식까지 우리가 매일 사용하는 광범위한 응용과 아직 일상화되지 않은 자율주행차와 같은 기술의 기반을 이루고 있다. 프로그래밍을 하지 않고 데이터를 수집하는 새로운 컴퓨팅 접근법의 기초가 바로 머신러닝이다. 과제에 대한 알고리즘을 데이터로부터 자동적으로 학습하는 것이다.

컴퓨팅 기기들이 더욱 보편화되면서 우리의 삶과 작업의 대부분이 디지털로 기록되고 있으며, ‘빅데이터’가 점점 더 커짐에 따라 그 데이터를 지식으로 만들어내기 위한 노력의 일환으로 머신러닝 이론 역시 진보해왔다. 세계적인 인공지능 전문가로 MIT와 함께 머신러닝 교과서를 집필했던 에템 알페이든 교수는 비전공자를 비롯한 일반인들을 위해 최대한 간결하고 명쾌하게 이 책을 집필했다. 이 책에서는 머신러닝의 진화를 다루며, 중요한 학습 알고리즘들에 대해 설명한다. 또한 머신러닝의 다양한 응용 사례들을 제시하여 독자들이 머신러닝의 무궁무진한 가능성을 가늠해 볼 수 있도록 했다. 알페이든 교수는, 방대한 수를 계산하는 대형 컴퓨터에서 모바일 기기로 발전된 디지털 기술이 어떻게 오늘날의 머신러닝 붐을 일으킬 수 있었는지 그 이유를 분석했다. 그리고 머신러닝의 기초와 대표적인 응용들에 대해 상세히 서술했다.

전공자와 비전공자 모두를 위한 친절한 가이드!

패턴 인식을 위한 머신러닝 알고리즘의 사용, 인간의 뇌로부터 영감을 받아 만들어진 인공신경망, 인스턴스들 사이의 연관성을 학습하는 알고리즘들, 그리고 고객 세분화 및 학습 추천을 위한 응용, 자동화된 대리인이 보상을 극대화하고 페널티를 최소화하기 위해 행동을 학습할 때의 강화학습. 쉽사리 감이 오지 않겠지만, 이런 것들은 우리가 인공지능의 시대를 살아가기 위해 꼭 알아야 할 주제들이다. 독자들은 이 책을 읽는 과정에서 자연스럽게 그 개념과 원리를 이해하게 될 것이다. 무엇보다도, 이 책의 가장 큰 장점은 독자들의 부담감을 줄인 것이다.

수많은 비전공자들이 머신러닝을 이해하고자 하지만 시작부터 어려움을 겪게 만드는 프로그래밍 언어나 수식을 배제했으며, 전문적인 표현도 최대한 쉽게 풀어서 설명한다. 공학적 지식이 거의 없는 문과생도 이해할 수 있도록 인공지능의 기본 원리에 대해 수식이나 프로그래밍 언어를 전혀 사용하지 않고 설명하는 책이다. 이 책을 완독하면 머신러닝과 인공지능이 대해 확실히 어느 정도의 감을 잡게 될 것이다. 또한 저자는 머신러닝에 대한 미래의 방향성도 고려하여 내용에 반영하였다. ‘데이터과학‘의 새로운 분야와 데이터 프라이버시와 보안에 관한 윤리적, 법적 관련성에 대해서도 논할 것이다.

오늘날 우리는 필요로 하는 정보를 바로 얻을 수 있으므로 언제든 어떤 의견이나 내용, 그리고 그에 관한 설명을 바로 접할 수 있다. 하지만 이에 비해 가장 기본적인 세계의 원리에 관한 근본적 지식은 오히려 접하기가 더 어렵다. 이 책은 이러한 지식 중 하나인 머신러닝에 대한 독자들의 욕구를 충족시켜 줄 것이다. 비전문가들을 위하여 전문적인 주제들을 종합하고, 기본 원리를 관통하는 중요한 주제들을 집약함으로써, 이 한 권의 책은 독자들에게 복잡한 개념에 대한 접근법을 제공할 것이다.

머리말
제1장 우리가 머신러닝에 관심을 가지는 이유
- 디지털의 힘
- 데이터를 저장하는 컴퓨터
- 컴퓨터는 데이터를 교환한다
- 모바일 컴퓨팅
- 사회적 데이터
- 방대한 데이터: 데이터퀘이크
- 학습과 프로그래밍
- 인공지능
- 뇌를 이해하기
- 패턴 인식
- 우리가 학습에 대해 논할 때 말하는 것
- 머신러닝의 간략한 역사
제2장 머신러닝과 통계, 그리고 데이터 분석
- 중고차 가격 예측 방법 학습
- 임의성과 확률
- 일반 모델 학습하기
- 모델 선택
- 지도 학습
- 수열 학습
- 개인신용평가
- 전문가 시스템
- 기대치
제3장 패턴 인식
- 읽기 학습
- 모델의 균질도 일치시키기
- 생성 모델
- 얼굴 인식
- 음성 인식
- 자연어 처리 및 번역
- 다수의 모델 혼합하기
- 이상점 감지
- 차원 축소
- 의사결정 트리
- 능동 학습
- 순위 매기기 학습
- 베이지안 방법론
제4장 신경망과 딥러닝
- 인공 신경망
- 신경망 학습 알고리즘
- 퍼셉트론이 할 수 있는 것과 할 수 없는 것
- 인지과학의 연결주의 모델
- 병렬처리를 위한 패러다임으로서의 신경망
- 다층에서의 계층적 표현
- 딥러닝
제5장 학습 클러스터와 추천
- 데이터에서 그룹 찾기
- 추천 시스템
제6장 행동하는 법 학습하기
- 강화 학습
- 케이 암드 밴딧
- 시간차 학습
- 강화 학습 응용
제7장 우리는 여기서 어디로 가야 하는가?
- 스마트하게, 그리고 학습할 수 있도록 만들자
- 고성능 계산
- 데이터 마이닝
- 데이터 프라이버시와 보안
- 데이터 과학
- 머신러닝과 인공지능, 그리고 우리의 미래
맺음말
용어사전