추가 적립 안내

단순한 기술자가 아닌 연구자가 되는 길!

이 책은 인공지능의 숲으로 여행을 떠나는 기분으로 시작한다. 필수적인 과정이 되어버린 인공지능에 대한 원리를 가장 쉽게 설명하고자 하므로 처음 시작하는 사람들이 전반적으로 이해하기 쉽도록 역할과 기능, 원리를 예제를 통해 풀어서 서술한다. 개념과 응용 분야 이후 핵심 기술을 설명하는 기본 원리를 지나면 기계학습과 기술의 응용 및 활용 부분으로 마무리하는 구성이다. 인공지능의 전체적인 모습을 보여주고, 어떤 식으로 발전해 왔는지 이해시키기 위한 목적이 있기 때문에 딥러닝 기반의 영상처리나 자연어 인식 등 다양한 분야를 공부할 때 이해의 폭이 넓어질 수 있다. 인공지능 기술의 발전 과정을 훑어본 다음 통계 기반 머신러닝, 지도학습, 비지도학습, 강화학습, 딥러닝 등의 기계 학습의 분야를 자세하게 살펴본다. 그리고 이미지와 음성 패턴 인식, 자연어 처리와 머신러닝, 지능 로봇 등 응용 분야에서의 활용도 알아보고 제스, 웨카, R, 파이썬 등 관련 도구까지 이해하며 마무리한다. 특히 파트별 참고 자료나 실습 내용, 요약을 정리하여 마무리하고 연습문제를 제공함으로써 본인의 실력이 향상됨을 지표로 체감할 수 있다.

수학·프로그래밍에 대한 두려움 없이 인공지능 정복하기!

인공지능은 인간의 지능을 만들고 싶다는 욕구에서 시작되어 인지과학, 로보틱스, 머신러닝, 최적화 이론, 패턴 인식, 자연어 처리 등 다양한 분야를 포함한다. 최근 자율주행, 광고나 뉴스의 추천, 자동 번역, 의료 지원, 대화형 프로그램, 로봇을 이용한 생산 및 서비스, 대규모 데이터 분석 시스템 등 다양한 분야에서 활용되고 있기 때문에 필수적인 학문으로 자리 잡고 있다. 이 책은 인공지능 개론서로 초심자에게 많은 것들을 재미있게 전달할 것이며, 딥러닝에 지친 전문가들에게는 새로운 세계를 보여줄 것이다. 특히 인공지능의 거의 모든 분야를 전체적으로 다루고 있기 때문에 관련 기술 연계성에 대한 로드맵을 제시하여 전체를 연결하도록 체계적으로 설명한다. 또한 어렵게 느낄 수 있는 수식이나 프로그래밍을 최소화하여 가볍고 편하게 읽고 이해할 수 있다. 그리고 다양한 분야에서 사용되는 많은 생소한 용어를 명확하게 정의하고 사용하기 때문에 이 책을 완독한다면 향후 다른 분야를 학습할 때 큰 도움이 될 것이다.

PART 1. 인공지능 기술의 개요
1. 인공지능의 소개
1.1 정의
1.2 역사
1.3 활용 분야
2. 인공지능의 연구 분야
2.1 요소 기술
2.2 응용 분야
3. 인공지능의 적용 사례
4. 인공지능의 영향

PART 2. 인공지능의 핵심 기술
1. 지식 표현과 추론
1.1 지식의 정의 및 표현 방법
1.2 규칙
1.3 프레임
1.4 논리
1.5 의미망
1.6 스크립트
1.7 온톨로지
1.8 함수에 의한 지식 표현
1.9 불확실한 지식 표현
1.10 규칙 기반 시스템
2. 오토마톤과 인공 생명 프로그램
2.1 인공 생명
2.2 유한 오토마톤
2.3 마르코프 모델
2.4 상태 기반 에이전트
3. 탐색과 최적화 기법
3.1 상태 공간과 탐색
3.2 탐색의 종류
3.3 맹목적 탐색
3.4 정보 이용 탐색
3.5 게임 탐색
3.6 제약 조건 만족 문제
3.7 최적화
4. 함수 최적화
4.1 함수 최적화의 개념
4.2 회귀 분석
4.3 중요 알고리즘과 사례

PART 3. 기계 학습
1. 통계학
2. 베이지안 추론 및 응용
2.1 베이지안 통계
2.2 EM 알고리즘
2.3 판별 분석
3. 마르코프 연쇄
3.1 마르코프 연쇄
3.2 은닉 마르코프 연쇄
4. 몬테카를로 알고리즘
4.1 몬테카를로 알고리즘의 개념
4.2 마르코프 체인 몬테카를로 방법
4.3 부트스트랩
5. 통계 기반 기계 학습 ① - 지도학습
5.1 통계 기반 기계 학습의 분류
5.2 의사결정 트리
5.3 랜덤 포레스트
5.4 서포트 벡터 머신
6. 통계 기반 기계 학습 ② - 비지도학습
6.1 군집 분석
6.2 차원 축소 기법
6.3 연관 규칙 분석
7. 강화학습
7.1 강화학습의 개념
7.2 강화학습 기법의 개념
7.3 용어
7.4 강화학습 모델
7.5 기본 모델
7.6 정책 경사법 모델
7.7 가치 반복법 모델
7.8 DQN
7.9 강화학습의 예
8. 딥러닝
8.1 신경망의 개념 및 다층화
8.2 다양한 인공지능 모델
8.3 딥러닝 모델
8.4 제한 볼츠만 머신과 심층 신뢰 신경망
8.5 오토인코더
8.6 대립쌍 생성망
8.7 다층 퍼셉트론
8.8 합성곱 신경망
8.9 순환 신경망
8.10 메모리 확장 신경망 모델과 개발 환경
9. 인공지능 모델의 평가
9.1 인공지능 모델의 평가 방법
9.2 모델을 평가할 때 알아야 하는 용어
9.3 홀드아웃 검증과 교차 검증
9.4 오차 행렬 조사 방법
9.5 PR 곡선
9.6 ROC 곡선
9.7 ROC 곡선과 PR 곡선의 용도

PART 4. 인공지능 기술의 응용
1. 이미지와 음성 패턴 인식
1.1 패턴 인식
1.2 이미지 인식
1.3 음성 인식
2. 자연어 처리
2.1 문장 구조의 이해
2.2 자연어 처리 기법
2.3 횟수 기반 임베딩
2.4 예측 기반 벡터
2.5 구조 분석
2.6 텍스트 생성
2.7 자연어 처리의 도구
3. 지능 로봇
3.1 로봇 개론
3.2 로봇 제어 기술 및 로봇 제어 패러다임
3.3 로봇 소프트웨어 개발 프레임워크
3.4 로봇 개발 단계
4. 인공지능 관련 도구의 소개
4.1 규칙 기반 시스템 개발 도구, 제스
4.2 데이터 마이닝 도구, 웨카
4.3 통계 분석 도구, R
4.4 딥러닝 개발 도구
4.5 인공지능 언어, 파이썬
4.6 컴퓨터 비전 라이브러리, OpenCV
4.7 로봇 소프트웨어 개발 프레임워크, ROS
5. 인공지능 숲의 여행을 마치고