• 컴퓨터/IT > 컴퓨터공학 > 알고리즘/자료구조

2017/1 컴퓨터/IT 1위 | 현재 컴퓨터/IT 81위 |

2017/0 세종도서 학술

• [시리즈] 위키북스 데이터 사이언스 시리즈 [27]

출판사 리뷰

출판사 서평 “인공지능, 넓고 깊게 그리고 쉽게 이해하기” 궁금했던 인공지능의 모든 것. 역사와 이론, 적용 사례까지 알아보는 인공지능 지침서! 1950년 영국의 수학자 앨런 튜링은 '기계는 생각할 수 있을까?'라는 화두를 던진다. 생각하는 기계 ‘튜링 머신’으로 시작된 인공지능은 그동안 한계라고 여겨졌던 수많은 난제를 극복하고 지금은 IT 산업에서 핵심 기술로 떠오르고 있다. 구글, 페이스북 그리고 IBM 등 유수한 글로벌 IT 업체들은 인공지능을 그들의 차세대 성장동력으로 지목하고 전폭적인 투자를 아끼지 않고 있다. 이 책은 인공지능... “인공지능, 넓고 깊게 그리고 쉽게 이해하기” 궁금했던 인공지능의 모든 것. 역사와 이론, 적용 사례까지 알아보는 인공지능 지침서! 1950년 영국의 수학자 앨런 튜링은 '기계는 생각할 수 있을까?'라는 화두를 던진다. 생각하는 기계 ‘튜링 머신’으로 시작된 인공지능은 그동안 한계라고 여겨졌던 수많은 난제를 극복하고 지금은 IT 산업에서 핵심 기술로 떠오르고 있다. 구글, 페이스북 그리고 IBM 등 유수한 글로벌 IT 업체들은 인공지능을 그들의 차세대 성장동력으로 지목하고 전폭적인 투자를 아끼지 않고 있다. 이 책은 인공지능에 관심이 있는 모든 독자들을 위해 검증된 역사적 사실과 연구 배경 등을 다루고 있으며, 특히 머신러닝과 딥러닝 분야의 개발자들에게는 쉽게 설명된 핵심 이론과 함께 적용사례별 간단한 알고리즘 등을 보여준다. ★ 이 책에서 다루는 내용 ★ ◎ 인공지능의 개념과 발전사 ◎ 머신러닝 기본 개념 및 적용 사례 ◎ 지도학습 이론과 알고리즘: kNN, 서포트 벡터 머신, 의사결정 트리 ◎ 비지도학습 이론과 알고리즘: k-means, DBSCAN, 계층형 군집 ◎ 강화학습 개념 및 적용 사례: 마코프 디시즌 프로세스 ◎ 딥러닝을 핵심 역량으로 키우는 글로벌 기업 분석 ◎ 딥러닝 기본이론과 알고리즘: 단층/다층 퍼셉트론, 역전파 이론, 경사감소법 ◎ 딥러닝 핵심 알고리즘: 컨볼루션 신경망, 심층신뢰망, 제한된 볼츠만 머신, 규제화

이 책은 크게 인공지능의 역사와 현황, 인공지능의 핵심 영역인 머신러닝과 딥러닝을 다룬다. 특히 머신러닝과 딥러닝에서는 대표적인 학습 모델의 개념을 이론적으로 설명하고 간단한 알고리즘을 통해 구현 방법을 제시한다. 역사적 주요 사건은 물론 알려지지 않은 사소한 일들도 인공지능에 관심이 있는 모든 독자들이 궁금해 할 수 있는 것이라면 검증된 사실을 기반으로 주의 깊게 다루었다. 또한 책 내용의 전개상 불가피하게 표현되는 이론이나 추상적인 개념은 가능하면 여러가지 예를 들어 이해하기 쉽게 설명했다. 인공지능을 전문적으로 연구하지 않는 독자는 1부 인공지능과 2부 머신러닝 개요, 3부 딥러닝 개요 정도를 추천하며 세부적인 이론과 알고리즘까지 관심이 있다면 나머지 내용까지 따라가 보는 것도 좋다.
천릿길도 한 걸음부터! 이 책은 인공지능, 머신러닝, 딥러닝의 초보자에게 권하는 입문서로서 인공지능이라는 전체 숲을 보는 데 도움될 것으로 기대한다. 다행히도 숲을 보는 데 문제가 없다면 각자 원하는 곳으로 가서 나무를 베고 멋진 집을 지을 수 있을 것이다

-- 저자 서문 중에서

목차
[1부] 인공지능
▣ 01장: 알파고와 구글 딥마인드
__낭중지추
__딥마인드 창업자이자 CEO 데미스 하사비스
__인간과의 마지막 게임
▣ 02장: 인공지능의 역사
__인공지능이란?
__인공지능의 서막을 올린 앨런 튜링
__인공 지능 검사: 튜링 테스트
__인공지능 뇌의 진화
__최초의 인공신경망: 퍼셉트론
__인공지능 용어의 등장
__인공지능의 위대한 도전들
__인공지능의 첫 번째 겨울
__인공지능의 재도약
__인공지능에서 파생된 머신러닝
__두 번째 인공지능의 겨울
__현재의 인공지능
__IoT 시대의 인공지능
__인공지능의 미래
[2부] 머신러닝
▣ 03장: 머신러닝 개요
__머신러닝 정의
__머신러닝의 분류
__콜레라를 멈추게 한 160년 전의 머신러닝
__진보된 머신러닝
__알파고의 학습 모델: 강화학습
__머신러닝에 필요한 사전학습
▣ 04장: 통계와 확률
__상관분석과 회귀분석
__선형 회귀
__로지스틱 회귀
__빈도론 vs. 베이지안
__현대 임상 실험 방법을 바꾼 베이지안
▣ 05장: 분류
__kNN 모델
__서포트 벡터 머신
__의사결정 트리
▣ 06장: 군집
__k-means 클러스터링
__DBSCAN 클러스터링
__계층형 군집 모델
▣ 07장: 강화학습
__강화학습 개요
__마코프 프로세스
__마코프 보상 프로세스
__마코프 디시즌 프로세스
__강화학습의 적용 사례
[3부] 딥러닝
▣ 08장: 딥러닝 개요
__딥러닝 정의
__딥러닝의 역사: 2000년대 이전
__딥러닝의 역사: 2000년대 이후
__인공지능의 핵심기술: 딥러닝의 미래
▣ 09장: 딥러닝 전쟁의 시작
__보고 싶은 영화를 로봇이 추천하는 넷플릭스
__딥러닝의 선두주자 구글
__딥러닝의 모범생 마이크로소프트
__세계 2위의 검색 서비스 바이두
__디지털 영토 확장을 위한 신무기 딥러닝: 페이스북
__스마트 기업을 지향하는 IBM
__인공지능에 소극적인 애플
__딥러닝 기술의 공백을 메워주는 스타트업들
▣ 10장: 인공신경망
__최초의 인공신경망
__단층 퍼셉트론
__다층 퍼셉트론
__피드포워드 신경망
__역전파
__경사감소법
▣ 11장: 딥러닝의 핵심기술
__컨볼루션 신경망
__심층신뢰망
__규제화
▣ 12장: 딥러닝을 위한 오픈 프레임워크
__시아노
__카페
__토치
__텐서플로우
__딥러닝포제이