• 컴퓨터/IT > 컴퓨터공학 > 알고리즘/자료구조

2017/7 컴퓨터/IT 23위 | 현재 컴퓨터/IT 84위 |

반디앤루니스 리뷰

머신러닝과 딥러닝 시대에 맞는 인공지능 개론
빅데이터가축적되면서머신러닝과딥러닝기술이발전했고개발자가실제로구현할수있는프레임워크나라이브러리가등장했습니다. 전세계일류 IT 기업은이러한기술을접목해인공지능서비스를발표하고있으며앞으로는더욱향상된인공지능서비스가등장할것입니다.

이 책은 ‘넓게, 하지만 절대 얕지는 않게’ 개발자에게꼭필요한인공지능의기초이론을알려주는개론서입니다. 통계이론, 머신러닝, 딥러닝, 신경망, 강화학습, 자연어처리등오늘날인공지능서비스구축에필요한핵심이론과알고리즘을설명합니다. 또한분산컴퓨팅과사물인터넷등인공지능에필요한인프라기초도다루므로분야전체의개념을이해하고싶은사람에게도움이될것입니다.

출판사 리뷰

★ 인공지능 기술의 숲을 확인한다! 대규모 연산 처리를 통해 기계에 학습을 시킬 수 있는 개발 환경이 등장했다. 이를 이용해 프로그래머라면 누구나 인공지능 서비스를 만들 수 있게 되었다. 하지만 영어 문법을 안다고 유창한 회화를 할 수 없듯이 제대로 된 인공지능 서비스를 개발하려면 인공지능 기술에 무엇이 있고 어떤 역할을 하는지 넓고 얕게라도 알 필요가 있다. 이 책은 최근 주목받고 있는 머신러닝과 딥러닝을 중심으로 개발자가 꼭 한 번 살펴봐야 할 최신 인공지능 기술을 소개한다. 또한 한국어판에서는 선형 회귀, 신경망 만들기... ★ 인공지능 기술의 숲을 확인한다! 대규모 연산 처리를 통해 기계에 학습을 시킬 수 있는 개발 환경이 등장했다. 이를 이용해 프로그래머라면 누구나 인공지능 서비스를 만들 수 있게 되었다. 하지만 영어 문법을 안다고 유창한 회화를 할 수 없듯이 제대로 된 인공지능 서비스를 개발하려면 인공지능 기술에 무엇이 있고 어떤 역할을 하는지 넓고 얕게라도 알 필요가 있다. 이 책은 최근 주목받고 있는 머신러닝과 딥러닝을 중심으로 개발자가 꼭 한 번 살펴봐야 할 최신 인공지능 기술을 소개한다. 또한 한국어판에서는 선형 회귀, 신경망 만들기, K-평균, 오토인코더, 합성곱 신경망, GAN의 6개 이론을 텐서플로를 이용해 간단히 구현해서 개발자들이 참고할 수 있도록 했다. 개발자, 데이터 과학자 등 실제 인공지능 서비스를 개발하는 데 연관 있는 사람이라면 이 책을 읽은 후 앞으로 더 깊게 인공지능 분야를 배울 수 있는 시작점과 이정표를 찾을 수 있을 것이다. ★ 주요 내용 ㆍ인공지능의 개념과 역사 ㆍ머신러닝, 딥러닝, 강화 학습, 이미지 인식, 자연어 처리 등 주요 인공지능 이론 소개 ㆍ인공지능 서비스 구축에 필요한 하드웨어/소프트웨어 기반의 분산 컴퓨팅 소개 ㆍ빅데이터/사물인터넷/인공지능 사이의 연관 관계 ★ 대상 독자 ㆍ인공지능 서비스 개발자 ㆍ빅데이터와 클라우드 컴퓨팅을 다루는 데이터 과학자와 인프라 관리자 ㆍ인공지능 분야를 공부하는 대학생과 대학원생

Chapter 1 인공지능의 과거, 현재, 미래
__01 인공지능이란
__02 인공지능의 여명기
__03 인공지능의 발전 흐름
Chapter 2 규칙 기반 모델의 발전
__01 규칙 기반 모델
__02 지식 기반 모델
__03 전문가 시스템
__04 추천 엔진
Chapter 3 오토마톤과 인공 생명 프로그램
__01 인공 생명 시뮬레이션
__02 유한 오토마톤
__03 마르코프 모델
__04 상태 기반 에이전트
Chapter 4 가중치와 최적해 탐색
__01 선형 문제와 비선형 문제
__02 회귀분석
__03 가중 회귀분석
__04 유사도
__05 텐서플로를 이용한 선형 회귀 예제
Chapter 5 가중치와 최적화 프로그램
__01 그래프 이론
__02 그래프 탐색과 최적화
__03 유전 알고리즘
__04 신경망
__05 텐서플로를 이용한 신경망 만들기 예제
Chapter 6 통계 기반 머신러닝 1 - 확률분포와 모델링
__01 통계 모델과 확률분포
__02 베이즈 통계학과 베이즈 추론
__03 마르코프 연쇄 몬테카를로 방법
__04 은닉 마르코프 모델과 베이즈 네트워크
Chapter 7 통계 기반 머신러닝 2 - 자율 학습과 지도 학습
__01 자율 학습
__02 지도 학습
__03 텐서플로를 이용한 K-평균 예제
Chapter 8 강화 학습과 분산 인공지능
__01 앙상블 학습
__02 강화 학습
__03 전이 학습
__04 분산 인공지능
Chapter 9 딥러닝
__01 신경망의 다층화
__02 제한 볼츠만 머신
__03 심층 신경망
__04 합성곱 신경망(CNN)
__05 순환 신경망(RNN)
__06 텐서플로를 이용한 오토인코더 예제
__07 텐서플로를 이용한 합성곱 신경망 예제
Chapter 10 이미지와 음성 패턴 인식
__01 패턴 인식
__02 특징 추출 방법
__03 이미지 인식
__04 음성 인식
__05 텐서플로를 이용한 GAN 구현하기
Chapter 11 자연어 처리와 머신러닝
__01 문장 구조 이해
__02 지식 습득과 통계 의미론
__03 구조 분석
__04 텍스트 생성
Chapter 12 지식 표현과 데이터 구조
__01 데이터베이스
__02 검색
__03 의미 네트워크와 시맨틱 웹
Chapter 13 분산 컴퓨팅
__01 분산 컴퓨팅과 병렬 컴퓨팅
__02 분산 컴퓨팅 하드웨어 환경
__03 분산 컴퓨팅 소프트웨어 환경
__04 머신러닝과 딥러닝 개발 환경
Chapter 14 빅데이터와 사물인터넷의 관계
__01 빅데이터
__02 사물인터넷과 분산 인공지능
__03 뇌 기능과 로봇
__04 메타 인지
__05 일본 인공지능 기술 동향