• 컴퓨터/IT > 컴퓨터공학 > 알고리즘/자료구조

출판사 리뷰

▲ 이런 분들에게 추천 ◎ 초급 프로그래머와 소프트웨어 초급 개발자 ◎ 정보 시스템의 학부·학과 학생 ○ 인공지능에 대한 포괄적인 지식을 원하는 직장인 ○ 향후 인공지능에 관련된 일에 종사하고 싶은 고등학생

제1장 인공지능이란
1.1 인공지능의 개요
1.1.1 인공지능의 위치
1.1.2 인공지능과 인접한 학문 분야
1.2 인공지능 분야의 다양한 영역
1.2.1 머신러닝
1.2.2 진화연산
1.2.3 떼지능
1.2.4 자연어처리
1.2.5 이미지 인식
1.2.6 에이전트
1.3 생활 속 인공지능 기술
1.4 산업에 응용되는 인공지능
1.5 인공지능의 정의
1.5.1 인공지능에 대한 두 가지 입장
1.5.2 왜 인공지능 기술이 주목받는 것일까

제2장 인공지능 연구의 역사
2.1 [1940년~] 컴퓨터 과학의 시작
2.1.1 존 포 노이만과 셀룰러 오토마톤
2.1.2 튜링 테스트
2.2 [1956년] 다트머스 회의에서 인공지능 분야의 확립
2.3 [1960년~] 자연어처리 시스템
2.3.1 1965년: 요제프 바이첸바움의 ELIZA
2.3.2 1971년: 테리 위노그래드의 블록 세계(SHRDLU)
2.4 [1970년~] 전문가 시스템
2.5 [1960년~] 퍼셉트론과 오차역전파법
2.5.1 인공 신경망의 탄생
2.5.2 퍼셉트론
2.5.3 오차역전파법
2.6 [1950년~] 체스, 체커, 바둑 대전 프로그램
2.6.1 1950년~ : 체커 게임 프로그램
2.6.2 1990년~ : 체스 게임 프로그램
2.6.3 2010년~ : 바둑 프로그램
2.7 [2010년~] 딥러닝의 발견, 빅데이터 시대의 도래
2.7.1 딥러닝으로 이미지 인식 분야의 돌파구 마련
2.7.2 딥러닝과 빅데이터
2.8 과거의 인공지능 시스템 - 컴파일러, 한자 변환
2.8.1 컴파일러
2.8.2 한자 변환
2.9 인공지능에 적합한 프로그래밍 언어의 변천
2.9.1 LISP
2.9.2 프롤로그(Prolog)
2.9.3 파이썬(Python)

제3장 머신러닝
3.1 머신러닝의 원리
3.1.1 머신러닝이란
3.1.2 오컴의 면도날 법칙과 노 프리 런치 정리
3.1.3 다양한 머신러닝
3.2 머신러닝 학습 방법
3.2.1 지도학습, 비지도학습 및 강화학습
3.2.2 학습 데이터세트와 검증 데이터세트
3.2.3 일반화와 과적합
3.2.4 앙상블 학습
3.3 K-인집기법
3.4 결정트리와 랜덤 포레스트
3.4.1 결정트리
3.4.2 랜덤 포레스트
3.5 서포트 벡터 머신(SVM)

제4장 지식표현과 추론
4.1 지식표현
4.1.1 지식표현이란
4.1.2 의미 네트워크
4.1.3 프레임
4.1.4 생성 규칙과 생성 시스템
4.1.5 술어를 이용한 지식표현
4.1.6 개방 세계 가정과 폐쇄 세계 가정
4.2 전문가 시스템
4.2.1 전문가 시스템의 구성
4.2.2 전문가 시스템의 구현

제5장 신경망
5.1 계층형 신경망
5.1.1 인공 신경망이란
5.1.2 인공 뉴런
5.1.3 퍼셉트론
5.1.4 계층형 신경망과 오차역전파법
5.1.5 순환 신경망
5.2 다양한 신경망
5.2.1 홉필드 네트워크와 볼츠만 머신
5.2.2 자기조직화지도

제6장 딥러닝
6.1 딥러닝이란
6.2 합성곱 신경망
6.3 자기부호화기
6.4 LSTM
6.5 생성적 대립 신경망(GAN)

제7장 진화연산과 떼지능
7.1 진화연산
7.1.1 생물진화와 진화연산
7.1.2 유전자 알고리즘과 유전 프로그래밍
7.2 떼지능
7.2.1 입자군집 최적화
7.2.2 개미집단 최적화
7.2.3 물고기 떼의 행동형태 알고리즘

제8장 자연어처리
8.1 종래형 자연어처리
8.1.1 자연어처리의 계층
8.1.2 형태소 분석
8.1.3 구문 분석
8.1.4 의미 분석
8.1.5 통계적 자연어처리
8.1.6 기계번역
8.2 머신러닝을 이용한 자연어처리
8.2.1 머신러닝과 자연어처리
8.2.2 Word2vec
8.3 음성인식
8.3.1 음성의 인식
8.3.2 음성응답 시스템

제9장 이미지 인식
9.1 이미지 인식
9.1.1 이미지 인식의 기초
9.1.2 이미지 특징 추출
9.1.3 템플릿 매칭
9.2 이미지 인식기술의 응용
9.2.1 문자인식
9.2.2 얼굴인식
9.2.3 유사 이미지 검색

제10장 에이전트와 강화학습
10.1 소프트웨어 에이전트
10.1.1 소프트웨어와 셀룰러 오토마톤
10.1.2 소프트웨어 에이전트
10.2 실체가 있는 에이전트
10.2.1 로봇공학
10.2.2 로봇의 신체성(인지과학)
10.3 에이전트와 강화학습
10.3.1 에이전트와 머신러닝
10.3.2 Q학습

제11장 인공지능과 게임
11.1 체스와 체커
11.1.1 초기 게임 연구의 성과 - 탐색과 휴리스틱에 기초를 둔 방법
11.1.2 딥블루(Deep Blue)
11.2 바둑과 장기
11.2.1 알파고 이전의 AI 바둑 플레이어
11.2.2 알파고, 알파고 제로, 알파 제로
11.2.3 장기와 딥러닝
11.3 장기와 딥러닝
11.3.1 왓슨(Watson) 프로젝트
11.3.2 컴퓨터 게임에 응용되는 인공지능

제12장 인공지능은 어디로 향하는가
12.1 중국어 방 - 강한 AI와 약한 AI
12.2 프레임 문제
12.3 심벌 그라운딩 문제
12.4 싱귤래리티