상세정보

최근 주목받고 있는 머신러닝과 딥러닝을 중심으로 개발자에게 꼭 필요한 인공지능의 기초 이론을 알려주는 개론서이다. 통계 이론, 머신러닝, 딥러닝, 신경망, 강화 학습, 자연어 처리 등 오늘날 인공지능 서비스 구축에 필요한 핵심 이론과 알고리즘을 설명한다. 분산 컴퓨팅과 사물인터넷 등 인공지능에 필요한 인프라 기초도 다루고 있다.

한국어판에서는 선형 회귀, 신경망 만들기, K-평균, 오토인코더, 합성곱 신경망, GAN의 6개 이론을 텐서플로를 이용해 간단히 구현해 개발자들이 참고할 수 있도록 했다. 인공지능 서비스 개발자나 빅데이터와 클라우드 컴퓨팅을 다루는 데이터 과학자와 인프라 관리자, 인공지능 분야를 공부하는 대학생과 대학원생에게 적합하다.

머신러닝과 딥러닝 시대에 맞는 인공지능 개론
빅데이터가 축적되면서 머신러닝과 딥러닝 기술이 발전했고 개발자가 실제로 구현할 수 있는 프레임워크나 라이브러리가 등장했습니다. 전 세계 일류 IT 기업은 이러한 기술을 접목해 인공지능 서비스를 발표하고 있으며 앞으로는 더욱 향상된 인공지능 서비스가 등장할 것입니다.

이 책은 '넓게, 하지만 절대 얕지는 않게' 개발자에게 꼭 필요한 인공지능의 기초 이론을 알려주는 개론서입니다. 통계 이론, 머신러닝, 딥러닝, 신경망, 강화 학습, 자연어 처리 등 오늘날 인공지능 서비스 구축에 필요한 핵심 이론과 알고리즘을 설명합니다. 또한 분산 컴퓨팅과 사물인터넷 등 인공지능에 필요한 인프라 기초도 다루므로 분야 전체의 개념을 이해하고 싶은 사람에게 도움이 될 것입니다.

■ 출판사 서평
★ 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
인공지능의 개념과 역사
머신러닝, 딥러닝, 강화 학습, 이미지 인식, 자연어 처리 등 주요 인공지능 이론 소개
인공지능 서비스 구축에 필요한 하드웨어/소프트웨어 기반의 분산 컴퓨팅 소개
빅데이터/사물인터넷/인공지능 사이의 연관 관계

★ 대상 독자
인공지능 서비스 개발자
빅데이터와 클라우드 컴퓨팅을 다루는 데이터 과학자와 인프라 관리자
인공지능 분야를 공부하는 대학생과 대학원생

[관련 서적] (제목 + ISBN)
● 밑바닥부터 시작하는 딥러닝 / 9788968484636
● 딥러닝 첫걸음 / 9788968487323
● 신경망 첫걸음 / 9788968483509

정보제공 :

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