상세정보

어려운 용어는 가능한 피하고 일러스트레이션, 연습문제, 그리고 직관적인 설명으로 기본적인 인공지능 개념을 설명한다. 독자는 단지 고등학교 수준의 대수학만 알고 있으면 된다. 기본적인 이론 외에 금융사기 감지, 예술 작품 제작, 자율주행 자동차 설정과 같은 도전적인 코딩 과제도 포함하고 있다.

딥러닝과 인공지능의 핵심 알고리즘을 그림과 개념으로 이해한다!

《쏙쏙 들어오는 인공지능 알고리즘》은 어려운 용어는 가능한 피하고 일러스트레이션, 연습문제, 그리고 직관적인 설명으로 기본적인 인공지능 개념을 설명한다. 독자는 단지 고등학교 수준의 대수학만 알고 있으면 된다. 기본적인 이론 외에 금융사기 감지, 예술 작품 제작, 자율주행 자동차 설정과 같은 도전적인 코딩 과제도 포함하고 있다.

이 책의 주요 내용
- 다양한 인공지능 알고리즘의 사용 사례
- 의사결정을 위한 지능적 검색
- 생물학적으로 영감을 받은 알고리즘
- 머신러닝 및 신경망
- 더 나은 로봇을 만들기 위한 강화학습

이 책의 대상 독자
- 인공지능을 공부하는 학생 및 1~5년차 현업 종사자
- 고등학교 수준의 대수학 및 미적분, 그리고 의사코드를 이해할 수 있는 소프트웨어 개발자

추천사
"처음부터 끝까지 인공지능 알고리즘을 배우고 이를 사용하는 이유와 방법을 상기시키는 데
도움을 주는 최고의 책"
_ 린다 리스테브스키(Linda Ristevski), 요크 지역 교육위원회

"컴퓨터 과학의 엄청나게 광범위한 영역을 다루고 현업 개발자가 이해하고 있어야 할 내용을 명확하고 철저하게 전달해 주는 책"
_ 데이비드 제이콥스(David Jacobs), 어드밴스 로컬 제품 담당

"지금까지 봤던 인공지능 알고리즘 책 중에서 가장 포괄적인 콘텐츠"
_ 카란 니(Karan Nih), 클래식 소프트웨어 솔루션

"인공지능의 작동 방식에 대한 두려움을 없애 주는 책"
_ 카일 피터슨(Kyle Peterson), 아이오와 대학교

정보제공 :

옮긴이 머리말 ix
서문 xi
감사의 글 xviii
이 책에 대하여 xix
베타리더 후기 xxii
《쏙쏙 들어오는 인공지능 알고리즘》 지도 xxiv

1장 인공지능의 직관적 이해 1
인공지능이란 무엇인가? 1
인공지능의 간략한 역사 6
문제 유형과 문제 해결 패러다임 8
인공지능 개념의 직관적 이해 10
인공지능 알고리즘의 사용 14

2장 검색의 기초 21
계획 및 검색이란? 21
계산 비용: 스마트한 알고리즘이 필요한 이유 23
검색 알고리즘을 적용할 수 있는 문제 24
상태 표현: 문제 공간과 솔루션 표현을 위한 프레임워크 생성 27
정보 없는 검색: 맹목적으로 솔루션 찾기 33
너비 우선 탐색: 깊게 보기 전에 넓게 보기 35
깊이 우선 탐색: 넓게 보기 전에 깊게 보기 43
정보 없는 검색 알고리즘 사용 사례 50
선택 사항: 그래프 유형에 대한 추가 정보 50
선택 사항: 다양한 그래프 표현 방법 52

3장 지능형 검색 55
휴리스틱 정의: 학습된 추측 설계 55
정보 있는 검색: 지침이 있는 솔루션 찾기 58
적대적 탐색: 변화하는 환경에서 솔루션 찾기 68

4장 진화 알고리즘 85
진화란 무엇인가? 85
진화 알고리즘을 적용할 수 있는 문제 88
유전 알고리즘: 수명 주기 93
솔루션 공간 인코딩 95
솔루션 모집단 생성 99
모집단 내 개체 적합도 측정 101
적합도에 따른 부모 선택 103
부모로부터 개체 복제 106
다음 세대 채우기 112
유전 알고리즘 매개변수 설정 115
진화 알고리즘 사용 사례 116

5장 고급 진화 방식 119
진화 알고리즘 수명 주기 119
다른 개체 선택 전략 121
실숫값 인코딩: 실숫값으로 작업 124
순서 인코딩: 시퀀스(sequence) 작업 128
트리 인코딩: 계층 작업 131
진화 알고리즘의 일반적인 유형 134
진화 알고리즘 용어집 135
추가적인 진화 알고리즘 사용 사례 136

6장 군집 지능: 개미 139
군집 지능이란? 139
개미 군집 최적화를 적용할 수 있는 문제 142
상태 표현: 경로와 개미는 어떤 모습일까? 145
개미 군집 최적화 알고리즘 수명 주기 149
개미 군집 최적화 알고리즘 사용 사례 169

7장 군집 지능: 입자 173
입자 군집 최적화란? 173
최적화 문제: 약간 더 기술적인 관점 175
입자 군집 최적화를 적용할 수 있는 문제 179
상태 표현: 입자는 어떤 모습일까? 181
입자 군집 최적화 수명 주기 182
입자 군집 최적화 알고리즘 사용 사례 202

8장 머신러닝 207
머신러닝이란? 207
머신러닝이 가능한 문제 209
머신러닝 작업 순서 211
의사 결정 트리를 통한 분류 236
또 다른 인기 있는 머신러닝 알고리즘 253
머신러닝 알고리즘 사용 사례 254

9장 인공 신경망 257
인공 신경망이란? 257
퍼셉트론: 뉴런의 개념적 표현 260
인공 신경망 정의 264
순전파: 훈련된 인공 신경망 사용 272
역전파: 인공 신경망 훈련 279
활성화 함수 선택 290
인공 신경망 설계 291
인공 신경망 및 사용 사례 295

10장 Q-러닝을 통한 강화학습 299
강화학습이란? 299
강화학습이 가능한 문제 303
강화학습 수명 주기 304
딥러닝 기반 강화학습 324
강화학습 사용 사례 325

찾아보기 330