김현정 (지음)
판형 : 152*224mm | 분량 : 336쪽 | 정가 : 16,000원
종이책 ISBN : 978-89-5820-742-9 (03560)
출간일 : 2021년 10월 5일
분야 : 기술과학
지금까지 인공지능이 없어도 큰 불편 없이 살아왔는데
세상이 왜 이렇게 급변하는 것일까요?
학습 알고리즘은 무엇이며, 왜 인공지능이 필요한 걸까요?
이런 다양한 궁금증을 품은 독자들을 위한 인공지능 안내서!
인공지능이 우리 사회의 중심 주제로 떠오르면서 이에 대한 이해는 이제 상식이 되었습니다. 컴퓨터를 전공하지 않은 사람들도 인공지능 공부에 관심을 갖고 열정을 보이지만, 이를 위한 첫출발이 순조롭지만은 않습니다. 인공지능 책의 복잡한 수식과 어려운 용어를 막상 접하다 보면 두려움을 갖기 쉽습니다.
인공지능을 깊이 있게 이해하기 위해서 수학이 필요한 것은 사실이지만, 이를 활용하는 입장에서 반드시 수학을 중심으로 인공지능을 공부할 필요는 없습니다. 우리 입장에서는 인공지능 기술을 활용하는 방법을 배우면 되기 때문에 수학적 배경보다는 인공지능 개념을 정확히 이해하는 것이 더 중요합니다. 이런 이유에서 수학을 최소화하고 그림을 최대로 활용한 인공 지능 입문책을 집필하기로 마음먹었습니다.
“인공지능 기술이 우리 생활에 없어서는 안 될 핵심 기술로 자리매김함에 따라 인공지능 교육에 대한 관심도 높아지고 있습니다. 정부에서는 인공지능 기술 확산에 다양한 정책을 펼치고 있고, 2025년부터 인공지능 교 육을 초중고 교육과정에 도입할 계획입니다. 이 책은 컴퓨터를 전공하지 않은 비전공자들도 활용할 수 있는 입문서로, 이론뿐만 아니라 실습을 통해 인공지능 기술을 폭넓게 공부할 수 있는 장점이 있습니다. 또한, 이 책 을 통해 인공지능 개념을 쉽게 다가갈 수 있고, 코딩을 통해 인공지능 기술을 경험할 수 있도록 구성되어 있기 때문에 인공지능 공부를 시작하는 모든 분들에게 큰 도움이 될 것입니다.“
─KAIST 전산학부 정유채 겸직 교수
저자ㅣ김현정
한국과학기술원(KAIST)에서 소프트웨어공학을 전공했고, IT 컨설팅회사에 근무하면서 다양한 소프트웨어를 현장에서 직접 경험하고 있다. 소프트웨어 분야에서 공적을 인정받아 2014년 미래창조과학부 장관상을 수상했다. ISO/IEC 국제 표준화 활동에 활발하게 참여하고 있으며, 관련 분야 전문위원으로도 활동 중이다. 10여 년 동안 아카데미와 대학교 등에서 소프트웨어 분야 강의를 하면서 IT기술을 이해하기 쉽게 설명하는 방법을 배웠고, 현장감 있는 교육을 제공하기 위해서는 흥미롭고 재미있는 이야기와 경험을 공유하는 것이 무엇보다 중요하다는 것을 깨달았다. 이에 청소년과 일반인들을 위한 재미있고 이해하기 쉬운 교양서적의 집필을 시작, 그 결실로 『그림과 이야기로 쉽게 배우는 소프트웨어와 코딩 첫걸음』, 『코딩책과 함께 보는 코딩 개념 사전』, 『코딩책과 함께 보는 소프트웨어 개념 사전』, 『엔트리 블록코딩 100제』, 『코딩책과 함께 보는 인공지능 개념 사전』 등을 펴내게 되었다.
차례
감수의 글
들어가며
PART 1 인공지능, 머신러닝 그리고 딥러닝
1장 인공지능이란
인간이 만든 지능, 인공지능 | 튜링 테스트 | 인공지능의 역사 | 강 인공지능과 약인공지능 | 인공지능, 머신러닝, 딥러닝
2장 우리 삶에서의 인공지능
스팸필터 | 알파고 | IBM 왓슨 | 챗봇과 가상비서 | 객체 인식 | 넷플릭스와 유튜브
3장 기계가 학습하는 것, 머신러닝
머신러닝 | 훈련 데이터 | 검증 데이터 | 테스트 데이터 | 지도 학습 | 비지도 학습 | 강화 학습 | 지도 학습 알고리즘
4장 뉴런으로 만든 인공신경망
퍼셉트론 | 인공신경망 | 활성화 함수 | 손실 함수 | 오차역 전파법 | 경사하강법 | 옵티마이저 | 모델 평가 | 과대적합 | 하이퍼파라미터 | 가중치 규제 | 드롭아웃 | 학습 조기 종료
5장 깊은 신경망, 딥러닝
딥러닝 | 합성곱 신경망 | 순환신경망
PART 2 딥러닝을 위한 코딩
6장 코랩 시작하기
코랩 165
7장 딥러닝 코딩 절차 이해하기
딥러닝 코딩 절차 | 필수 모듈 임포트하기 | 데이터 로딩하기 | 모델 만들기 | 모델 설정하기 | 모델 훈련하기 | 시각화하기 | 모델 평가하기 | 모델 저장하기
8장 다중클래스 분류 - 패션 이미지 분류하기
다중클래스 이해하기 | 패션MNIST 데이터 준비 | 모델 만들기 | 모델 훈련하기 | 모델 평가하기 | 이미지 분류
9장 이진분류 - 영화 리뷰 분류하기
이진분류 이해하기 | IMDB 데이터 준비 | 모델 만들기 | 모델 훈련하기 | 시각화하기
10장 회귀분석 - 자동차 연비 예측하기
회귀분석 이해하기 | 산점도 행렬 모듈 임포트 | Auto MPG 데이터 세트 다운로드 | 데이터 정제 | 훈련 데이터와 테스트 데이터 분리하기 | 데이터 정규화 | 모델 만들기 | 모델 훈련하기 | 모델 평가하기 | 예측하기
11장 과대적합 완화하기
과대적합 확인하기 | 복잡한 모델 사용하기 | 가중치 규제하기 | 드롭아웃
12장 하이퍼파라미터 튜닝
텐서보드 사용 준비하기 | 데이터 로딩하기 | 하이퍼파라미터 세팅하기 | 텐서보드 실행하기
13장 CNN을 사용한 이미지 분류
필수 모듈 임포트하기 | 데이터 로딩하기 | 데이터 개수 파악하기 | 데이터 준비하기 | 모델 만들기 | 모델 훈련하기 | 데 이터 보강하기 | 드롭아웃 | 모델 훈련하기 | 예측하기
참고문헌
찾아보기
Comments