세상이 변화하고 시대가 발전하고 기술이 진보하면서, 낯설고 멀게만 느껴졌던 인공지능과 머신러닝은 나와 가장 친숙한 일상 곳곳에 자리잡게 되었습니다. 교육, 금융, 가전, 산업, 식품 등 기술과는 전혀 관련이 없어 보였던 많은 분야에 인공지능과 머신러닝이 접목되기 시작하면서, 살면서 내가 전혀 접할 일이 없다고 생각했던 기술 서적을 읽거나 살면서 내가 전혀 쓸 일이 없다고 생각했던 기술적인 보고서나 논문을 써야 하는 일들을 처음 겪게 되신 분들도 그 변화의 속도만큼 많아졌을 것이라고 생각합니다.
필자는 문과 출신으로 경제학을 전공하였으나 이공계로의 직무 전환을 통해 개발자가 되었고, 삼성전자에서 2년 넘게 빅스비 엔진을 개발하는 시스템 개발자로 근무한 바 있습니다. 필자 스스로가 코딩의 C도 모르는 바로 그 뼛속까지 문과생이었던 사람이었기에, 대부분의 문과생 분들이 기술적인 내용을 공부하는 과정에서 대충 무슨 의미인지 전체적인 감은 오지만 명쾌하게 이해되지 않아서 답답한 그 기분을 누구보다 잘 알고 있기에, 인공지능과 머신러닝을 힘겹게 공부하고 있는 비전공자 분들께 도움을 드리고자 이 책을 집필하게 되었습니다.
이 책은 이해와 설명의 효율을 극대화하고자, 수식의 사용을 최대한 지양하고 누구든지 일상에서 친숙하게 접할 수 있는 사례를 비유적으로 제시하여 이야기처럼 풀어서 머신러닝을 설명하는 데 그 목적을 두었습니다. 이 책이 어쩔 수 없이 머신러닝을 공부해야만 하는 상황에 놓인 수많은 문과생 분들의 기술에 대한 심리적 장벽을 조금이라도 낮출 수 있기를 진심으로 바랍니다.
4. 딥러닝의 이해
4.1. 알고리즘의 개념
4.2. 딥러닝의 개념
4.3. 딥러닝의 예시: 과자 공장
4.4. 딥러닝의 강점: 비정형 데이터 분석
5. 자연어 처리
5.1. 자연어의 개념
5.2. 자연어 처리의 개념
5.3. 자연어 처리의 활용 분야
6. 주요 알고리즘의 이해 (1): 최단 경로 찾기
6.1. 탐욕 알고리즘
6.2. 다익스트라 알고리즘
7. 주요 알고리즘의 이해 (2): 분류 분석
7.1. 분류 분석의 특성
7.2. 나이브 베이지안
7.3. 의사 결정 나무
7.4 랜덤 포레스트
7.5 K-최근접 이웃
7.6 서포트 벡터 머신
8. 주요 알고리즘의 이해 (3): 군집 분석
8.1. 군집 분석의 특성
8.2. 군집 분석의 두 가지 방법
8.3. 계층적 군집 분석
8.4. 비계층적 군집 분석
9. 강화 학습의 이해
9.1. 강화 학습의 개념
9.2. 강화 학습의 예시
9.3. 마르코프 결정 과정
Author
이승도
- 서울대 경제학부 우등졸업(Cum laude)
- 국내 대기업 및 대표 공기업/공공기관 다수 면접경험
- 금융공기업, 증권사, 은행 면접경험
- 삼성전자 개발팀 Software Engineer 근무(2015.1~2017.8.)
- 준공공기관 개발팀 근무(현직, 2018.1~)
- 서울대 경제학부 우등졸업(Cum laude)
- 국내 대기업 및 대표 공기업/공공기관 다수 면접경험
- 금융공기업, 증권사, 은행 면접경험
- 삼성전자 개발팀 Software Engineer 근무(2015.1~2017.8.)
- 준공공기관 개발팀 근무(현직, 2018.1~)