인공지능 개론
$20.70
SKU
9791172240653
[Free shipping over $100]
Standard Shipping estimated by Fri 12/6 - Thu 12/12 (주문일로부 10-14 영업일)
Express Shipping estimated by Tue 12/3 - Thu 12/5 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2024/04/16 |
| Pages/Weight/Size | 182*257*17mm |
| ISBN | 9791172240653 |
| Categories | IT 모바일 > 컴퓨터 공학 |
Description
일하고 배우며, 쇼핑하는 방식을 송두리째 바꾸며
SF 영화 속 세상을 현실로 만들 인공지능
개념부터 응용 분야까지
30년 경력 전문가가 알려주는 인공지능의 모든 것
최근 인공지능의 최대 관심사는 혁신을 위한 다양한 산업과의 융합이다. 그렇기에 인공지능의 대표적 분야인 자연어 처리와 컴퓨터 비전의 개념을 설명함으로써 인공지능에 대한 장벽을 보다 쉽게 허물고자 한다. 이들 분야에서 사용하는 대표적인 딥러닝 알고리즘으로 순환신경망(RNN), 트랜스포머, 합성곱신경망(CNN), 생성형 적대 신경망(GAN)과 욜로(Yolo)에 대한 설명과 예제를 제공하여 이해를 돕는다.
이 책은 인공지능의 기초 개념부터 응용 분야까지 폭넓게 다루는 개론서이다. 인공지능의 역사를 소개하고, 인공지능 개론에서 가장 기본적인 기계학습과 딥러닝에 대한 기초 개념의 이해를 바탕으로 로지스틱회귀, 결정트리, 서포트 벡터 머신 등 다양한 기계학습 방법을 설명과 함께 직접 경험할 수 있는 풍부한 예제를 제공한다. 인공지능에 대하여 기초지식을 쌓고 싶은 사람과 응용 분야에 관심이 있는 도메인 전문가에게 유익한 정보를 제공할 것이다. 또한, 독자들이 인공지능에 대한 지식과 기술을 알고자 할 때, 충실한 안내서가 되어 주기를 기대해 본다.
SF 영화 속 세상을 현실로 만들 인공지능
개념부터 응용 분야까지
30년 경력 전문가가 알려주는 인공지능의 모든 것
최근 인공지능의 최대 관심사는 혁신을 위한 다양한 산업과의 융합이다. 그렇기에 인공지능의 대표적 분야인 자연어 처리와 컴퓨터 비전의 개념을 설명함으로써 인공지능에 대한 장벽을 보다 쉽게 허물고자 한다. 이들 분야에서 사용하는 대표적인 딥러닝 알고리즘으로 순환신경망(RNN), 트랜스포머, 합성곱신경망(CNN), 생성형 적대 신경망(GAN)과 욜로(Yolo)에 대한 설명과 예제를 제공하여 이해를 돕는다.
이 책은 인공지능의 기초 개념부터 응용 분야까지 폭넓게 다루는 개론서이다. 인공지능의 역사를 소개하고, 인공지능 개론에서 가장 기본적인 기계학습과 딥러닝에 대한 기초 개념의 이해를 바탕으로 로지스틱회귀, 결정트리, 서포트 벡터 머신 등 다양한 기계학습 방법을 설명과 함께 직접 경험할 수 있는 풍부한 예제를 제공한다. 인공지능에 대하여 기초지식을 쌓고 싶은 사람과 응용 분야에 관심이 있는 도메인 전문가에게 유익한 정보를 제공할 것이다. 또한, 독자들이 인공지능에 대한 지식과 기술을 알고자 할 때, 충실한 안내서가 되어 주기를 기대해 본다.
Contents
머리말
1장 인공지능 개요
1. 인공지능 역사
1-1. 인공지능의 탄생
1-2. 인공지능의 발전
1-3. 인공지능 트렌드
2. 인공지능의 개념
2-1. 인공지능(Artificial Intelligence)
2-2. 기계학습(Machine Learning)
2-3. 딥러닝(Deep Learning)
3. 인공지능의 분류
3-1. 기술적 관점
3-2. 구현 방식에 따른 관점
4. 인공지능 개발 환경
2장 기계학습
1. 기계학습 개요
2. 기계학습 과정
2-1. 데이터 수집
2-2. 데이터 전처리
2-3. 데이터 가공
2-4. 학습 모델 선택과 모델 훈련
3장 딥러닝과 인공 신경망
1. 인공 신경망 개요
1-1. 뉴런 및 신경망 구조
1-2. 가중치와 편향
1-3. 활성화 함수
1-4. 학습 알고리즘
1-5. 손실 함수
1-6. 신경망 종류
2. 퍼셉트론
2-1. 퍼셉트론: AND 문제
2-2. 퍼셉트론: AND 문제 해결 과정
3. 심층 신경망 - 딥러닝
4. CNN(Convolutional Neural Network, 합성곱 신경망)
5. RNN(Recurrent Neural Network, 순환 신경망)
6. 트랜스포머(Transformer)
7. 욜로(Yolo)
4장 자연어 처리(Natural Language Processing)
1. 자연어 처리 개요
1-1. 자연어 이해(NLU, Natural Language Understanding)
1-2. 자연어 생성(NLG, Natural Language Generation)
1-3. 형태소 분석
1-4. 표제어 추출
1-5. 구문 분석
1-6. 기계 번역
2. 자연어 이해(Natural Language Understanding)
2-1. 형태소 분석
2-2. 표제어 추출
2-3. 구분 분석
3. 자연어 생성(Natural Language Generating)
3-1. 자연어 생성 방법
3-2. 자연어 생성 과정
4. 자연어 번역
4-1. 번역 모델
5장 컴퓨터 비전
1. 컴퓨터 비전 개요
2. 컴퓨터 비전의 발전 과정
3. 이미지 처리
3-1. 이미지 처리 과정
3-2. 이미지 처리 분야
4. 객체 인식
4-1. 데이터 가공을 위한 이미지 라벨링 종류
5. 이미지 생성
5-1. 생성형 적대 신경망(GAN, Generative Adversarial Network)
5-2. VAE(Variational Auto Encoder)
5-3. 뉴럴 변환(Neural Style Transfer)
5-4. 슈퍼 레졸루션(Super Resolution)
6장 대표적인 기계학습 라이브러리
1. 사이킷 런(Scikit-Learn)
1-1. 사이킷 런의 대표적인 특징
1-2. 사이킷 런의 설치와 사용
2. 케라스(Keras)
2-1. 케라스의 대표적인 특징
2-2. 케라스의 설치와 사용
3. 텐서플로(TensorFlow)
3-1. 텐서플로의 대표적인 특징
3-2. 텐서플로의 설치와 사용
4. 파이토치(PyTorch)
4-1. 파이토치의 특징
4-2. 파이토치의 설치와 사용
참고 자료
1장 인공지능 개요
1. 인공지능 역사
1-1. 인공지능의 탄생
1-2. 인공지능의 발전
1-3. 인공지능 트렌드
2. 인공지능의 개념
2-1. 인공지능(Artificial Intelligence)
2-2. 기계학습(Machine Learning)
2-3. 딥러닝(Deep Learning)
3. 인공지능의 분류
3-1. 기술적 관점
3-2. 구현 방식에 따른 관점
4. 인공지능 개발 환경
2장 기계학습
1. 기계학습 개요
2. 기계학습 과정
2-1. 데이터 수집
2-2. 데이터 전처리
2-3. 데이터 가공
2-4. 학습 모델 선택과 모델 훈련
3장 딥러닝과 인공 신경망
1. 인공 신경망 개요
1-1. 뉴런 및 신경망 구조
1-2. 가중치와 편향
1-3. 활성화 함수
1-4. 학습 알고리즘
1-5. 손실 함수
1-6. 신경망 종류
2. 퍼셉트론
2-1. 퍼셉트론: AND 문제
2-2. 퍼셉트론: AND 문제 해결 과정
3. 심층 신경망 - 딥러닝
4. CNN(Convolutional Neural Network, 합성곱 신경망)
5. RNN(Recurrent Neural Network, 순환 신경망)
6. 트랜스포머(Transformer)
7. 욜로(Yolo)
4장 자연어 처리(Natural Language Processing)
1. 자연어 처리 개요
1-1. 자연어 이해(NLU, Natural Language Understanding)
1-2. 자연어 생성(NLG, Natural Language Generation)
1-3. 형태소 분석
1-4. 표제어 추출
1-5. 구문 분석
1-6. 기계 번역
2. 자연어 이해(Natural Language Understanding)
2-1. 형태소 분석
2-2. 표제어 추출
2-3. 구분 분석
3. 자연어 생성(Natural Language Generating)
3-1. 자연어 생성 방법
3-2. 자연어 생성 과정
4. 자연어 번역
4-1. 번역 모델
5장 컴퓨터 비전
1. 컴퓨터 비전 개요
2. 컴퓨터 비전의 발전 과정
3. 이미지 처리
3-1. 이미지 처리 과정
3-2. 이미지 처리 분야
4. 객체 인식
4-1. 데이터 가공을 위한 이미지 라벨링 종류
5. 이미지 생성
5-1. 생성형 적대 신경망(GAN, Generative Adversarial Network)
5-2. VAE(Variational Auto Encoder)
5-3. 뉴럴 변환(Neural Style Transfer)
5-4. 슈퍼 레졸루션(Super Resolution)
6장 대표적인 기계학습 라이브러리
1. 사이킷 런(Scikit-Learn)
1-1. 사이킷 런의 대표적인 특징
1-2. 사이킷 런의 설치와 사용
2. 케라스(Keras)
2-1. 케라스의 대표적인 특징
2-2. 케라스의 설치와 사용
3. 텐서플로(TensorFlow)
3-1. 텐서플로의 대표적인 특징
3-2. 텐서플로의 설치와 사용
4. 파이토치(PyTorch)
4-1. 파이토치의 특징
4-2. 파이토치의 설치와 사용
참고 자료