알고리즘으로 배우는 인공지능, 머신러닝, 딥러닝
$36.80
SKU
9791197420672
[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 | 2023/08/28 |
| Pages/Weight/Size | 188*240*32mm |
| ISBN | 9791197420672 |
| Categories | IT 모바일 > 컴퓨터 공학 |
Description
인공지능, 머신러닝, 딥러닝을 쉽고 재미있게 배워보자!
본격적인 인공지능 시대를 준비하기 위해 이제는 인공지능 실체를 정확히 이해할 필요가 있다. 이 책에서는 ‘인공지능, 머신러닝, 딥러닝’에 관련된 모든 것을 기본개념과 그림자료를 통해 알기 쉽게 설명한다. 그리고 인공지능의 핵심을 학습이라고 정의하고, 머신러닝/딥러닝을 사전지식이 없어도 쉽게 이해할 수 있도록 zero-base에서부터 그 동작원리를 보여준다.
본격적인 인공지능 시대를 준비하기 위해 이제는 인공지능 실체를 정확히 이해할 필요가 있다. 이 책에서는 ‘인공지능, 머신러닝, 딥러닝’에 관련된 모든 것을 기본개념과 그림자료를 통해 알기 쉽게 설명한다. 그리고 인공지능의 핵심을 학습이라고 정의하고, 머신러닝/딥러닝을 사전지식이 없어도 쉽게 이해할 수 있도록 zero-base에서부터 그 동작원리를 보여준다.
Contents
01장 알파고와 알파폴드를 만든 구글 딥마인드
1.1 대한민국의 인공지능: 알파고 이전과 이후 2
1.2 낭중지추 4
1.2.1 딥마인드 창업자 데미스 하사비스 7
1.3 알파벳은 왜 바둑을 선택했나? 9
1.3.1 알파고의 학습방법 10
1.3.2 알파고의 바둑기풍 13
1.4 인공지능을 리딩하는 딥마인드 17
1.5 생명의 신비를 풀어주는 인공지능 알파폴드 20
1.5.1 알파폴드의 모델구조 22
1.5.2 알파폴드의 학습방법 24
1.5.3 알파폴드의 활용 25
02장 ChatGPT와 오픈AI
2.1 알파고 이후 인공지능 쓰나미: ChatGPT 30
2.1.1 공상과학 영화가 현실이 되다 32
2.1.2 언어모델이란? 35
2.1.3 챗GPT의 기본 모델: 트랜스포머 39
2.1.4 일반 챗봇과 챗GPT의 차이점 42
2.1.5 챗GPT는 어떻게 만들어졌나? 45
2.1.6 챗GPT 활용사례 56
2.2 오픈AI 66
2.2.1 초기 오픈AI의 인공지능 연구 69
2.2.2 오픈AI가 만든 인공지능 예술가 73
03장 인공지능
3.1 지능이란? 78
3.2 인공지능이란? 81
3.2.1 인공지능의 연구분야 84
3.3 인공지능의 역사 92
3.3.1 인공지능의 서막을 올린 앨런 튜링 94
3.3.2 최초의 인공지능 테스트: 튜링 테스트 98
3.3.3 인공지능 뇌의 진화 101
3.3.4 새로운 컴퓨팅 환경: 양자컴퓨터 109
3.3.5 최초의 인공신경망: 퍼셉트론 113
3.3.6 인공지능이라는 용어의 등장 115
3.3.7 인공지능의 위대한 도전들 117
3.3.8 첫번째 인공지능 겨울 122
3.3.9 인공지능의 재도약 124
3.3.10 인공지능의 핵심: 머신러닝 129
3.3.11 두번째 인공지능 겨울 131
3.3.12 현재의 인공지능 132
3.3.13 IoT와 인공지능: 디지털트윈 136
3.4 인공지능의 미래 143
3.4.1 특이점: 선형 대 지수 146
3.4.2 일반 인공지능 149
3.4.3 AGI로 가는 길 149
04장 인공지능의 핵심: 학습
4.1 학습: 지능의 핵심 160
4.2 모델이란? 162
4.2.1 물리모델 164
4.2.2 학습모델 165
4.2.3 추론모델 165
4.2.4 인공지능에서 모델구현의 접근방법 167
4.3 학습모델의 학습방법 168
4.4 학습모델과 머신러닝 173
4.4.1 콜레라를 멈추게 한 160년전의 머신러닝 173
4.4.2 학습모델의 특성추출 176
4.4.3 학습모델 활용의 확산 177
4.5 통계와 확률 179
4.5.1 상관분석과 회귀분석 179
4.5.2 빈도론 vs 베이지안 181
4.5.3 현대 임상실험 방법을 바꾼 베이지안 187
05장 머신러닝
5.1 머신러닝 개요 196
5.2 머신러닝과 딥러닝의 차이점 201
5.3 지도학습 208
5.3.1 지도학습의 학습방법 209
5.3.2 분류 210
5.3.3 예측/회귀 244
5.4 비지도학습 273
5.4.1 비지도학습의 학습방법 274
5.4.2 군집 276
5.3.3 차원축소 296
5.5 강화학습 308
5.5.1 강화학습의 학습방법 311
5.5.2 강화학습 모델의 구성요소 312
5.5.3 강화학습 문제정의: MDP 318
5.5.4 가치기반 강화학습 324
5.5.5 정책기반 강화학습 337
5.5.6 모델기반 강화학습 338
06장 딥러닝
6.1 딥러닝 개요 346
6.2 딥러닝의 발전과정 348
6.2.1 뉴런과 시냅스 349
6.2.2 인공신경망의 시작: TLU 350
6.2.3 기억과 학습 353
6.2.4 최초의 인공신경망 모델: 퍼셉트론 354
6.2.5 에러의 역전파 365
6.2.6 딥러닝 프레임워크 372
6.3 딥러닝의 학습절차 378
6.4 기본 신경망 모델 381
6.4.1 다층 퍼셉트론 예제 383
6.5 이미지 분석 387
6.5.1 컨볼루션 신경망 391
6.5.2 이미지 분류 397
6.5.3 이미지 객체추출 409
6.5.4 이미지 객체분할 418
6.6 순차적 데이터 분석 426
6.6.1 순환신경망 모델과 활용사례 427
6.6.2 기본적인 순환신경망 431
6.6.3 LSTM과 GRU 434
6.6.4 학습목적에 따른 순환신경망 구조 438
6.6.5 순환신경망에서의 역전파 443
6.6.6 Seq2Seq 기반의 언어모델 445
6.6.7 트랜스포머 451
6.6.8 GPT 모델과 BERT 모델 458
6.7 생성모델 462
6.7.1 오토인코더 467
6.7.2 VAE 모델 469
6.7.3 GAN 모델 474
6.7.4 Diffusion 모델 478
6.7.5 가짜와의 전쟁: DeepFake 485
심층강화학습 490
6.8.1 가치기반 심층강화학습 모델 490
6.8.2 정책기반 심층강화학습 모델 493
별첨: 인공지능, 머신러닝, 딥러닝에 사용되는 용어
1.1 대한민국의 인공지능: 알파고 이전과 이후 2
1.2 낭중지추 4
1.2.1 딥마인드 창업자 데미스 하사비스 7
1.3 알파벳은 왜 바둑을 선택했나? 9
1.3.1 알파고의 학습방법 10
1.3.2 알파고의 바둑기풍 13
1.4 인공지능을 리딩하는 딥마인드 17
1.5 생명의 신비를 풀어주는 인공지능 알파폴드 20
1.5.1 알파폴드의 모델구조 22
1.5.2 알파폴드의 학습방법 24
1.5.3 알파폴드의 활용 25
02장 ChatGPT와 오픈AI
2.1 알파고 이후 인공지능 쓰나미: ChatGPT 30
2.1.1 공상과학 영화가 현실이 되다 32
2.1.2 언어모델이란? 35
2.1.3 챗GPT의 기본 모델: 트랜스포머 39
2.1.4 일반 챗봇과 챗GPT의 차이점 42
2.1.5 챗GPT는 어떻게 만들어졌나? 45
2.1.6 챗GPT 활용사례 56
2.2 오픈AI 66
2.2.1 초기 오픈AI의 인공지능 연구 69
2.2.2 오픈AI가 만든 인공지능 예술가 73
03장 인공지능
3.1 지능이란? 78
3.2 인공지능이란? 81
3.2.1 인공지능의 연구분야 84
3.3 인공지능의 역사 92
3.3.1 인공지능의 서막을 올린 앨런 튜링 94
3.3.2 최초의 인공지능 테스트: 튜링 테스트 98
3.3.3 인공지능 뇌의 진화 101
3.3.4 새로운 컴퓨팅 환경: 양자컴퓨터 109
3.3.5 최초의 인공신경망: 퍼셉트론 113
3.3.6 인공지능이라는 용어의 등장 115
3.3.7 인공지능의 위대한 도전들 117
3.3.8 첫번째 인공지능 겨울 122
3.3.9 인공지능의 재도약 124
3.3.10 인공지능의 핵심: 머신러닝 129
3.3.11 두번째 인공지능 겨울 131
3.3.12 현재의 인공지능 132
3.3.13 IoT와 인공지능: 디지털트윈 136
3.4 인공지능의 미래 143
3.4.1 특이점: 선형 대 지수 146
3.4.2 일반 인공지능 149
3.4.3 AGI로 가는 길 149
04장 인공지능의 핵심: 학습
4.1 학습: 지능의 핵심 160
4.2 모델이란? 162
4.2.1 물리모델 164
4.2.2 학습모델 165
4.2.3 추론모델 165
4.2.4 인공지능에서 모델구현의 접근방법 167
4.3 학습모델의 학습방법 168
4.4 학습모델과 머신러닝 173
4.4.1 콜레라를 멈추게 한 160년전의 머신러닝 173
4.4.2 학습모델의 특성추출 176
4.4.3 학습모델 활용의 확산 177
4.5 통계와 확률 179
4.5.1 상관분석과 회귀분석 179
4.5.2 빈도론 vs 베이지안 181
4.5.3 현대 임상실험 방법을 바꾼 베이지안 187
05장 머신러닝
5.1 머신러닝 개요 196
5.2 머신러닝과 딥러닝의 차이점 201
5.3 지도학습 208
5.3.1 지도학습의 학습방법 209
5.3.2 분류 210
5.3.3 예측/회귀 244
5.4 비지도학습 273
5.4.1 비지도학습의 학습방법 274
5.4.2 군집 276
5.3.3 차원축소 296
5.5 강화학습 308
5.5.1 강화학습의 학습방법 311
5.5.2 강화학습 모델의 구성요소 312
5.5.3 강화학습 문제정의: MDP 318
5.5.4 가치기반 강화학습 324
5.5.5 정책기반 강화학습 337
5.5.6 모델기반 강화학습 338
06장 딥러닝
6.1 딥러닝 개요 346
6.2 딥러닝의 발전과정 348
6.2.1 뉴런과 시냅스 349
6.2.2 인공신경망의 시작: TLU 350
6.2.3 기억과 학습 353
6.2.4 최초의 인공신경망 모델: 퍼셉트론 354
6.2.5 에러의 역전파 365
6.2.6 딥러닝 프레임워크 372
6.3 딥러닝의 학습절차 378
6.4 기본 신경망 모델 381
6.4.1 다층 퍼셉트론 예제 383
6.5 이미지 분석 387
6.5.1 컨볼루션 신경망 391
6.5.2 이미지 분류 397
6.5.3 이미지 객체추출 409
6.5.4 이미지 객체분할 418
6.6 순차적 데이터 분석 426
6.6.1 순환신경망 모델과 활용사례 427
6.6.2 기본적인 순환신경망 431
6.6.3 LSTM과 GRU 434
6.6.4 학습목적에 따른 순환신경망 구조 438
6.6.5 순환신경망에서의 역전파 443
6.6.6 Seq2Seq 기반의 언어모델 445
6.6.7 트랜스포머 451
6.6.8 GPT 모델과 BERT 모델 458
6.7 생성모델 462
6.7.1 오토인코더 467
6.7.2 VAE 모델 469
6.7.3 GAN 모델 474
6.7.4 Diffusion 모델 478
6.7.5 가짜와의 전쟁: DeepFake 485
심층강화학습 490
6.8.1 가치기반 심층강화학습 모델 490
6.8.2 정책기반 심층강화학습 모델 493
별첨: 인공지능, 머신러닝, 딥러닝에 사용되는 용어