처음 배우는 인공지능 - 개발자를 위한 인공지능 알고리즘과 인프라 기초
다다 사토시 지음, 송교석 옮김 한빛미디어
- 등록일2018-09-14
- 파일포맷pdf
- 파일크기5 M
- 지원기기아이폰, 아이패드, 안드로이드, 태블릿, PC
- 평점 평점점 평가없음
책소개
머신러닝과 딥러닝 시대에 맞는 인공지능 개론
빅데이터가 축적되면서 머신러닝과 딥러닝 기술이 발전했고 개발자가 실제로 구현할 수 있는 프레임워크나 라이브러리가 등장했습니다. 전 세계 일류 IT 기업은 이러한 기술을 접목해 인공지능 서비스를 발표하고 있으며 앞으로는 더욱 향상된 인공지능 서비스가 등장할 것입니다.
이 책은 '넓게, 하지만 절대 얕지는 않게' 개발자에게 꼭 필요한 인공지능의 기초 이론을 알려주는 개론서입니다. 통계 이론, 머신러닝, 딥러닝, 신경망, 강화 학습, 자연어 처리 등 오늘날 인공지능 서비스 구축에 필요한 핵심 이론과 알고리즘을 설명합니다. 또한 분산 컴퓨팅과 사물인터넷 등 인공지능에 필요한 인프라 기초도 다루므로 분야 전체의 개념을 이해하고 싶은 사람에게 도움이 될 것입니다.
■ 출판사 서평
★ 인공지능 기술의 숲을 확인한다!
대규모 연산 처리를 통해 기계에 학습을 시킬 수 있는 개발 환경이 등장했다. 이를 이용해 프로그래머라면 누구나 인공지능 서비스를 만들 수 있게 되었다. 하지만 영어 문법을 안다고 유창한 회화를 할 수 없듯이 제대로 된 인공지능 서비스를 개발하려면 인공지능 기술에 무엇이 있고 어떤 역할을 하는지 넓고 얕게라도 알 필요가 있다.
이 책은 최근 주목받고 있는 머신러닝과 딥러닝을 중심으로 개발자가 꼭 한 번 살펴봐야 할 최신 인공지능 기술을 소개한다. 또한 한국어판에서는 선형 회귀, 신경망 만들기, K-평균, 오토인코더, 합성곱 신경망, GAN의 6개 이론을 텐서플로를 이용해 간단히 구현해서 개발자들이 참고할 수 있도록 했다. 개발자, 데이터 과학자 등 실제 인공지능 서비스를 개발하는 데 연관 있는 사람이라면 이 책을 읽은 후 앞으로 더 깊게 인공지능 분야를 배울 수 있는 시작점과 이정표를 찾을 수 있을 것이다.
★ 주요 내용
인공지능의 개념과 역사
머신러닝, 딥러닝, 강화 학습, 이미지 인식, 자연어 처리 등 주요 인공지능 이론 소개
인공지능 서비스 구축에 필요한 하드웨어/소프트웨어 기반의 분산 컴퓨팅 소개
빅데이터/사물인터넷/인공지능 사이의 연관 관계
★ 대상 독자
인공지능 서비스 개발자
빅데이터와 클라우드 컴퓨팅을 다루는 데이터 과학자와 인프라 관리자
인공지능 분야를 공부하는 대학생과 대학원생
[관련 서적] (제목 + ISBN)
● 밑바닥부터 시작하는 딥러닝 / 9788968484636
● 딥러닝 첫걸음 / 9788968487323
● 신경망 첫걸음 / 9788968483509
저자소개
대학교에서 생물학을 전공하면서 프로그래밍을 취미로 시작한 이색 개발자. 프로그래밍 지식을 살려 생물정보학 기업에 근무하면서 본격적인 인공지능 프로그래밍을 시작했다. 데이터 분석 프로그램과 웹 기반의 데이터베이스 시스템 개발에 인공지능 서비스를 도입하는 업무를 맡고 있다.
목차
Chapter 1 인공지능의 과거, 현재, 미래
__01 인공지능이란
__02 인공지능의 여명기
__03 인공지능의 발전 흐름
Chapter 2 규칙 기반 모델의 발전
__01 규칙 기반 모델
__02 지식 기반 모델
__03 전문가 시스템
__04 추천 엔진
Chapter 3 오토마톤과 인공 생명 프로그램
__01 인공 생명 시뮬레이션
__02 유한 오토마톤
__03 마르코프 모델
__04 상태 기반 에이전트
Chapter 4 가중치와 최적해 탐색
__01 선형 문제와 비선형 문제
__02 회귀분석
__03 가중 회귀분석
__04 유사도
__05 텐서플로를 이용한 선형 회귀 예제
Chapter 5 가중치와 최적화 프로그램
__01 그래프 이론
__02 그래프 탐색과 최적화
__03 유전 알고리즘
__04 신경망
__05 텐서플로를 이용한 신경망 만들기 예제
Chapter 6 통계 기반 머신러닝 1 - 확률분포와 모델링
__01 통계 모델과 확률분포
__02 베이즈 통계학과 베이즈 추론
__03 마르코프 연쇄 몬테카를로 방법
__04 은닉 마르코프 모델과 베이즈 네트워크
Chapter 7 통계 기반 머신러닝 2 - 자율 학습과 지도 학습
__01 자율 학습
__02 지도 학습
__03 텐서플로를 이용한 K-평균 예제
Chapter 8 강화 학습과 분산 인공지능
__01 앙상블 학습
__02 강화 학습
__03 전이 학습
__04 분산 인공지능
Chapter 9 딥러닝
__01 신경망의 다층화
__02 제한 볼츠만 머신
__03 심층 신경망
__04 합성곱 신경망(CNN)
__05 순환 신경망(RNN)
__06 텐서플로를 이용한 오토인코더 예제
__07 텐서플로를 이용한 합성곱 신경망 예제
Chapter 10 이미지와 음성 패턴 인식
__01 패턴 인식
__02 특징 추출 방법
__03 이미지 인식
__04 음성 인식
__05 텐서플로를 이용한 GAN 구현하기
Chapter 11 자연어 처리와 머신러닝
__01 문장 구조 이해
__02 지식 습득과 통계 의미론
__03 구조 분석
__04 텍스트 생성
Chapter 12 지식 표현과 데이터 구조
__01 데이터베이스
__02 검색
__03 의미 네트워크와 시맨틱 웹
Chapter 13 분산 컴퓨팅
__01 분산 컴퓨팅과 병렬 컴퓨팅
__02 분산 컴퓨팅 하드웨어 환경
__03 분산 컴퓨팅 소프트웨어 환경
__04 머신러닝과 딥러닝 개발 환경
Chapter 14 빅데이터와 사물인터넷의 관계
__01 빅데이터
__02 사물인터넷과 분산 인공지능
__03 뇌 기능과 로봇
__04 메타 인지
__05 일본 인공지능 기술 동향
한줄 서평
