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
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
총 
바보 빅터
