• 알고리즘으로 배우는 인공지능, 머신러닝, 딥러닝 입문

  • 김의중 지음

  • 데이터 사이언스 시리즈_002
  • ISBN: 9791158390419
  • 27,000원 | 2016년 07월 13일 발행 | 352쪽



“인공지능, 넓고 깊게 그리고 쉽게 이해하기”

궁금했던 인공지능의 모든 것. 역사와 이론, 적용 사례까지 알아보는 인공지능 지침서!

1950년 영국의 수학자 앨런 튜링은 '기계는 생각할 수 있을까?'라는 화두를 던진다. 생각하는 기계 ‘튜링 머신’으로 시작된 인공지능은 그동안 한계라고 여겨졌던 수많은 난제를 극복하고 지금은 IT 산업에서 핵심 기술로 떠오르고 있다. 구글, 페이스북 그리고 IBM 등 유수한 글로벌 IT 업체들은 인공지능을 그들의 차세대 성장동력으로 지목하고 전폭적인 투자를 아끼지 않고 있다. 이 책은 인공지능에 관심이 있는 모든 독자들을 위해 검증된 역사적 사실과 연구 배경 등을 다루고 있으며, 특히 머신러닝과 딥러닝 분야의 개발자들에게는 쉽게 설명된 핵심 이론과 함께 적용사례별 간단한 알고리즘 등을 보여준다.

★ 이 책에서 다루는 내용 ★

  • 인공지능의 개념과 발전사
  • 머신러닝 기본 개념 및 적용 사례
  • 지도학습 이론과 알고리즘: kNN, 서포트 벡터 머신, 의사결정 트리
  • 비지도학습 이론과 알고리즘: k-means, DBSCAN, 계층형 군집
  • 강화학습 개념 및 적용 사례: 마코프 디시즌 프로세스
  • 딥러닝을 핵심 역량으로 키우는 글로벌 기업 분석
  • 딥러닝 기본이론과 알고리즘: 단층/다층 퍼셉트론, 역전파 이론, 경사감소법
  • 딥러닝 핵심 알고리즘: 컨볼루션 신경망, 심층신뢰망, 제한된 볼츠만 머신, 규제화

 

추천사

“인공지능은 지금 실리콘밸리에서 가장 뜨거운 주제다. 인공지능에 관심 있는 독자들이 이 책을 통해 조금 더 인공지능과 가까워질 수 있기를 기대한다.” -- 스카이마인드 CEO, 크리스 니콜슨

"최근 딥러닝은 개념 수준에서 상품화 단계로 빠르게 이동 중이다. 이 책은 수학 이론과 알고리즘 그리고 실무적인 관점에서 균형 있게 딥러닝을 소개하고 있다." -- 스카이마인드 CTO, 애덤 깁슨

이 책은 크게 인공지능의 역사와 현황, 인공지능의 핵심 영역인 머신러닝과 딥러닝을 다룬다. 특히 머신러닝과 딥러닝에서는 대표적인 학습 모델의 개념을 이론적으로 설명하고 간단한 알고리즘을 통해 구현 방법을 제시한다. 역사적 주요 사건은 물론 알려지지 않은 사소한 일들도 인공지능에 관심이 있는 모든 독자들이 궁금해 할 수 있는 것이라면 검증된 사실을 기반으로 주의 깊게 다루었다. 또한 책 내용의 전개상 불가피하게 표현되는 이론이나 추상적인 개념은 가능하면 여러가지 예를 들어 이해하기 쉽게 설명했다. 인공지능을 전문적으로 연구하지 않는 독자는 1부 인공지능과 2부 머신러닝 개요, 3부 딥러닝 개요 정도를 추천하며 세부적인 이론과 알고리즘까지 관심이 있다면 나머지 내용까지 따라가 보는 것도 좋다.

천릿길도 한 걸음부터! 이 책은 인공지능, 머신러닝, 딥러닝의 초보자에게 권하는 입문서로서 인공지능이라는 전체 숲을 보는 데 도움될 것으로 기대한다. 다행히도 숲을 보는 데 문제가 없다면 각자 원하는 곳으로 가서 나무를 베고 멋진 집을 지을 수 있을 것이다

-- 저자 서문 중에서

김의중

서울대학교를 졸업하고 시스템공학연구소(현 전자통신연구소)에서 병렬 컴퓨팅 버전의 범용 수치해석 프로그램 개발에 주도적으로 참여했다. 시스템공학연구소를 퇴사하고 카네기멜론 대학교에서 최적화 분야 병렬 컴퓨팅 알고리즘으로 컴퓨터공학 박사학위를 받았다. 박사후과정으로 카네기멜론 대학교에서 미국 국립과학재단 그랜드 챌린지 과제인 ‘Quake’ 프로젝트에서 핵심 연구원으로 참여하면서 미국 캘리포니아 부근에서 실제 일어난 지진을 수치해석으로 비교하는 연구를 진행했다. 이 연구에서 당시 최대 미지수를 가지는 문제를 3000대 서버가 연결된 세계 2위 슈퍼컴퓨터에서 분석한 후 가장 정확한 결과를 예측한 논문을 발표했다. 이 연구의 공로로 2003년 슈퍼컴퓨터 분야의 오스카상인 고든벨 어워드(Gordon Bell Awards)를 수상했다. 이후 듀크 대학교에서 리서치 펠로우를 역임하면서 듀크 대학교 내 확장형 분산 컴퓨팅 시스템 구축과 미국 샌디아 국립 연구소와 공동으로 공학분야의 대규모 시뮬레이션 프로젝트를 수행했다. 한국에서는 10여 년 동안 IT 기업에서 수석연구원 및 CTO로 근무하다가 최근 실리콘밸리의 인공지능 업체와 공동으로 설립한 스타트업 아이덴티파이(aidentify)의 대표를 맡고 있다.

  • [1부] 인공지능
    • ▣ 01장: 알파고와 구글 딥마인드
      • 낭중지추
      • 딥마인드 창업자이자 CEO 데미스 하사비스
      • 인간과의 마지막 게임
    •  
    • ▣ 02장: 인공지능의 역사
      • 인공지능이란?
      • 인공지능의 서막을 올린 앨런 튜링
      • 인공 지능 검사: 튜링 테스트
      • 인공지능 뇌의 진화
      • 최초의 인공신경망: 퍼셉트론
      • 인공지능 용어의 등장
      • 인공지능의 위대한 도전들
      • 인공지능의 첫 번째 겨울
      • 인공지능의 재도약
      • 인공지능에서 파생된 머신러닝
      • 두 번째 인공지능의 겨울
      • 현재의 인공지능
      • IoT 시대의 인공지능
      • 인공지능의 미래
    •  
  • [2부] 머신러닝
    • ▣ 03장: 머신러닝 개요
      • 머신러닝 정의
      • 머신러닝의 분류
      • 콜레라를 멈추게 한 160년 전의 머신러닝
      • 진보된 머신러닝
      • 알파고의 학습 모델: 강화학습
      • 머신러닝에 필요한 사전학습
    •  
    • ▣ 04장: 통계와 확률
      • 상관분석과 회귀분석
      • 선형 회귀
      • 로지스틱 회귀
      • 빈도론 vs. 베이지안
      • 현대 임상 실험 방법을 바꾼 베이지안
    •  
    • ▣ 05장: 분류
      • kNN 모델
      • 서포트 벡터 머신
      • 의사결정 트리
    •  
    • ▣ 06장: 군집
      • k-means 클러스터링
      • DBSCAN 클러스터링
      • 계층형 군집 모델
    •  
    • ▣ 07장: 강화학습
      • 강화학습 개요
      • 마코프 프로세스
      • 마코프 보상 프로세스
      • 마코프 디시즌 프로세스
      • 강화학습의 적용 사례
    •  
  • [3부] 딥러닝
    • ▣ 08장: 딥러닝 개요
      • 딥러닝 정의
      • 딥러닝의 역사: 2000년대 이전
      • 딥러닝의 역사: 2000년대 이후
      • 인공지능의 핵심기술: 딥러닝의 미래
    •  
    • ▣ 09장: 딥러닝 전쟁의 시작
      • 보고 싶은 영화를 로봇이 추천하는 넷플릭스
      • 딥러닝의 선두주자 구글
      • 딥러닝의 모범생 마이크로소프트
      • 세계 2위의 검색 서비스 바이두
      • 디지털 영토 확장을 위한 신무기 딥러닝: 페이스북
      • 스마트 기업을 지향하는 IBM
      • 인공지능에 소극적인 애플
      • 딥러닝 기술의 공백을 메워주는 스타트업들
    •  
    • ▣ 10장: 인공신경망
      • 최초의 인공신경망
      • 단층 퍼셉트론
      • 다층 퍼셉트론
      • 피드포워드 신경망
      • 역전파
      • 경사감소법
    •  
    • ▣ 11장: 딥러닝의 핵심기술
      • 컨볼루션 신경망
      • 심층신뢰망
      • 규제화
    •  
    • ▣ 12장: 딥러닝을 위한 오픈 프레임워크
      • 시아노
      • 카페
      • 토치
      • 텐서플로우
      • 딥러닝포제이

1쇄

  • 33쪽, 그림 2.2 캡션

    영국의 수()학자인 --> 영국의 수학자

  • 142쪽, 3번째 줄 날씨 후보 속성

    |S맑음|, |S맑음|, |S맑음| --> |S맑음|, |S흐림|, |S|

  • 261쪽, 본문 중간 박스 6번째 줄

    뉴런 j에서 활성화 후 입력값 --> 뉴런 i에서 활성화 후 출력값


2쇄

  • 125쪽, 3번째 줄

    19와 71 사이에서 --> 7과 57 사이에서

  • 125쪽, 그림 5.4 설명

    (노멀피팅 영역 19 ≤ k ≤ 71) --> (노멀피팅 영역 7 < k < 57)

그림 5.4


3쇄

  • 180쪽, 그림 7.5는 다음 그림으로 교체

그림 7.5

그림 7-5 오류는 저자와 관계없는, 편집 작업 시 발생한 오류입니다.

  • 183쪽, 하단의 정책행렬함수/보상벡터는 다음 내용으로 교체

정책함수행렬

보상벡터

183쪽 오류는 저자와 관계없는, 편집 작업 시 발생한 오류입니다.

관련 글


엮인 글

엮인 글 주소: http://wikibook.co.kr/ai-by-algorithm/trackback/