머신러닝과 딥러닝 시대에 맞는 인공지능 개론 빅데이터가 축적되면서 머신러닝과 딥러닝 기술이 발전했고 개발자가 실제로 구현할 수 있는 프레임워크나 라이브러리가 등장했다. 전 세계 일류 IT 기업은 이러한 기술을 접목해 인공지능 서비스를 발표하고 있으며 앞으로는 더욱 향상된 인공지능 서비스가 등장할 것이다. 『처음 배우는 인공지능』은 ‘넓게, 하지만 절대 얕지는 않게’ 개발자에게 꼭 필요한 인공지능의 기초 이론을 알려주는 개론서다. 통계 이론, 머신러닝, 딥러닝, 신경망, 강화 학습, 자연어 처리 등 오늘날 인공지능 서비스 구축에 필요한 핵심 이론과 알고리즘을 설명한다. 또한 분산 컴퓨팅과 사물인터넷 등 인공지능에 필요한 인프라 기초도 다루므로 분야 전체의 개념을 이해하고 싶은 사람에게 도움이 될 것이다.

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