인공지능 개론 : 디지털 전환을 위한 인공지능 입문서

곽종호

저자:곽종호
1963년대전에서태어났다.
서강대학교전자계산학과를졸업하고,한국휴렛팩커드에서27년간근무했다.
인공지능스타트업에서데이터바우처사업을관리하면서인공지능관련기술을습득하였다.
한국휴렛팩커드교육센터와한국생산성본부에서인공지능기초강의를하였다.
지금은프리랜서로인공지능을이용하여디지털전환을추진하는기업을대상으로인공지능개론교육을하고있으며,인공지능이학습하여추론을하는과정에대한이해를돕기위해랩톱컴퓨터에서실행가능한예제코드를시험하고있다.
이메일:jongho.kwak98@daum.net

머리말

1장인공지능개요
1.인공지능역사
1-1.인공지능의탄생
1-2.인공지능의발전
1-3.인공지능트렌드
2.인공지능의개념
2-1.인공지능(ArtificialIntelligence)
2-2.기계학습(MachineLearning)
2-3.딥러닝(DeepLearning)
3.인공지능의분류
3-1.기술적관점
3-2.구현방식에따른관점
4.인공지능개발환경

2장기계학습
1.기계학습개요
2.기계학습과정
2-1.데이터수집
2-2.데이터전처리
2-3.데이터가공
2-4.학습모델선택과모델훈련

3장딥러닝과인공신경망
1.인공신경망개요
1-1.뉴런및신경망구조
1-2.가중치와편향
1-3.활성화함수
1-4.학습알고리즘
1-5.손실함수
1-6.신경망종류
2.퍼셉트론
2-1.퍼셉트론:AND문제
2-2.퍼셉트론:AND문제해결과정
3.심층신경망-딥러닝
4.CNN(ConvolutionalNeuralNetwork,합성곱신경망)
5.RNN(RecurrentNeuralNetwork,순환신경망)
6.트랜스포머(Transformer)
7.욜로(Yolo)

4장자연어처리(NaturalLanguageProcessing)
1.자연어처리개요
1-1.자연어이해(NLU,NaturalLanguageUnderstanding)
1-2.자연어생성(NLG,NaturalLanguageGeneration)
1-3.형태소분석
1-4.표제어추출
1-5.구문분석
1-6.기계번역
2.자연어이해(NaturalLanguageUnderstanding)
2-1.형태소분석
2-2.표제어추출
2-3.구분분석
3.자연어생성(NaturalLanguageGenerating)
3-1.자연어생성방법
3-2.자연어생성과정
4.자연어번역
4-1.번역모델

5장컴퓨터비전
1.컴퓨터비전개요
2.컴퓨터비전의발전과정
3.이미지처리
3-1.이미지처리과정
3-2.이미지처리분야
4.객체인식
4-1.데이터가공을위한이미지라벨링종류
5.이미지생성
5-1.생성형적대신경망(GAN,GenerativeAdversarialNetwork)
5-2.VAE(VariationalAutoEncoder)
5-3.뉴럴변환(NeuralStyleTransfer)
5-4.슈퍼레졸루션(SuperResolution)

6장대표적인기계학습라이브러리
1.사이킷런(Scikit-Learn)
1-1.사이킷런의대표적인특징
1-2.사이킷런의설치와사용
2.케라스(Keras)
2-1.케라스의대표적인특징
2-2.케라스의설치와사용
3.텐서플로(TensorFlow)
3-1.텐서플로의대표적인특징
3-2.텐서플로의설치와사용
4.파이토치(PyTorch)
4-1.파이토치의특징
4-2.파이토치의설치와사용

참고자료

책속에서

인공지능은데이터에기반하여학습한내용을토대로예측혹은판단하는것으로정의할수있습니다.앨런이만든기계의동작원리도암호해독을위한기본적인내용을학습하고,이것을중심으로독일군의정교한암호체계인에니그마를무력화하는튜링머신을완성하였습니다.
p.12

KNN은이해하기쉽고간단한원리로동작하며,데이터의분포에크게영향을받기때문에이상치나노이즈에민감하게동작합니다.예측시에데이터값들간의거리를매번계산해야하기때문에많은자원을사용하게됩니다.그리고가장중요한하이퍼파라메터인K값을적절히선택해야합니다.분류문제의경우,K값은홀수로지정해야다수결로결정할수있게되어,보통K값은3이상의홀수로지정하게됩니다.
p.59

Q-Learning은강화학습의기본알고리즘입니다.에이전트가환경과상호작용하며,어떤상태에서어떤행동을선택해야하는지를학습하는방법입니다.Q-Learning은상태-행동공간을탐험하면서최적의정책을찾는데중점을두고있습니다.이를통해에이전트는최적의행동을선택하여누적보상을최대화하도록학습합니다.
p.104

트랜스포머의핵심은Self-Attention메커니즘입니다.입력시퀀스의각요소는다른모든요소와상호작용하고,그중요도는가중치로결정됩니다.이가중치는유사도를계산하여결정하는데,이를ScaledDot-ProductAttention이라고부릅니다.
p.149

컴퓨터비전기술을이용한이미지처리는제품의품질을검사하거나생산자산을관찰하는용도로훈련시킬수있으며,훈련된인공지능시스템은인간보다빠르게결함이나특징을찾아낼수있습니다.
p.212

SuperResolution(슈퍼레졸루션)은저해상도이미지를고해상도이미지로변환하는기술입니다.딥러닝을활용하여저해상도이미지를입력받고,고해상도이미지를생성하는네트워크를학습하게됩니다.CNN기반의딥러닝기술을사용하는것이일반적입니다.
p.258