코딩책과 함께 보는 인공지능 개념 사전

지금까지 인공지능이 없어도 큰 불편 없이 살아왔는데

세상이 왜 이렇게 급변하는 것일까요?

학습 알고리즘은 무엇이며, 왜 인공지능이 필요한 걸까요?

이런 다양한 궁금증을 품은 독자들을 위한 인공지능 안내서!

‘인공지능’이라는 용어는 1956년 미국 다트머스 대학에서 열린 워크샵에서 존 매카시에 의해 처음으로 사용되었다. 사실 인공지능 기술의 역사는 60년 이상으로 꽤 길지만, 그 동안의 저조한 연구 성과로 인공지능은 양치기 소년과 같은 취급을 받아왔던 분야였다. 하지만, 최근 인공지능 기술의 발전으로 가시적인 연구성과가 나타나기 시작했고, 2016년 구글 알파고와 이세돌의 대국 등을 통해 사람들의 주목을 받기 시작했다.

그동안 인공지능을 몰라도 큰 불편 없이 살아왔지만, 이제는 달라졌다. 그 이유는 인공지능을 중심으로 모든 산업이 변화하고 있기 때문이다. 실제로 인간의 역할을 대체할 수 있는 기술들이 발전하면서 무서운 속도로 인공지능 산업이 성장하고 있고, 그동안 전문직의 영역이라고 생각했던 직업군을 대체할 수 있는 수준까지 이르고 있다. 앞으로는 인공지능을 활용해 업무를 수행할 시대가 곧 올 것이기 때문에 우리 모두가 인공지능을 이해하고 활용하는 방법을 배워야 하는 시대에 살고 있다고 해도 과언이 아니다. 미래학자들은 인공지능을 잘 활용하는 사람과 기업이 기회를 얻을 수 있다고 말하고 있는데, 그렇기 때문에 우리 스스로가 인공지능과 어떻게 공존할지, 그리고 인공지능을 어떻게 활용해야 하는지를 적극적으로 고민해볼 필요가 있다.

*이 책의 구성

이 책은 인공지능 공부를 시작하려는 독자들을 위한 입문서로, 수학을 최소화하고 그림을 최대로 활용해 인공지능을 쉽게 설명하는 책이다. 나아가 딥러닝 코딩을 경험할 수 있도록 코딩 실습까지 담았다.

이 책은 크게 2개 파트로 구성되어 있다.

첫 번째 파트에서는 인공지능의 개념을 오롯이 담았다. 인공지능 연구가 두 번의 봄과 겨울을 경험했던 이유와 전문가 시스템, 챗봇, 넷플릭스 등 우리 삶에서의 인공지능을 공유하였다. 나아가 인공지능을 가능하게 하는 학습 알고리즘을 소개하고, 퍼셉트론, 오차역전법, 과대적합, 옵티마이저, 규제화 등 딥러닝에서 꼭 알아야 할 개념들을 담았다.

두 번째 파트에서는 구글에서 공개한 텐서플로우 강의를 활용해 딥러닝을 위한 코딩을 설명하고 있다. 텐서플로우는 딥러닝을 위한 오픈소스 플랫폼으로, 모델 생성, 훈련, 평가 등의 과정을 위한 방대한 라이브러리를 제공하고 있다. 인공지능을 입문하는 사람이라면 꼭 한번 경험해야 할 플랫폼이기 때문에 이 책을 통해 텐서플로우를 소개하고자 하였다.

저자 : 김현정

한국과학기술원(KAIST)에서 소프트웨어공학을 전공했고, IT 컨설팅회사에 근무하면서 다양한 소프트웨어를 현장에서 직접 경험하고 있다. 소프트웨어 분야에서 공적을 인정받아 2014년 미래창조과학부 장관상을 수상했다. ISO/IEC 국제 표준화 활동에 활발하게 참여하고 있으며, 관련 분야 전문위원으로도 활동 중이다. 10여 년 동안 아카데미와 대학교 등에서 소프트웨어 분야 강의를 하면서 IT기술을 이해하기 쉽게 설명하는 방법을 배웠고, 현장감 있는 교육을 제공하기 위해서는 흥미롭고 재미있는 이야기와 경험을 공유하는 것이 무엇보다 중요하다는 것을 깨달았다. 이에 청소년과 일반인들을 위한 재미있고 이해하기 쉬운 교양서적의 집필을 시작, 그 결실로 『그림과 이야기로 쉽게 배우는 소프트웨어와 코딩 첫걸음』, 『코딩책과 함께 보는 코딩 개념 사전』, 『코딩책과 함께 보는 소프트웨어 개념 사전』, 『엔트리 블록코딩 100제』, 『코딩책과 함께 보는 인공지능 개념 사전』 등을 펴내게 되었다.

감수의 글

들어가며

PART 1 인공지능, 머신러닝 그리고 딥러닝

1장 인공지능이란

인간이 만든 지능, 인공지능 | 튜링 테스트 | 인공지능의 역사 | 강 인공지능과 약인공지능 | 인공지능, 머신러닝, 딥러닝

2장 우리 삶에서의 인공지능

스팸필터 | 알파고 | IBM 왓슨 | 챗봇과 가상비서 | 객체 인식 | 넷플릭스와 유튜브

3장 기계가 학습하는 것, 머신러닝

머신러닝 | 훈련 데이터 | 검증 데이터 | 테스트 데이터 | 지도 학습 | 비지도 학습 | 강화 학습 | 지도 학습 알고리즘

4장 뉴런으로 만든 인공신경망

퍼셉트론 | 인공신경망 | 활성화 함수 | 손실 함수 | 오차역 전파법 | 경사하강법 | 옵티마이저 | 모델 평가 | 과대적합 | 하이퍼파라미터 | 가중치 규제 | 드롭아웃 | 학습 조기 종료

5장 깊은 신경망, 딥러닝

딥러닝 | 합성곱 신경망 | 순환신경망

PART 2 딥러닝을 위한 코딩

6장 코랩 시작하기

코랩 165

7장 딥러닝 코딩 절차 이해하기

딥러닝 코딩 절차 | 필수 모듈 임포트하기 | 데이터 로딩하기 | 모델 만들기 | 모델 설정하기 | 모델 훈련하기 | 시각화하기 | 모델 평가하기 | 모델 저장하기

8장 다중클래스 분류 - 패션 이미지 분류하기

다중클래스 이해하기 | 패션MNIST 데이터 준비 | 모델 만들기 | 모델 훈련하기 | 모델 평가하기 | 이미지 분류

9장 이진분류 - 영화 리뷰 분류하기

이진분류 이해하기 | IMDB 데이터 준비 | 모델 만들기 | 모델 훈련하기 | 시각화하기

10장 회귀분석 - 자동차 연비 예측하기

회귀분석 이해하기 | 산점도 행렬 모듈 임포트 | Auto MPG 데이터 세트 다운로드 | 데이터 정제 | 훈련 데이터와 테스트 데이터 분리하기 | 데이터 정규화 | 모델 만들기 | 모델 훈련하기 | 모델 평가하기 | 예측하기

11장 과대적합 완화하기

과대적합 확인하기 | 복잡한 모델 사용하기 | 가중치 규제하기 | 드롭아웃

12장 하이퍼파라미터 튜닝

텐서보드 사용 준비하기 | 데이터 로딩하기 | 하이퍼파라미터 세팅하기 | 텐서보드 실행하기

13장 CNN을 사용한 이미지 분류

필수 모듈 임포트하기 | 데이터 로딩하기 | 데이터 개수 파악하기 | 데이터 준비하기 | 모델 만들기 | 모델 훈련하기 | 데 이터 보강하기 | 드롭아웃 | 모델 훈련하기 | 예측하기

참고문헌

찾아보기