밀리터리 인공지능 리터러시

추천사

프롤로그

Part 1. 환경에 대한 이해

Chapter 1. 인공지능 모델 개발환경
1.1 파이썬! 인공지능 개발을 위해 읽고 쓰기를 배우다
1.2 오픈소스! 공유와 협업으로 인공지능의 길을 열다
1.3 통합개발환경(IDE)! 학습을 위한 환경을 마련하다
1.4 개발 프레임워크! 학습을 위한 도구를 준비하다
1.5 데이터셋! 학습을 위한 교재를 준비하다

Chapter 2. 인공지능 인프라 환경
2.1 프로세서! 컴퓨터에 심장을 달다
2.2 GPU! NVIDIA를 인공지능의 강자로 만들다
2.3 CUDA! GPU의 병렬처리를 통제하다
2.4 NPU! 모든 것에 인공지능을 장착하다
2.5 인공지능 플랫폼! 인공지능 서비스를 위한 토대이다
2.6 개발 자동화 도구! 효율성과 정확성을 높이다

Chapter 3. 인공지능 응용 분야
3.1 데이터 과학! 인공지능의 길을 개척하다
3.2 예측과 분류! 인공지능은 이미 일상에 있었다
3.3 컴퓨터 비전! 인공지능이 보는 것을 이해하다
3.4 자연어 처리! 인공지능이 사람과 대화하다
3.5 지능형 로봇! 인공지능이 세상 속에서 행동하다

Part 2. 기술요소와 학습기법

Chapter 4. 인공신경망 기술요소
4.1 인공신경망! 인간의 뇌를 모방한 기술이 등장하다
4.2 인공신경망! 인공뇌에도 여러 종류가 있다
4.3 인공신경망 학습! 목표는 확률을 최대화하는 것이다
4.4 파라미터! 지능의 만들어지는 원천이다
4.5 하이퍼파라미터! 인공신경망 학습의 교과편성이다
4.6 활성화 함수! 인공신경망의 채점방식이다
4.7 과적합! 언제나 과도한 것은 문제가 된다

Chapter 5. 인공신경망 학습기법
5.1 머신러닝! 기계에 생각하는 능력을 부여한다
5.2 기본 학습! 기계의 추론능력을 깨운다
5.3 전이 학습! 완성된 모델을 직무전환 시킨다
5.4 자기지도 학습! 학습용 데이터 처리 노력을 절감한다
5.5 메타 학습! 학습하는 방법을 학습한다
5.6 앙상블 학습! 인공지능이 집단지성을 발휘하다
5.7 n-샷 학습! 데이터셋이 부족해도 학습한다
5.8 멀티모달 학습! 다양한 감각으로 학습한다

Part 3. 활용을 위한 접근

Chapter 6. 객체탐지 모델
6.1 객체탐지를 위한 노력
6.2 객체탐지 모델의 진화과정
6.3 객체탐지 모델이 제공하는 정보!
6.4 객체탐지 모델의 성능평가!

Chapter 7. 거대 언어 모델과 생성형 인공지능
7.1 LLM의 등장! 인간과 인공지능의 협업시대를 열다
7.2 워드 임베딩! LLM이 지식을 쌓는 방법이다
7.3 환각과 편향! 대단한 LLM의 치명적 약점이다
7.4 파인튜닝과 RAG! LLM에 전문성과 최신성을 부여한다
7.5 sLLM! 가볍고 빠른 LLM이 필요하다
7.6 생성형 인공지능! 인간의 창의성에 도전하다

Chapter 8. 오픈소스 인공지능 모델의 국방활용
8.1 예측 모델의 국방업무 활용
8.2 분류 모델의 국방업무 활용
8.3 3차원 렌더링 모델의 국방업무 활용
8.4 이미지 생성 모델의 국방업무 활용
8.5 오디오 생성 모델의 국방업무 활용

에필로그

부록

참고 문헌