인공지능을 위한 머신러닝과 딥러닝 with 파이썬

<1장> 파이썬 다루기
1-1 파이썬의 장점 살펴보기
1-2 파이썬 설치 및 실행하기
파이썬 설치 환경 살펴보기
파이썬 설치 및 사용하기
1-3 파이썬 다루기
제어문
함수
연습 문제

<2장> 인공지능 I
2-1 인공지능이란?
인공지능의 개념
인공지능의 역사
연습 문제

<3장> 인공지능 II
3-1 인공지능 판별 실험
튜링 테스트
중국인의 방
3-2 왜 인공지능일까?
왜 인공지능을 배울까?
3-3 인공지능 사회와 인공지능 윤리
인공지능 사회
인공지능 윤리
연습 문제

<4장> 탐색과 최적해 I
4-1 인공지능 탐색
인공지능에서의 탐색 개념
4-2 인공지능 탐색 종류 (1)
탐색 종류
탐색 방법별 최적해 구하기 (1)
연습 문제

<5장> 탐색과 최적해 II
5-1 인공지능 탐색 종류 (2)
탐색 종류
탐색 방법별 최적해 구하기 (2)
5-2 게임 트리 탐색
미니맥스(Mini-Max) 알고리즘
알파-베타 가지치기(α-β Pruning)
연습 문제

<6장> 지식 표현
6-1 지식의 개념
지식이란?
6-2 지식 표현
규칙을 이용한 지식 표현
의미망을 이용한 지식 표현
프레임을 이용한 지식 표현
고급 지식 표현-논리
6-3 불완전한 지식 표현
불확실한 지식 표현
연습 문제
연습 문제 정답 예시

<7장> 머신러닝
7-1 머신러닝이란?
머신러닝이란?
머신러닝의 개념
머신러닝의 종류
연습 문제

<8장> 인공 신경망
8-1 인공 신경망이란?
생물학적 뉴런
인공 신경망 뉴런 구조
8-2 신경망과 머신러닝 실습
신경망 실습
선형 회귀 실습
분류 알고리즘 실습
K-평균 클러스터링 실습 1
K-평균 클러스터링 실습 2
연습 문제

<9장> 딥러닝
9-1 딥러닝 소개
딥러닝의 개념과 역사
머신러닝과의 비교
딥러닝의 구성 요소
9-2 인공 신경망
피드포워드 신경망(FFNN)
합성곱 신경망(CNN)
순환 신경망(RNN)
장단기 메모리 신경망(LSTM)
트랜스포머(Transformer)
9-3 이미지 분류 예측 모델
이미지 데이터와 딥러닝의 관련성
합성곱 신경망(CNN) 소개
간단한 이미지 분류 예측 모델 구축 예시
9-4 자연어 처리와 순환 신경망
자연어 처리의 기본 개념
순환 신경망(RNN) 소개
간단한 자연어 처리 예시
연습 문제

<10장> 딥러닝 응용 분야 - 강화 학습
10-1 강화 학습
강화 학습이란?
강화 학습의 정의와 특징
지능적인 에이전트와 환경의 상호 작용 개념
10-2 강화 학습의 주요 개념
에이전트, 환경, 상태, 행동, 보상, 정책의 역할과 의미
MDP 개념과 구성 요소
Q-러닝과 Deep Q-러닝
10-3 강화 학습의 작동 원리
행동-보상 루프와 학습 과정
강화 학습에서 탐험과 이용의 중요성
10-4 실생활의 강화 학습
로봇 청소기
자율 주행 자동차
로봇 팔(Arm) 제어
10-5 강화 학습 응용 분야
연습 문제

<11장> 빅데이터
11-1 빅데이터 개념
빅데이터의 부상
빅데이터란?
왜 빅데이터가 주목받을까?
미래 사회에서의 빅데이터 역할
빅브라더의 등장
11-2 빅데이터를 이용한 데이터 다루기
공공 데이터 다운로드 및 데이터
데이터 다루기
연습 문제

<12장> 딥러닝을 이용한 컴퓨터 비전
12-1 컴퓨터 비전이란?
OpenCV
OpenCV 파이썬 설치하기
12-2 얼굴 인식 실습
얼굴 인식 코드
얼굴 인식 - Haar Cascades 실습
얼굴 인식 – dlib 라이브러리 실습
얼굴 인식 – dlib 라이브러리 이용 및 감정
인식 실습
연습 문제

찾아보기