책 이미지
책 정보
· 분류 : 국내도서 > 컴퓨터/모바일 > 인공지능
· ISBN : 9791172247492
· 쪽수 : 304쪽
· 출판일 : 2025-08-07
책 소개
수식보다 코드로, 이론보다 실습으로
지금 당신의 손끝에서 AI가 시작된다
얼굴 인식부터 객체 탐지, 분류 모델 실습까지
단계별 실습으로 세상을 바꾸는 인공지능이 태어난다!
항공우주 AI 전문가의 군더더기 없는 실무 활용 방법을 집약한
AI 프로젝트 개발의 핵심 노하우 대방출
AI는 지금 우리의 생활에 깊숙이 들어와 있으며 사람들은 AI를 다양한 목적에 활용하고 있다. 하지만 일상에서 AI를 적극 사용하는 사람들조차도 ‘AI 개발’은 전문가의 영역이며 나와는 먼 이야기라고 생각한다. 어려운 수학 공식과 복잡한 알고리즘으로 가득할 것만 같은 세계, 감히 범접할 수 없을 것 같은 세계에 대한 막연한 두려움이다.
이 책은 이와 같은 두려움과 편견을 깨기 위해 쓰였다. AI는 전문가들만의 복잡한 기술이 아니다. 누구나 자신만의 AI를 만들고 활용할 수 있다. 책에서는 쉽고 간편한 프로그래밍 언어 파이썬을 사용하여 AI의 핵심 원리를 익히고, 실습을 통해 내 손으로 AI 앱을 만들어보는 경험을 제공한다. 단순히 이론을 나열하는 데 그치지 않고 다양한 실습 예제를 통해 독자가 직접 AI 모델을 만들 수 있도록 구성했다.
책의 내용을 따라가다 보면 어느새 ‘AI 개발도 별것 아니네’ 하는 자신을 발견할 수 있을 것이다. 이 책의 실습 예제를 응용하고 발전시켜 자신의 업무와 생활에 사용할 맞춤형 AI 앱을 만들 수도 있다. 누가 알겠는가? 바로 당신의 손에서 탄생할 AI 모델이 다가올 세상을 더 나은 곳으로 바꿀지도 모른다.
목차
프롤로그
Introduction ― 인공지능은 왜 배우는가
1. 인공지능이란 무엇인가?
2. 인공지능의 역사: 기계는 생각할 수 있을까?
3. 오늘날 AI는 어디에 쓰이는가?
4. 학습 여정을 위한 안내
1부
파이썬으로 첫 코딩 ― Hello World부터 실전까지
★ 초보자를 위한 문법과 실습을 통해 파이썬에 익숙해지는 단계
1. 파이썬(Python)과의 첫 만남: Hello World! - 설치, Hello World, print와 변수
2. 계산기 만들며 배우는 연산자 - 숫자 다루기, 산술·비교·논리 연산
3. 조건문과 반복문으로 흐름 제어하기 - if, while, for의 기본 활용
4. 리스트와 딕셔너리로 정보 저장하기 - 데이터 구조로 정보 저장
5. 함수로 코드 묶기와 재사용하기 - 함수의 기초, 입력값과 반환값
6. 프로젝트 1: 나만의 비밀번호 생성기 - 실전 프로젝트로 통합 연습
2부
데이터와 AI의 언어 ― 넘파이부터 판다스까지
★ AI를 하기 위해 꼭 알아야 할 수치 계산과 데이터 처리 입문
7. 넘파이(Numpy)로 수를 다루는 방법 - 벡터, 행렬, 슬라이싱
8. 판다스(Pandas)로 표 형태 데이터를 자유자재로 다루기 - 시리즈, 데이터프레임, 필터링
9. 데이터 시각화 입문: 숫자를 그림으로 읽는 힘 - matplotlib과 seaborn 맛보기
10. 프로젝트 2: CSV 데이터 분석과 시각화 - 오픈데이터로 배우는 실전 데이터 분석과 시각화 통합
3부
인공지능 첫걸음 ― 머신러닝으로 분류해보기
★ 수식 대신 예제로 배우는 AI의 핵심 원리
11. 머신러닝이 뭘까? - 지도학습과 비지도학습의 개념
12. 사이킷런으로 첫 머신러닝 모델 만들기 - 붓꽃 분류기 만들기
13. KNN, 의사결정트리, SVM 비교와 분류기 원리 익히기 - 다양한 분류 모델 써보기
14. 프로젝트 3: 손글씨 숫자 인식기 - MNIST로 간단한 이미지 분류 실습
4부
딥러닝과 영상 데이터의 만남 ― CNN 입문
★ 텐서플로와 케라스를 이용해 영상 분류 모델을 직접 설계
15. 딥러닝이란? - 인공신경망과 퍼셉트론 개념
16. 케라스와 파이토치로 신경망 만들기 - MLP 구조, 레이어 이해
17. CNN 기초: 이미지가 숫자로 보이는 순간 - Conv, Pooling 개념
18. CIFAR-10 이미지 분류 실습 - 딥러닝 모델 학습 체험
19. 프로젝트 4: 나만의 고양이·강아지 분류기 - 데이터 증강, 정확도 개선 전략
5부
실시간 객체 인식 프로젝트 완성 ― 컴퓨터가 영상 이미지를 인식하도록 하기
★ OpenCV와 사전 학습 모델로 객체 탐지 프로젝트 완성
20. 객체 인식이란 무엇인가? - 객체 인식의 개념과 활용
21. OpenCV로 영상 불러오기 - 웹캠, 이미지 읽기, 화면에 그리기
22. 얼굴 인식의 첫걸음: Haar Cascade - 얼굴 찾기, 상자 그리기
23. YOLO 모델로 실시간 객체 탐지 - 사전 학습된 YOLO 모델 활용
24. 프로젝트 5: 나만의 객체 인식기 만들기 - 실시간 웹캠 객체 탐지기 완성
25. 흐릿한 이미지를 또렷하게 - 슈퍼레졸루션 기술 활용
26. 도전: 내가 만든 AI를 공유해보자 - GitHub와 Streamlit으로 웹 배포하기
27. 완성 이후를 위한 안내서 - 더 배울 수 있는 길, 모델 확장, 커리어 안내
부록
1. 자주 쓰는 AI 용어 사전
2. 오류 해결법 모음
3. 오픈데이터셋 목록
에필로그
참고 자료 및 문헌
저자소개
책속에서
지금까지 if, elif, else를 활용해 조건에 따라 프로그램의 흐름을 제어하는 방법을 배웠다. 다양한 비교 연산자와 논리 연산자를 통해 더 복잡한 판단 구조도 만들 수 있다는 것을 확인했다. 또한 실생활 사례와 연결된 예제를 통해 조건문이 단순한 개념 이상으로 활용 가능하다는 것도 체감했을 것이다.
조건문은 향후 데이터를 분류하거나, 상황에 따라 AI가 다르게 반응하게 만드는 데 있어 가장 기초가 되는 도구다.
이전 장에서 우리는 인공신경망의 기본 개념과 MLP 구조, 역전파 방식까지 이론적으로 배웠다. 이번 장에서는 실제로 손글씨 숫자 데이터셋(MNIST)을 활용하여 MLP 모델을 직접 구성해보자. 여기서는 두 가지 대표적인 딥러닝 프레임워크인 TensorFlow/Keras와 PyTorch를 병행하여 소개한다.
이를 통해 신경망 모델을 구성하는 공통 흐름을 이해하고, 두 프레임워크의 문법과 작동 방식의 차이점을 체험할 수 있다.
이 장에서는 YOLO 모델을 기반으로 사용자 정의 객체 인식기(Custom Object Detector)를 만드는 전 과정을 따라가본다. 단순한 탐지를 넘어, 자신이 직접 정의한 객체(예: 고양이 장난감, 공구, 간식 봉지 등)를 인식하도록 학습시키는 과정은 AI의 핵심 메커니즘을 체험할 수 있는 좋은 기회이다.
YOLO는 자체 학습 기능을 제공하며, 소규모 데이터셋으로도 학습이 가능하다는 점에서 입문자에게 적합하다.
