코드로 배우는 인공지능

상편
CHAPTER 01 머신러닝의 Hello World 3
1.1 머신러닝에 대한 간략한 소개 3
1.2 머신러닝 애플리케이션의 핵심 개발 프로세스 5
1.3 코드로 시작하기 8
1.4 마무리 11
1.5 참고자료 11

CHAPTER 02 직접 구현하는 신경망 12
2.1 퍼셉트론 12
2.2 선형 회귀와 경사 하강법 구현 17
2.3 확률적 경사 하강법의 구현 23
2.4 파이썬을 통한 단층 신경망 구현 25
2.5 요약 40
2.6 참고자료 40

CHAPTER 03 케라스 시작하기 41
3.1 케라스 소개 41
3.2 케라스 개발 입문 42
3.3 케라스 개념 설명 46
3.4 다시 코드 실습으로 72
3.5 요약 77
3.6 참고자료 78

CHAPTER 04 예측과 분류: 간단한 머신러닝 응용 79
4.1 머신러닝 프레임워크 ? 사이킷런 소개 79
4.2 분류 알고리즘 기초 82
4.3 의사결정 트리 92
4.4 선형 회귀 103
4.5 로지스틱 회귀 104
4.6 신경망 110
4.7 요약 123
4.8 참고자료 123

하편
CHAPTER 05 추천 시스템 기초 127
5.1 추천 시스템 소개 127
5.2 유사도 계산 130
5.3 협업 필터링 131
5.4 추천 환경에서 사용하는 로지스틱 회귀 모델 137
5.5 여러 모델을 융합한 추천 모델: Wide&Deep 모델 140
5.6 요약 149
5.7 참고자료 149

CHAPTER 06 실전 프로젝트: 챗봇 만들기 150
6.1 챗봇의 발전 역사 150
6.2 순환 신경망 152
6.3 Seq2Seq 소개 및 구현 161
6.4 어텐션 176
6.5 요약 187
6.6 참고자료 187

CHAPTER 07 이미지 분류 실전 프로젝트 189
7.1 이미지 분류와 합성곱 신경망 189
7.2 합성곱 신경망의 원리 192
7.3 실전 예제: 교통 표지판 분류 202
7.4 최적화 정책 211
7.5 요약 217
7.6 참고자료 217

CHAPTER 08 객체 검출 218
8.1 CNN의 진화 219
8.2 YOLO 241
8.3 YOLO v3 구현 252
8.4 요약 292
8.5 참고자료 293

CHAPTER 09 모델 배포 및 서비스 295
9.1 생산 환경에서의 모델 서비스 295
9.2 텐서플로 서빙의 응용 298
9.3 요약 306
9.4 참고자료 307

이 책의 가장 큰 특징은 개발자의 시각에서 인공지능을 설명하고 있다는 점입니다. 아무래도 두 저자 모두 컴퓨터과학 전공이다 보니, 자연스럽게 개발자의 시선으로 인공지능을 개발하고 적용하는 문제를 고민하기 시작했을 것이라 생각합니다. 주변에 많은 개발자 분들이 인공지능 열풍에 흥미를 느끼거나 반대로 불안감을 느껴 관련 공부를 시작하고 있습니다. 물론 대학교 때 배웠던 선형대수, 미적분을 다시 복습하고 고급 통계를 배우는 정도(正道)를 걷는 것은 매우 권장할 일이지만, 저자의 의도처럼 경험 있는 개발자들이 인공지능에 대해 빠르게 습득하고 적용할 수 있는 가이드도 필요하다고 생각합니다. 이 책은 인공지능 개념이 아직은 생소한 개발자가 머신러닝과 딥러닝의 핵심 개념들을 코드로 실습해가며 빠르게 습득할 수 있도록 도와줍니다.

이어서 네트워크 훈련을 시작해 봅시다. 훈련 과정은 이전 프로세스와 상당히 유사합니다. 이전 코드 예제인 simple_perceptron과 linear_regression에서는 코드가 너무 간단해 훈련 과정에서 일정 개념에 대한 구현을 보여줄 수 없었습니다. 예를 들어, simple_perceptron 코드 예시에서 손실함수와 가중치 업데이트 방법에 대해 정의하지 않고 net_input과 predict를 단독으로 실행했습니다(실질적으로 활성화 함수에 해당합니다). 그리고 linear_regression 코드 예제에서는 손실함수와 가중치 업데이트 update_weight의 개념에 대해서 강조하고 경사 하강법을 사용한 최적화에 대해서는 설명했지만, 네트워크 입력과 활성화 함수에 대해서는 언급하지 않았습니다.