인공지능(AI) 기술과 응용

프롤로그 - 006

PART 01. AI의 정의 및 발전과정 - 008
1.1 AI란 무엇인가
1.2 지능과 AI
1.3 AI의 분류
1.4 AI의 역사
1.5 AI 기술 및 연구영역
1.6 AI 기술의 응용영역
1.7 AI에 의한 대체 가능 직업

PART 02. AI의 학문적 등장과 응용 분야 - 038
2.1 AI를 견인하는 기호주의와 연결주의
2.2 컴퓨터의 비약적인 발전과 지식의 획득
2.3 기계학습의 비약적 발전
2.4 신경망과 기존 프로그램의 차이
2.5 AI에 의한 신 산업혁명
2.6 로봇과 AI
2.7 산업 AI (Industrial AI)
2.8 군사기술에 활용되는 드론과 무인기
2.9 플랫폼화 하는 AI
2.10 AI 기술과 제품의 관계

PART 03. 프로그램의 기본적인 구조 - 066
3.1 AI에 주어지는 과제와 해결 방안
3.2 탐색 알고리즘의 종류와 개요
3.3 정렬 알고리즘의 종류와 개요
3.4 암호 알고리즘의 종류와 개요
3.5 AI의 설계도가 되는 아키텍쳐
3.6 독립적으로 일하는 AI의 존재
3.7 규칙에 의한 AI의 사고 및 의사결정 방법
3.8 목표에 맞춘 AI의 사고법과 의사결정 방법
3.9 사례로 배우는 AI의 사고법과 의사결정 방법
3.10 유연하게 생각하기 위한 방법

PART 04. AI 관련 데이터(정보) 처리 - 088
4.1 AI에 필요한 데이터(정보)
4.2 데이터 수집과 AI(인공지능)의 활용
4.3 데이터 취급의 용이성
4.4 지식과 개념을 전달하기 위한 접근
4.5 AI에 관한 데이터 과학과 통계
4.6 데이터의 분석과 가치 발굴
4.7 데이터의 관계성 발견
4.8 데이터를 분할하여 분석하는 방법
4.9 데이터의 올바른 취급 방법
4.10 지식과 통계로부터 AI의 이미지 구성

PART 05. 기초 기계학습과 응용 - 110
5.1 신경세포의 구조
5.2 신경망이란?
5.3 딥러닝의 등장
5.4 다층 신경망
5.5 기계학습은 판단하는 기계
5.6 기계학습의 기본구조
5.7 기계학습의 주요 목적과 활용방법
5.8 기계학습의 한계
5.9 기계학습과 AI의 차이
5.10 기계학습과 데이터 과학의 차이
5.11 기계학습의 활용사례

PART 06. 고급 기계학습과 응용 – 138
6.1 심층학습(딥 러닝, Deep Learning)
6.2 딥 러닝의 특징추출 능력
6.3 영상인식, 음성인식에 강한 심층 신경망
6.4 언어처리와 시계열처리에 강한 심층 신경망
6.5 재귀적 신경망의 응용
6.6 딥 러닝의 결점을 보완하는 GAN
6.7 신경망이 취급하는 정보
6.8 언어의 의미를 수치로 나타내는 방법
6.9 확립되어 가는 딥 러닝의 환경
6.10 딥 러닝이 바꾼 기계학습의 방식

PART 07. 다양한 응용기술로 확대되는 AI의 실용화 - 160
7.1 이미지에서 동영상으로 발전하는 영상인식
7.2 AI 의사소통의 개념
7.3 Transformer와 빅데이터로 바뀐 문장생성
7.4 음성의 텍스트화에 필요한 기술
7.5 영상과 음성, 여러 가지 정보를 조합한 데이터 분석
7.6 인간의 창조적인 방식의 학습
7.7 인간 신체의 사용법
7.8 분산하여 확대되는 AI
7.9 AI의 진보와 성장을 촉진하는 게임AI
7.10 인간의 판단기준을 설명하는 게임이론
7.11 AI와 인간의 상호 협동(개인과 비즈니스)
7.12 챗봇

PART 08. 지식표현과 전문가 시스템 - 184
8.1 지식표현(knowledge representation)
8.2 전문가 시스템(expert system)
8.3 지식 베이스 시스템
8.4 알고리즘과 지식의 차이점

PART 09. AI 데이터(정보)와 지식처리 관련 이론 – 206
9.1 퍼지이론과 응용
9.2 데이터 마이닝
9.3 온톨로지
9.4 진화계산

PART 10. 생성형 AI(GAI) - 230
10.1 생성형 AI의 정의와 개념
10.2 생성형 AI 종류 및 개요
10.3 ChatGPT와 대규모 언어모델과의 관계
10.4 대규모 언어모델의 등장
10.5 생성형 적대 신경망 (GAN)
10.6 생성형 AI의 이점과 한계