1장. 인공지능과 나의 삶
01. 이미 내 삶 속에 들어온 인공지능 - 인공지능 활용 사례 02. 인공지능 대 사람 - 대결의 역사 전문가의 조언: 딥블루와 카스파로프의 체스 경기 결과 03. 인공지능 기술 발전에 따른 변화 - 사라지는 일자리, 생기는 일자리 전문가의 조언: 4차 산업혁명 시대, 세계경제포럼과 일자리의 미래 보고서 04. 인공지능은 새로운 전기(電氣) - 일자리 변화의 역사 전문가의 조언: 앤드류 응 전문가의 조언: 4차 산업혁명은 아직 모호한 용어 05. 기술적 실업과 고용 없는 성장 - 일자리 감소에 대한 저항과 우려 06. 매슬로의 욕구 단계설 - 사람의 욕망과 새로운 일자리 07. 내 직업이 인공지능으로 대체될 확률은? - 직업별 대체 가능성 전문가의 조언: 사람의 강점 08. 인공지능 시대의 직업 - 진로 설계 09. 인공지능 시대의 문해력 - 인공지능 리터러시 2장. 인공지능과 사회 01. 인공지능은 공정한가? - 인공지능이 가진 편견 전문가의 조언: 알고리즘, 프로그램, 시스템 전문가의 조언: 블랙박스 알고리즘 전문가의 조언: 오차 행렬 02. 고인을 되살리는 인공지능 - 불쾌한 골짜기 03. 자율주행차의 윤리 - 트롤리 딜레마 04. 인공지능에 오류를 일으키는 방법 - 적대적 공격 05. 무엇이 진짜이고, 무엇이 가짜인가? - 딥페이크 전문가의 조언: 블록체인과 디지털 지문 전문가의 조언: NFT 06. 신뢰할 수 있는 인공지능 - 설명 가능한 인공지능(XAI) 07. 인공지능 추천 알고리즘 - 확증 편향 08. 인공지능의 저작권 - 인공지능의 창작 09. 인공지능의 특허권 - 인공지능의 발명 10. 인공지능이 그리는 미래 세상 - 유토피아 vs. 디스토피아 3장. 인공지능의 개념 01. 인공지능이란? – 인공지능의 개념 02. 시대에 따라 달라지는 인공지능의 개념 - 인공지능 효과 03. 인공지능의 4가지 유형 – 일상생활 속 인공지능 이해하기 04. 인공지능의 개발에 대한 2가지 접근 – 인공지능(AI) vs. 지능 강화(IA) 05. 사람처럼 말하고 행동하는 인공지능 - 약 인공지능 vs. 강 인공지능 06. 인공지능도 생각할 수 있을까? - 튜링 테스트와 중국어 방 논증 07. 다트머스 인공지능 회의 – ‘인공지능’이라는 용어의 탄생 전문가의 조언: 천공카드 전문가의 조언: 인공지능의 선구자들 08. 다트머스 회의 이후 인공지능 연구 방법 - 기호주의와 연결주의 전문가의 조언: 인공지능, 머신러닝, 딥러닝의 관계 09. 인공지능의 붐과 겨울 - 인공지능에 대한 기대와 실망 4장. 머신러닝의 개념 01. 머신러닝이란? - 머신러닝과 전통적인 프로그램의 차이 02. 머신러닝의 종류 – 지도학습, 비지도학습, 강화학습 03. 머신러닝 지도학습 예시 - 회귀분석과 경사하강법 04. 머신러닝 비지도학습 예시 - 군집 05. 머신러닝 강화학습 예시 - 탁구, 팬케이크, 벽돌 깨기 06. 머신러닝 성능 평가 1- 정확도와 학습 데이터 07. 머신러닝 성능 평가 2 - 정밀도, 재현율, F1 점수 08. 추천 시스템 - 검색에서 추천 중심으로 전환 09. 학습을 너무 많이 하거나 적게 한 상태 - 과적합, 과소적합 10. 생각하는 인공지능 - 머신러닝이 아닌 인공지능을 구현하기 위한 방법 5장. 인공 신경망의 개념 01. 인공 신경망이란? - 인공 신경망의 개념 전문가의 조언: 인공 신경망의 층 수 02. 인공 신경망의 역사 – 초기 한계와 극복 03. 인공 신경망 예시 1 – 숫자, 알파벳 인식 04. 인공 신경망의 블랙박스 특성 – 은닉층의 역할 05. 인공 신경망에서 은닉층의 역할 – 특징 추출 06. 인공 신경망 구조 설계 - 하이퍼파라미터 07. 인공 신경망의 활성화 함수 1 - 뉴런의 활성화 여부 결정 08. 인공 신경망 활성화 함수 2 – 종류 및 역할 09. 인공 신경망 계산 방법 - 순전파 10. 인공 신경망의 학습 방법 - 역전파 11. 인공 신경망 예시 2 – 자율주행차 6장. 딥러닝의 개념 01. 딥러닝이란? – 딥러닝의 등장과 개념 전문가의 조언: 딥러닝 4대 천왕 02. 딥러닝 초기, 성능을 알린 대표적인 사건 - 음성 이미지 분야 03. 대표적인 딥러닝 모델과 응용 - CNN, RNN 04. 딥러닝과 머신러닝의 차이점 - 특징 추출 방식 05. 특징 추출의 어려움 - 딥러닝이 필요한 이유 06. 학습, 재학습 - 끊임없는 인공지능의 학습 7장. 언어 처리의 원리 01. 자연어와 자연어 처리 - 인공지능을 이용한 언어 처리 02. 자연어 처리에 필요한 것 1 - 총론 전문가의 조언: 컴퓨터에서의 문자 표현 03. 자연어 처리에 필요한 것 2 - 워드 임베딩, 단어를 숫자로 표현하는 방법 04. 자연어 처리에 필요한 것 3 – RNN(순환 신경망) 05. 자연어 처리에 필요한 것 4 - 문장을 숫자로 표현하는 방법 06. 자연어 처리에 필요한 것 5 - 언어 모델 전문가의 조언: 예전에 사용했던 언어 모델 07. 기계 번역의 원리 - RNN과 어텐션 08. 사진, 영상 설명을 자동으로 작성하는 원리 - 기계 번역의 원리를 이용 09. 초거대 인공지능 언어 모델 - GPT3 10. 언어 모델의 이해 - 트랜스포머부터 BERT, GPT까지 전문가의 조언: 엘모와 버트 8장. 이미지 처리의 원리 01. 인공지능을 이용한 고양이 인식 - 전통적인 방법, 머신러닝ㆍ딥러닝 이용 02. 이미지 처리를 위한 기본 딥러닝 모델 – CNN 03. 이미지를 인식할 때 인공 신경망에서 하는 일 - 부분에서 전체로 인식 범위 확장 04. 이미지 인식 관련 모델 - 분류, 탐지, 분할 05. 고흐풍의 그림을 그리는 방법 - 뉴럴 스타일 트랜스퍼 06. 가상 모델을 만드는 방법 - GAN |
저한규동
관심작가 알림신청