구글이나 네이버에서 검색을 할 때 알고리듬은 우리가 찾으려는 정보가 무엇인지를 판단해서 가장 적절한 결과를 알려준다. 온라인 서점에서 책을 살 때에도 추천 알고리듬은 우리가 관심을 가질 만한 책을 자동으로 제안한다. 대학 입학을 위해 지원을 하면 해당 대학은 수험생의 성적과 활동사항을 알고리듬으로 계산해서 뽑을지 말지를 결정한다. 만약 돈이 필요해서 대출을 하려면 평소에 금융기관과의 거래를 통해서 쌓인 실적을 토대로 계산한 신용점수 알고리듬이 우리의 신용도를 평가한다.
---「01-알고리듬이란」중에서

머신러닝은 지도학습과 비지도학습으로 구분한다. 지도학습이란 기계가 학습을 할 데이터에 사람들이 미리 정의해 놓은 정보가 포함되어 있는 경우를 말한다. 즉 개와 고양이를 찍은 사진으로 구성된 학습 데이터가 ‘개’와 ‘고양이’라는 정의를 포함하고 있다면 지도학습이다. 컴퓨터의 입장에서는 정의가 포함된 데이터로 학습을 하면서 개와 고양이를 구분하는 최적의 알고리듬을 찾아 나가므로 마치 컴퓨터가 사람에게 지도를 받은 것과 같기 때문이다. 비지도학습은 학습용 데이터에 동물의 정의가 포함되어 있지 않다. 따라서 컴퓨터가 사물에 대한 개념 정의를 모르는 상태에서 개와 고양이를 식별하는 알고리듬을 구현한다.
---「02-인공지능과 머신러닝」중에서

초검색엔진은 웹크롤링, 색인, 추출의 세 단계로 작동한다. 웹크롤링은 크롤러라고 부르는 소프트웨어가 새로운 웹 페이지를 찾아 내용을 복사하는 과정이다. 색인 과정은 검색을 정확하고 빠르게 처리하기 위해서 크롤링에서 찾은 모든 정보와 그 정보가 수록된 사이트 주소를 짝지어 데이터베이스에 저장한다. 어떤 정보가 어디에 있는지를 확인할 수 있는 일종의 검색용 사전을 만드는 과정이다. 추출은 검색하려는 단어가 포함된
제목, 주제 등을 추출하는 과정이다.
---「05-검색 알고리듬」중에서

텍스트 마이닝에서 가장 기초적인 방법은 단어의 빈도를 측정하는 방법이다. 단어빈도는 문서에서 특정 단어나 표현이 얼마나 많이 나타났는지를 측정한다. 단순히 문서에서 출현하는 단어의 빈도만으로는 중요도를 측정하는 데 한계가 있다. 접속사라든지 일반명사는 문장에서 자주 등장하지만 중요한 단어는 아니기 때문이다. 이를 보완하기 위한 개념이 역문헌빈도다. 주어진 문헌에서 특정 단어가 공통적으로 출현하는 빈도를 문헌빈도라고 하는데, 역문헌빈도는 문헌빈도의 역수에 로그변환을 한 값이다.
---「07-자연어처리와 텍스트마이닝」중에서