PART 1. 인공지능 기술의 개요
1. 인공지능의 소개
1.1 정의
1.2 역사
1.3 활용 분야
2. 인공지능의 연구 분야
2.1 요소 기술
2.2 응용 분야
3. 인공지능의 적용 사례
4. 인공지능의 영향

PART 2. 인공지능의 핵심 기술
1. 지식 표현과 추론
1.1 지식의 정의 및 표현 방법
1.2 규칙
1.3 프레임
1.4 논리
1.5 의미망
1.6 스크립트
1.7 온톨로지
1.8 함수에 의한 지식 표현
1.9 불확실한 지식 표현
1.10 규칙 기반 시스템
2. 오토마톤과 인공 생명 프로그램
2.1 인공 생명
2.2 유한 오토마톤
2.3 마르코프 모델
2.4 상태 기반 에이전트
3. 탐색과 최적화 기법
3.1 상태 공간과 탐색
3.2 탐색의 종류
3.3 맹목적 탐색
3.4 정보 이용 탐색
3.5 게임 탐색
3.6 제약 조건 만족 문제
3.7 최적화
4. 함수 최적화
4.1 함수 최적화의 개념
4.2 회귀 분석
4.3 중요 알고리즘과 사례

PART 3. 기계 학습
1. 통계학
2. 베이지안 추론 및 응용
2.1 베이지안 통계
2.2 EM 알고리즘
2.3 판별 분석
3. 마르코프 연쇄
3.1 마르코프 연쇄
3.2 은닉 마르코프 연쇄
4. 몬테카를로 알고리즘
4.1 몬테카를로 알고리즘의 개념
4.2 마르코프 체인 몬테카를로 방법
4.3 부트스트랩
5. 통계 기반 기계 학습 ① - 지도학습
5.1 통계 기반 기계 학습의 분류
5.2 의사결정 트리
5.3 랜덤 포레스트
5.4 서포트 벡터 머신
6. 통계 기반 기계 학습 ② - 비지도학습
6.1 군집 분석
6.2 차원 축소 기법
6.3 연관 규칙 분석
7. 강화학습
7.1 강화학습의 개념
7.2 강화학습 기법의 개념
7.3 용어
7.4 강화학습 모델
7.5 기본 모델
7.6 정책 경사법 모델
7.7 가치 반복법 모델
7.8 DQN
7.9 강화학습의 예
8. 딥러닝
8.1 신경망의 개념 및 다층화
8.2 다양한 인공지능 모델
8.3 딥러닝 모델
8.4 제한 볼츠만 머신과 심층 신뢰 신경망
8.5 오토인코더
8.6 대립쌍 생성망
8.7 다층 퍼셉트론
8.8 합성곱 신경망
8.9 순환 신경망
8.10 메모리 확장 신경망 모델과 개발 환경
9. 인공지능 모델의 평가
9.1 인공지능 모델의 평가 방법
9.2 모델을 평가할 때 알아야 하는 용어
9.3 홀드아웃 검증과 교차 검증
9.4 오차 행렬 조사 방법
9.5 PR 곡선
9.6 ROC 곡선
9.7 ROC 곡선과 PR 곡선의 용도

PART 4. 인공지능 기술의 응용
1. 이미지와 음성 패턴 인식
1.1 패턴 인식
1.2 이미지 인식
1.3 음성 인식
2. 자연어 처리
2.1 문장 구조의 이해
2.2 자연어 처리 기법
2.3 횟수 기반 임베딩
2.4 예측 기반 벡터
2.5 구조 분석
2.6 텍스트 생성
2.7 자연어 처리의 도구
3. 지능 로봇
3.1 로봇 개론
3.2 로봇 제어 기술 및 로봇 제어 패러다임
3.3 로봇 소프트웨어 개발 프레임워크
3.4 로봇 개발 단계
4. 인공지능 관련 도구의 소개
4.1 규칙 기반 시스템 개발 도구, 제스
4.2 데이터 마이닝 도구, 웨카
4.3 통계 분석 도구, R
4.4 딥러닝 개발 도구
4.5 인공지능 언어, 파이썬
4.6 컴퓨터 비전 라이브러리, OpenCV
4.7 로봇 소프트웨어 개발 프레임워크, ROS
5. 인공지능 숲의 여행을 마치고