1장. 들어가며

__1.1 인공지능이란 무엇인가?
__1.2 이 책의 특징
__1.3 이 책의 구성
____1.3.1 파이썬의 기초
____1.3.2 인공지능 개발 파이프라인
____1.3.3 인공지능 개발 실습
__1.4 요약

2장. 인공지능과 사회 윤리

__2.1 인공지능과 윤리
__2.2 데이터 수집과 윤리
__2.3 인공지능과 데이터 편향
__2.4 인공지능과 사회적 영향
__2.5 요약

3장. 파이썬과 구글 코랩 사용하기

__3.1 왜 파이썬을 사용해야 하나?
__3.2 구글 코랩은 무엇인가?
__3.3 구글 코랩의 A to Z
____3.3.1 구글 코랩 실행하기
____3.3.2 코드셀과 텍스트셀
____3.3.3 코랩 노트북 공유 방법
____3.3.4 구글 코랩 코드 히스토리 보기
__3.4 구글 코랩에서 외부 파일 사용하기
__3.5 구글 코랩 중단하기
____3.5.1 실행 중인 코드 중단하기
____3.5.2 런타임 재시작하기 및 런타임 초기화하기
__3.6 요약

4장. 파이썬과 친해지기 1

__4.1 파이썬 시작하기
____4.1.1 안녕, 세상아! 출력하기
____4.1.2 주석 달기
__4.2 파이썬을 사용해 계산 결과 출력하기
____4.2.1 파이썬에서의 사칙 연산
____4.2.2 왜 마지막 값만 출력될까?
__4.3 파이썬에서 사용되는 데이터의 종류
____4.3.1 파이썬에서 사용하는 네 가지 데이터 유형
____4.3.2 문자열에서의 따옴표 사용
____4.3.3 데이터 값 사이의 연산
____4.3.4 큰 숫자의 표시
____4.3.5 데이터 간 유형 변환
__4.4 문자열 인덱싱과 슬라이싱
____4.4.1 인덱싱 실습
____4.4.2 슬라이싱
__4.5 요약
__연습문제 1

5장. 파이썬과 친해지기 2

__5.1 변수
____5.1.1 변수에 데이터 저장하기
____5.1.2 변수명 정하기
____5.1.3 사용자에게 데이터를 입력받아 변수에 저장하기
__5.2 리스트
____5.2.1 리스트 만들기
____5.2.2 리스트에 저장되는 데이터의 유형
____5.2.3 리스트의 인덱싱과 슬라이싱
____5.2.4 리스트의 연산
__5.3 리스트 안의 데이터 다루기
____5.3.1 리스트 안의 데이터 수정
____5.3.2 명령어를 사용해 리스트 안의 요소 처리
____5.3.3 리스트의 복제
__5.4 딕셔너리
____5.4.1 딕셔너리 만들기
____5.4.2 딕셔너리 인덱싱
__5.5 딕셔너리 안의 데이터 다루기
____5.5.1 딕셔너리 데이터 추가
____5.5.2 딕셔너리 안의 데이터 수정
____5.5.3 딕셔너리 안의 데이터 삭제
____5.5.4 딕셔너리 복제
__5.6 요약
__연습문제 2

6장. 조건문과 반복문

__6.1 연산자
____6.1.1 대입연산자
____6.1.2 비교연산자
____6.1.3 멤버연산자
____6.1.4 식별연산자
__6.2 조건문의 활용
____6.2.1 조건문의 형식
____6.2.2 복수의 조건문 사용법
____6.2.3 if, elif, else의 활용
__6.3 반복문
____6.3.1 반복문은 왜 필요한가?
____6.3.2 while을 사용해 조건이 만족할 때까지 반복해 실행하기
____6.3.3 while문과 조건문의 사용
__6.4 for를 사용해 일정 범위에서 반복문을 사용하기
____6.4.1 for문의 기본 문법
____6.4.2 for의 중첩 사용
____6.4.3 for와 if, continue의 사용
__6.5 리스트의 요소 자동으로 채우기
____6.5.1 리스트 컨프리헨션의 형식
____6.5.2 리스트 컴프리헨션과 조건문 사용하기
__6.6 딕셔너리의 요소 자동으로 채우기
____6.6.1 딕셔너리 컴프리헨션 만들기
____6.6.2 조건문과 함께 딕셔너리 컴프리헨션 사용하기
__6.7 요약
__연습문제 3

7장. 판다스의 활용

__7.1 판다스
____7.1.1 판다스 사용할 준비하기
____7.1.2 데이터 시리즈
____7.1.3 데이터 시리즈의 특성
__7.2 데이터프레임
____7.2.1 데이터프레임 만들기
____7.2.2 데이터프레임 인덱싱하기
__7.3 외부 데이터 관리하기
____7.3.1 데이터 불러오기
__7.4 데이터프레임 살펴보기
____7.4.1 데이터 특성 확인하기
____7.4.2 데이터프레임의 연산
____7.4.3 조건에 맞는 데이터만 가져오기
__7.5 데이터 합치기
____7.5.1 .append()를 사용해 반복되는 데이터 합치기
____7.5.2 .merge()를 사용해 독립적인 두 데이터 합치기
__7.6 탐색적 데이터 분석 및 처리
____7.6.1 데이터프레임에 대한 기본 정보 살펴보기
____7.6.2 데이터 탐색적 분석하기
____7.6.3 열에 대한 여러 정보를 한번에 보기
__7.7 명목 변수를 사용해서 그룹별로 기술 통계치 출력하기
____7.7.1 명목 변수란?
____7.7.2 명목 변수를 사용해 데이터 나눠 보기
__7.8 요약
__연습문제 4

8장. 데이터 시각화 실습

__8.1 데이터 시각화
____8.1.1 시각화를 위해서 사용한 seaborn 모듈
____8.1.2 간단한 선 그래프 그리기
__8.2 분포도를 사용해 데이터 분포 보기
____8.2.1 변수 하나의 분포도 시각화하기
____8.2.2 여러 데이터의 분포도를 시각화하기
____8.2.3 막대의 크기 조절
____8.2.4 명목 변수를 사용해 하나의 분포도에 다른 그룹을 시각화하기
__8.3 박스플롯을 사용해 데이터 특성 파악하기
____8.3.1 박스플롯의 개념
____8.3.2 박스플롯 시각화
____8.3.3 명목 변수를 사용해 그룹별로 박스플롯 시각화하기
____8.3.4 여러 그룹의 분포 살펴보기
__8.4 두 변수의 관계를 산점도를 사용해 시각화하기
____8.4.1 산점도 그리기
____8.4.2 그룹에 따라 산점도를 다르게 시각화하기
____8.4.3 데이터별 크기 조절
__8.5 히트맵을 사용해 두 변수의 빈도 구하기
____8.5.1 히트맵의 개념과 실습 데이터
____8.5.2 피벗테이블 만들기
____8.5.3 히트맵 만들기
__8.6 워드클라우드로 단어 빈도 시각화하기
____8.6.1 분석 준비하기
____8.6.2 데이터 전처리
____8.6.3 단어 빈도 수 시각화하기
____8.6.4 워드클라우드 조정하기
__8.7 요약
__연습문제 5

9장. 인공지능 개발 파이프라인

__9.1 인공지능 개발 워크플로
__9.2 문제 제기
__9.3 데이터 파악
__9.4 데이터 전처리 및 정제
__9.5 모델 학습, 검증, 평가
__9.6 요약

10장. 데이터 수집/이해/처리

__10.1 데이터란 무엇인가?
____10.1.1 구조화된 데이터와 비구조화된 데이터
__10.2 데이터 수집
____10.2.1 탐색적 데이터 분석
__10.3 데이터 전처리 실습
____10.3.1 결측값 처리
____10.3.2 결측값 처리 실습
____10.3.3 이상치 처리 실습
__10.4 데이터 정제
____10.4.1 기존의 데이터를 사용해 새로운 데이터로 변환
____10.4.2 데이터 리코딩
____10.4.3 원-핫-인코딩
__10.5 요약

11장. 모델과 학습

__11.1 모델이란?
__11.2 인공지능에서 학습이란?
__11.3 지도 학습
__11.4 비지도 학습
__11.5 강화학습
__11.6 요약

12장. 모델 검증 및 평가

__12.1 모델을 왜 평가하나?
____12.1.1 지도 학습을 사용해 학습한 모델의 평가
____12.1.2 비지도 학습을 사용해 학습한 모델의 평가
__12.2 과소적합과 과대적합 문제
__12.3 모델 검증과 평가 실습
____12.3.1 과소적합 및 과대적합 실습 준비
____12.3.2 회귀분석 학습 및 평가
__12.4 교차 검증
____12.4.1 교차 검증의 개념
____12.4.2 K-겹 교차 검증
____12.4.3 K-겹 교차 검증 실습
__12.5 모델 평가
____12.5.1 예측 모델
____12.5.2 분류 모델
____12.5.3 비지도 학습에서의 평가
__12.6 요약

13장. 예측 문제 해결하기(비가 오는 날은 영화 관객 수가 줄어들까?)

__13.1 들어가며
__13.2 선형 회귀 모델에 대한 개념적 설명
__13.3 인공지능 모델 학습 준비
____13.3.1 준비하기
____13.3.2 데이터 불러오기
__13.4 데이터 탐색적 분석
__13.5 예측 모델 학습
____13.5.1 데이터셋 준비
____13.5.2 데이터셋 분리
__13.6 모델 학습
__13.7 정규화
__13.8 모델 검증 및 평가
____13.8.1 모델 평가
__13.9 K-겹 교차 검증
__13.10 모델 평가 활용
__13.11 학습된 모델로 2020년 영화 관객 수 예측해 보기
__13.12 요약
__연습문제 6

14장. 분류 문제 해결하기(누가 신문을 읽고 있을까?)

__14.1 들어가며
____14.1.1 서포트 벡터 머신의 개념
__14.2 분류 모델 학습 준비
____14.2.1 데이터 준비
____14.2.2 탐색적 분석
__14.3 분류 모델 학습
____14.3.1 데이터 준비
____14.3.2 분류 모델 학습
__14.4 모델 평가
____14.4.1 혼동행렬
____14.4.2 혼동행렬을 사용해 평가 지표 구하기
____14.4.3 Receiver Operating Characteristics(ROC) 커브를 사용해 모델 평가하기
__14.5 모델 성능 개선
____14.5.1 모델 개선: 분류에 사용하는 특성이 많아지면 모델 성능이 향상될까?
____14.5.2 변수를 계속 추가하면 모델의 성능이 계속 향상될까?
____14.5.3 모델 성능 비교
____14.5.4 K-겹 교차 검증
__14.6 요약
__연습문제 7

15장. 군집화 문제 해결하기(강수량과 평균 기온으로 사계절을 구분할 수 있을까?

__15.1 K-평균 군집화의 개념
__15.2 K-평균 군집화 모델 학습
____15.2.1 준비하기
____15.2.2 탐색적 분석
____15.2.3 모델 학습
____15.2.4 학습된 모델 확인
____15.2.5 K-평균 군집 모델 시각화
__15.3 K-평균 군집화 모델 평가
____15.3.1 실루엣 분석의 개념
____15.3.2 각 데이터별 실루엣 계수 구하기
____15.3.3 실루엣 계수를 사용해 모델 성능 비교
____15.3.4 실루엣 분석 시각화
__15.4 요약
__연습문제 8

16장. 텍스트를 자동으로 분류하기(토픽 모델링을 사용한 신문사설 자동 분류 모델)

__16.1 토픽 모델링이란?
____16.1.1 토픽 모델링의 개념
____16.1.2 LDA 토픽 모델링
____16.1.3 토픽 모델링 실습 과정
__16.2 텍스트 전처리
____16.2.1 분석 준비하기
____16.2.2 텍스트 전처리
____16.2.3 특수 기호 없애기
____16.2.4 형태소 분석
____16.2.5 정규화
____16.2.6 불용어 제거
__16.3 토픽 모델링 실습
____16.3.1 토모토파이 설치
____16.3.2 토모토파이 기본 사용 방법
__16.4 최적의 K값 찾기
____16.4.1 토픽 모델링 함수 정의
____16.4.2 K값 찾기
____16.4.3 혼란도 값의 시각화
__16.5 토픽 모델링 결과 탐색
____16.5.1 토픽별로 확률이 높은 단어 출력하기
____16.5.2 각 문서별 토픽 분포 구하기
____16.5.3 토픽 이름 붙이기
____16.5.4 토픽 모델링 시각화
__16.6 요약
__연습문제 9