이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능?
- 문화비소득공제 가능
상세 이미지
.jpg)
책소개
목차
|
01장 알파고와 알파폴드를 만든 구글 딥마인드
1.1 대한민국의 인공지능: 알파고 이전과 이후 2 1.2 낭중지추 4 1.2.1 딥마인드 창업자 데미스 하사비스 7 1.3 알파벳은 왜 바둑을 선택했나? 9 1.3.1 알파고의 학습방법 10 1.3.2 알파고의 바둑기풍 13 1.4 인공지능을 리딩하는 딥마인드 17 1.5 생명의 신비를 풀어주는 인공지능 알파폴드 20 1.5.1 알파폴드의 모델구조 22 1.5.2 알파폴드의 학습방법 24 1.5.3 알파폴드의 활용 25 02장 ChatGPT와 오픈AI 2.1 알파고 이후 인공지능 쓰나미: ChatGPT 30 2.1.1 공상과학 영화가 현실이 되다 32 2.1.2 언어모델이란? 35 2.1.3 챗GPT의 기본 모델: 트랜스포머 39 2.1.4 일반 챗봇과 챗GPT의 차이점 42 2.1.5 챗GPT는 어떻게 만들어졌나? 45 2.1.6 챗GPT 활용사례 56 2.2 오픈AI 66 2.2.1 초기 오픈AI의 인공지능 연구 69 2.2.2 오픈AI가 만든 인공지능 예술가 73 03장 인공지능 3.1 지능이란? 78 3.2 인공지능이란? 81 3.2.1 인공지능의 연구분야 84 3.3 인공지능의 역사 92 3.3.1 인공지능의 서막을 올린 앨런 튜링 94 3.3.2 최초의 인공지능 테스트: 튜링 테스트 98 3.3.3 인공지능 뇌의 진화 101 3.3.4 새로운 컴퓨팅 환경: 양자컴퓨터 109 3.3.5 최초의 인공신경망: 퍼셉트론 113 3.3.6 인공지능이라는 용어의 등장 115 3.3.7 인공지능의 위대한 도전들 117 3.3.8 첫번째 인공지능 겨울 122 3.3.9 인공지능의 재도약 124 3.3.10 인공지능의 핵심: 머신러닝 129 3.3.11 두번째 인공지능 겨울 131 3.3.12 현재의 인공지능 132 3.3.13 IoT와 인공지능: 디지털트윈 136 3.4 인공지능의 미래 143 3.4.1 특이점: 선형 대 지수 146 3.4.2 일반 인공지능 149 3.4.3 AGI로 가는 길 149 04장 인공지능의 핵심: 학습 4.1 학습: 지능의 핵심 160 4.2 모델이란? 162 4.2.1 물리모델 164 4.2.2 학습모델 165 4.2.3 추론모델 165 4.2.4 인공지능에서 모델구현의 접근방법 167 4.3 학습모델의 학습방법 168 4.4 학습모델과 머신러닝 173 4.4.1 콜레라를 멈추게 한 160년전의 머신러닝 173 4.4.2 학습모델의 특성추출 176 4.4.3 학습모델 활용의 확산 177 4.5 통계와 확률 179 4.5.1 상관분석과 회귀분석 179 4.5.2 빈도론 vs 베이지안 181 4.5.3 현대 임상실험 방법을 바꾼 베이지안 187 05장 머신러닝 5.1 머신러닝 개요 196 5.2 머신러닝과 딥러닝의 차이점 201 5.3 지도학습 208 5.3.1 지도학습의 학습방법 209 5.3.2 분류 210 5.3.3 예측/회귀 244 5.4 비지도학습 273 5.4.1 비지도학습의 학습방법 274 5.4.2 군집 276 5.3.3 차원축소 296 5.5 강화학습 308 5.5.1 강화학습의 학습방법 311 5.5.2 강화학습 모델의 구성요소 312 5.5.3 강화학습 문제정의: MDP 318 5.5.4 가치기반 강화학습 324 5.5.5 정책기반 강화학습 337 5.5.6 모델기반 강화학습 338 06장 딥러닝 6.1 딥러닝 개요 346 6.2 딥러닝의 발전과정 348 6.2.1 뉴런과 시냅스 349 6.2.2 인공신경망의 시작: TLU 350 6.2.3 기억과 학습 353 6.2.4 최초의 인공신경망 모델: 퍼셉트론 354 6.2.5 에러의 역전파 365 6.2.6 딥러닝 프레임워크 372 6.3 딥러닝의 학습절차 378 6.4 기본 신경망 모델 381 6.4.1 다층 퍼셉트론 예제 383 6.5 이미지 분석 387 6.5.1 컨볼루션 신경망 391 6.5.2 이미지 분류 397 6.5.3 이미지 객체추출 409 6.5.4 이미지 객체분할 418 6.6 순차적 데이터 분석 426 6.6.1 순환신경망 모델과 활용사례 427 6.6.2 기본적인 순환신경망 431 6.6.3 LSTM과 GRU 434 6.6.4 학습목적에 따른 순환신경망 구조 438 6.6.5 순환신경망에서의 역전파 443 6.6.6 Seq2Seq 기반의 언어모델 445 6.6.7 트랜스포머 451 6.6.8 GPT 모델과 BERT 모델 458 6.7 생성모델 462 6.7.1 오토인코더 467 6.7.2 VAE 모델 469 6.7.3 GAN 모델 474 6.7.4 Diffusion 모델 478 6.7.5 가짜와의 전쟁: DeepFake 485 심층강화학습 490 6.8.1 가치기반 심층강화학습 모델 490 6.8.2 정책기반 심층강화학습 모델 493 별첨: 인공지능, 머신러닝, 딥러닝에 사용되는 용어 |
저자 소개 1
카네기멜론 대학교에서 최적화 분야 병렬 컴퓨팅 알고리즘으로 컴퓨터공학 박사학위를 받았다. 미국 국립과학재단 그랜드 챌린지 과제인 ‘Quake’ 프로젝트에서 핵심 연구원으로 참여하면서 미국 캘리포니아 부근에서 발생한 지진을 슈퍼컴퓨터를 이용한 분석모델로 가장 정확하게 예측한 공로로 고든벨 어워드 Gordon Bell Awards를 수상하였다. 듀크 대학교에서 리서치 펠로우와 한국 IT 기업에서 수석연구원 및 CTO로 근무하다가 최근 실리콘밸리의 인공지능 업체와 공동으로 설립한 아이덴티파이 (aidentify) 대표를 맡고 있다.
김의중의 다른 상품
품목정보
- 발행일
- 2023년 08월 28일
- 쪽수, 무게, 크기
- 520쪽 | 1210g | 188*240*32mm
- ISBN13
- 9791197420672
출판사 리뷰
|
혹시 여러분이 인공지능에 관심이 있다면, 다음과 같은 경험을 해본적이 있나요?
-인공지능에 관련된 책을 여러 권 읽어도 도대체 핵심을 정확히 모르겠어 ㅜㅜ -읽었던 교재는 쉬운 것 같은데 놓치거나 빠뜨린 내용은 없는 걸까? -머신러닝과 딥러닝의 포함관계보다 차이점과 장단점을 알고 싶은데… -기본원리의 이해없이 주입식으로 배운 예제코드를 다른 분야에 활용하려니까 잘 안되넹… -개념을 모르고 코딩을 하면 결과가 제대로 처리됐는지 알 수가 없네 ㅠㅠ -지금까지 나는 인공지능 학습모델을 정확히 이해하고는 있는 걸까? -Zero-base에서부터 차근차근 설명된 교재가 있으면 좋겠는데… -현재 가장 핫한 연구는 어떤 분야이고 향후 연구 방향성은? 위 내용은 저자가 앞서 출판한 『알고리즘으로 배우는 인공지능, 머신러닝, 딥러닝 입문』이라는 책을 교재로 하여 여러 현장 강의를 통해 수강생으로부터 얻은 피드백이다. 저자는 이번에 출간하는 개정판 『알고리즘으로 배우는 인공지능, 머신러닝, 딥러닝』을 통해 위에서 예시한 여러 문제들을 해결하고자 했다. 사람의 지능을 조금 더 구체적으로 분석해보고 이를 기반으로 인공지능을 설명한다. 저자는 이 책에서 인공지능의 핵심은 머신러닝이라고 설명한다. 오래전부터 시작된 전통적인 머신러닝과 최근 급 부상하고 있는 딥러닝 모델을 여러 관점에서 비교하고 있다. 학습방식에 따른 학습모델, 데이터 형태와 처리 임무에 따른 학습모델을 각각 처리방법과 처리구조 관점으로 설명한다. 저자는 꼭 전달해야 할 필요성이 있는 중요한 개념과 용어는 책 중간중간에 의도적으로 반복해서 표현했다고 한다. 그리고 가끔씩 등장하는 수학 표현식은 명확한 개념 전달을 위한 것이지만, 표현식을 무시해도 앞서 표현된 설명만으로도 충분히 개념을 이해할 수 있다고 한다. 이 책에서는 최근까지 진행된 거의 모든 분야의 인공지능, 머신러닝, 딥러닝 내용들을 하나도 빠짐없이 소개하고 있으며, 그야말로 Zero-Base에서 사전지식 없이도 접근할 수 있도록 전과정이 구성되어 있다 이 책에서 다루는 내용 -인공지능의 과거, 현재 그리고 미래 -모델이란? 모델의 정의와 개념을 소개하고, 물리모델, 학습모델, 추론모델의 차이점과 인공지능에서 사용되는 모델은 어떤 것이 있는지 설명한다 -인공지능의 핵심은 학습이라고 정의하고, 머신러닝의 학습방법인 지도학습, 비지도학습, 강화학습의 개념과 현재까지 개발된 모든 학습모델들을 알기 쉽게 예제를 통해 설명한다 -전통적인 머신러닝과 딥러닝의 차이점을 단순한 포함관계가 아닌 개념적으로 어떤 차이가 있고 각각 어떤 장단점이 있는지 구체적으로 비교한다 -딥러닝의 발전과정을 다시한번 되돌아보고, 딥러닝 모델이 왜 현재 인공지능에서 핵심적인 역할을 하고 있는지를 설명한다 -최근에 가장 많은 관심을 받고 있는 딥러닝 모델인 언어모델, 생성모델 그리고 심층강화학습 모델을 심도 있게 다룬다 |
