저자 소개: 박빈
서평
출판사평
Chapter 1. AI, 왜 알아야 할까요? - 인공지능의 시대
1. 인공지능(AI)이란 무엇인가? (가장 쉬운 정의)
2. 우리 삶 속에 스며든 AI 사례들 (실생활 예시)
3. AI 역사의 짧은 이해 (핵심 발전 단계)
4. AI가 세상을 어떻게 바꾸고 있는가? (직업, 산업의 변화)
5. 비전공자도 AI를 배워야 하는 이유 (실용적인 관점)
Chapter 2. AI의 큰 그림: 머신러닝 vs. 딥러닝
1. AI의 3단계 분류 (약/강/초 인공지능)
2. 머신러닝(Machine Learning)이란 무엇인가? (핵심 개념과 원리)
3. 딥러닝(Deep Learning)이란 무엇인가? (머신러닝과의 관계)
4. 데이터가 왜 중요한가? (AI 시대의 '원유')
5. 두 개념을 비유로 쉽게 이해하기 (간단한 예시 및 그림 활용)
Chapter 3. 머신러닝의 기초 다지기: 데이터 학습의 원리
1. 머신러닝은 어떻게 '학습'하는가? (모델과 알고리즘)
2. 지도 학습(Supervised Learning)의 이해 (정답을 알려주는 학습)
3. 비지도 학습(Unsupervised Learning)의 이해 (정답 없이 패턴 찾기)
4. 강화 학습(Reinforcement Learning)의 이해 (시행착오를 통한 학습)
5. 학습 결과를 평가하는 기준 (정확도, 오차율 등)
Chapter 4. 지도 학습 심층 이해: 분류와 예측
1. 분류(Classification) 문제 (Yes/No, A/B/C 판별)
2. 회귀(Regression) 문제 (미래 값 예측, 가격 예측)
3. 결정 트리(Decision Tree)와 그 작동 방식 (의사결정 과정 시각화)
4. 선형 회귀(Linear Regression)를 통한 예측 (가장 쉬운 수학적 모델)
5. 과적합(Overfitting)과 일반화(Generalization)의 문제
Chapter 5. 비지도 학습 심층 이해: 패턴과 그룹 찾기
1. 군집화(Clustering)란 무엇인가? (비슷한 것끼리 모으기)
2. K-평균 군집화(K-Means)의 원리 (가장 대표적인 알고리즘)
3. 차원 축소(Dimensionality Reduction)의 필요성 (데이터 압축)
4. 연관 규칙 학습 (장바구니 분석의 비밀)
5. 데이터 시각화를 통한 패턴 발견
Chapter 6. 딥러닝으로의 전환: 인공 신경망의 등장
1. 인간의 뇌와 인공 뉴런 (퍼셉트론의 기본 구조)
2. 신경망(Neural Network)의 연결과 층(Layer) (데이터의 흐름)
3. 가중치(Weight)와 편향(Bias)의 역할 (학습의 핵심 요소)
4. 활성화 함수(Activation Function)란 무엇인가? (신호 전달 방식)
5. 신경망이 '깊어지는' 이유 (특징 추출 능력 강화)
Chapter 7. 딥러닝 핵심 알고리즘 1: 이미지와 CNN
1. 이미지는 컴퓨터에게 무엇인가? (픽셀과 행렬)
2. 합성곱 신경망(CNN)의 등장 배경
3. 합성곱(Convolution) 필터의 원리 (특징 추출)
4. 풀링(Pooling)의 역할 (크기 줄이기와 중요한 정보 보존)
5. CNN이 실제 이미지 분석에 활용되는 사례 (얼굴 인식, 자율주행)
Chapter 8. 딥러닝 핵심 알고리즘 2: 자연어와 RNN/Transformer
1. 자연어(Natural Language)를 컴퓨터가 이해하는 방법 (단어 임베딩)
2. 순환 신경망(RNN)의 원리 (시간의 흐름을 기억하는 구조)
3. RNN의 한계를 극복한 LSTM/GRU
4. 혁신적인 Transformer 모델과 'Attention' 메커니즘 (GPT의 기반)
5. 텍스트 생성, 번역, 챗봇의 원리
Chapter 9. AI 윤리와 미래 전망
1. AI 시대의 윤리적 쟁점 (편향, 책임 소재)
2. 데이터 프라이버시와 보안 문제
3. AI 오용과 악용의 위험성 (딥페이크 등)
4. AI의 미래: 범용 인공지능(AGI)은 가능할까?
5. 비전공자가 AI 시대에 갖춰야 할 능력 (AI 리터러시)
Chapter 10. AI 학습, 이제 무엇을 시작해야 할까요?
1. AI 도구를 활용해보기 (ChatGPT, 미드저니 등 체험)
2. AI 관련 데이터셋 및 무료 학습 리소스 추천
3. 간단한 머신러닝 모델 직접 만들어보기 (코드 없이 가능한 도구 소개)
4. AI 관련 커뮤니티 및 지식 공유 플랫폼 활용
5. 비전공자의 관점에서 AI를 업무에 적용하는 방법
판 권