Chapter 0. Intro
딥러닝이 모든 비즈니스를 변화시킨다.
*빅 데이터로 실력을 발휘하는 딥러닝
*미국과 일본의 모든 승용차에 통신장치를 탑재한 도요타
*인공지능이 혁신을 일으키는 시대로
*중소기업에도 인공지능의 혜택이

Chapter 1. 기초 입문
인공지능과 머신러닝, 딥러닝에는 어떤 차이점이 있는가?
*딥러닝은 머신러닝의 일부
*머신러닝은 인간이 프로그램을 만들지 않는다
*딥러닝을 가능하게 한 컴퓨터의 발달
*‘연구의 홍수’와 같은 인공 지능의 확산
*‘모바일 퍼스트’에서 ‘AI 퍼스트’로

Chapter 2. 입문
딥러닝의 메커니즘
* 머신러닝 이외의 인공지능이란?
* 머신러닝의 기본
* 머신러닝에도 여러 가지 방법이 있다
* 뉴럴 네트워크는 뇌의 신경구조
* 분류하는 방법을 컴퓨터가 스스로 배워나간다
* 인터넷의 ‘놀이터’를 통해 이해하는 뉴럴 네트워크
* 지도학습과 강화학습
* 강화학습을 활용한 ‘알파고’

Chapter 3. 구글 사례 편
구글의 딥러닝 활용 사례
* 3-1 미래를 향해 퍼져나가는 딥러닝의 활용
대화로 사용하는 가정의 인공지능 비서
사람과 대화를 할 수 있다!?
* 3-2 자율주행을 지탱하는 딥러닝
딥러닝으로 데이터센터의 소비전력을 큰 폭으로 절감
* 3-3 인간의 눈을 초월하여 사물을 분별하는 이미지 인식
사진을 자동으로 분류하는 ‘Google 포토’
인공지능이 평가하는 그림 그리기 시스템 ‘Quick, Draw!’
컴퓨터도 꿈을 꿀 수 있는가? ‘딥 드림’ 실험
뛰어난 예술과 음악을 만들어내는 ‘마젠타’
동영상을 인식하는 기술! ‘독순술 전문가에게 승리하다’
* 3-4 문장을 이해하는 텍스트 분석
자동으로 이메일 답장 예문을 만드는 ‘Inbox’
스팸 필터의 정확도도 크게 향상
기업의 정보검색을 원활하게 하는 ‘구글 스프링보드’
* 3-5 대화만으로 컴퓨터와 의사를 소통하는 ‘음성 인식’
대화로 인간을 보조하는 ‘Google 어시스턴트’
합성음성도 피아노곡도 만들 수 있는 ‘WaveNet’
* 3-6 언어의 벽을 넘을 가능성이 보이기 시작한 ‘기계 번역’
뉴럴 네트워크로 진화된 Google 번역
* 3-7 딥러닝 학습의 성과를 간편하게 사용할 수 있는 ‘머신러닝 API’
Google Cloud Vision API
Google Cloud Speech API
Google Natural Language API
Google Cloud Translate API
사용자가 정의한 딥러닝을 활용할 수 있는 ‘텐서플로’
딥러닝이 적합한 영역, 적합하지 않은 영역

Chapter 4. 기업 사례 편
딥러닝을 활용한 업무의 효율성 향상사례
* 4-1 안도 하자마, 터널 공사 시의 암반 경도를 판정하다
굴착 공사의 자동 최적화까지 가시권에
* 4-2 자동차 사진으로 모델까지 식별하는 오크넷 IBS
연간 약 500만 대의 중고차 데이터를 활용
핸들의 위치를 식별할 수 없어 고민하다
중고차 거래 활성화에 기여
* 4-3 드론을 항공 촬영에 활용하는 에어로센스
적은 양의 훈련 데이터로 자동차의 대수를 감지하는 시스템을 구축
측량 효율을 높여주는 표식을 개발하다
* 4-4 음성 인식 API로 운항 정보를 24시간 제공하는 Peach 항공
사람과 인공지능의 역할 분담
* 4-5 카드 부정 감지 시스템의 정밀도를 크게 향상시킨 미쓰이 스미토모 FG
콜센터의 모든 자리에 도입
데이터는 답을 알려주지 않는다

Chapter 5. 활용 프레임워크 편
데이터×목적으로 정리하고 활용 흐름도를 그리자
* 5-1 데이터×목적에 따른 정리법
이미지 데이터는 이미 연구된 성과물이 많다
음성 데이터 활용은 콜센터가 중심
우선은 비용 절감 목적으로 접근해 나가는 것이 현실적
* 5-2 성공에 필요한 상식과 인력의 전환
활용 흐름도를 그릴 수 있는가?
필요한 인재상은?
머신러닝은 상품화되었다. 그 다음의 특별한 존재는?

Chapter 6. 미래 전망 편
딥러닝이 문제를 해결하는 미래
* 기술 혁신의 견인차는 딥러닝
* 사람은 우수하다. 알고리즘 연구는 아직 진행 중
* 딥러닝은 ‘데이터 헝그리’
* AI 연구의 목표는 현실 세계의 문제 해결