쏙쏙 들어오는 인공지능 알고리즘

리샬 허반스 저/구정회 역 | 제이펍 | 2022년 03월 23일 | PDF

이용가능환경 : Windows/Android/iOS 구매 후, PC, 스마트폰, 태블릿PC에서 파일 용량 제한없이 다운로드 및 열람이 가능합니다.

구매

종이책 정가 28,000원

전자책 정가 19,600원

판매가 19,600원

도서소개

딥러닝과 인공지능의 핵심 알고리즘을 그림과 개념으로 이해한다!

『쏙쏙 들어오는 인공지능 알고리즘』은 어려운 용어는 가능한 피하고 일러스트레이션, 연습문제, 그리고 직관적인 설명으로 기본적인 인공지능 개념을 설명한다. 독자는 단지 고등학교 수준의 대수학만 알고 있으면 된다. 기본적인 이론 외에 금융사기 감지, 예술 작품 제작, 자율주행 자동차 설정과 같은 도전적인 코딩 과제도 포함하고 있다.

저자소개

저 : 리샬 허반스 (Rishal Hurbans)
어린 시절부터 컴퓨터와 기술, 그리고 기발한 아이디어에 집착할 정도로 관심이 많았다. 소속된 팀과 회사에서는 리더십을 발휘하였고, 소프트웨어 엔지니어링, 전략 계획, 다양한 국제 비즈니스를 위한 종단 간 솔루션 설계에도 참여했다. 또한, 회사와 커뮤니티 등에서 실용주의 학습 및 기술 중심 문화를 성장시키는 업무를 담당하기도 했다.

리샬은 비즈니스 전략, 사람과 팀의 성장, 디자인 사고, 인공지능, 철학 등에 관심이 많으며, 사람과 기업의 생산성을 높이는 다양한 디지털 제품을 만들었다. 또한, 복잡한 개념에 쉽게 접근할 수 있고 사람들이 스스로 성장하는 데 도움이 되는 전 세계 수십 개의 콘퍼런스에서 연설자로 나서기도 했다.


역 : 구정회
연세대학교 전자공학과를 졸업하고 포항공과대학교 대학원 전자전기공학과에서 컴퓨터 비전을 전공하였으며, 삼성전자 입사 후에 학술연수 프로그램에 선발되어 연세대학교에서 통신신호처리 전공으로 박사 학위를 취득했다. 현재는 삼성 리서치에서 딥러닝 기반 비전 기술을 연구 및 개발하고 있다. 보코더(vocoder)와 DSP 펌웨어 개발로 산업계 경력을 시작하였고, 국산화 과제(CDMA 모뎀, Tizen 플랫폼) 개발과 함께 이를 적용한 관련 제품 개발 및 상품화에 참여했다.

감사하게도 인공지능의 몇 차례 빙하기를 이겨낸 앞선 연구자들의 어깨를 빌려 다시 컴퓨터 비전 관련 딥러닝 연구를 이어가고 있다. 이것이 마지막 연구 주제가 되었으면 하는 바람과 조금은 더 선한 영향력을 꿈꾸며, 날마다 쏟아져 나오는 새로운 딥러닝 관련 홍수 속에서 하루하루 발견하는 즐거움을 찾고 있다.

밥벌이를 시작하면서 한 장의 영화 팸플릿에 담긴 사람들의 노고가 와 닿아 영화 팸플릿을 수집하는 취미를 갖게 되었고, 어느덧 책 읽기는 책을 사 모으는 즐거움으로 변질되어 나날이 늘어나는 책장 덕에 안주인의 사랑스런 눈치를 보며 두 자녀와 행복하게 살고 있다.

목차소개

옮긴이 머리말 ix
서문 xi
감사의 글 xviii
이 책에 대하여 xix
베타리더 후기 xxii
《쏙쏙 들어오는 인공지능 알고리즘》 지도 xxiv

1장 인공지능의 직관적 이해?

인공지능이란 무엇인가??
인공지능의 간략한 역사?
문제 유형과 문제 해결 패러다임?
인공지능 개념의 직관적 이해?
인공지능 알고리즘의 사용?

2장 검색의 기초

계획 및 검색이란?
계산 비용: 스마트한 알고리즘이 필요한 이유
검색 알고리즘을 적용할 수 있는 문제
상태 표현: 문제 공간과 솔루션 표현을 위한 프레임워크 생성
정보 없는 검색: 맹목적으로 솔루션 찾기
너비 우선 탐색: 깊게 보기 전에 넓게 보기
깊이 우선 탐색: 넓게 보기 전에 깊게 보기
정보 없는 검색 알고리즘 사용 사례
선택 사항: 그래프 유형에 대한 추가 정보
선택 사항: 다양한 그래프 표현 방법

3장 지능형 검색

휴리스틱 정의: 학습된 추측 설계
정보 있는 검색: 지침이 있는 솔루션 찾기
적대적 탐색: 변화하는 환경에서 솔루션 찾기

4장 진화 알고리즘

진화란 무엇인가?
진화 알고리즘을 적용할 수 있는 문제
유전 알고리즘: 수명 주기
솔루션 공간 인코딩
솔루션 모집단 생성
모집단 내 개체 적합도 측정
적합도에 따른 부모 선택
부모로부터 개체 복제
다음 세대 채우기
유전 알고리즘 매개변수 설정
진화 알고리즘 사용 사례

5장 고급 진화 방식

진화 알고리즘 수명 주기
다른 개체 선택 전략
실숫값 인코딩: 실숫값으로 작업
순서 인코딩: 시퀀스(sequence) 작업
트리 인코딩: 계층 작업
진화 알고리즘의 일반적인 유형
진화 알고리즘 용어집
추가적인 진화 알고리즘 사용 사례

6장 군집 지능: 개미

군집 지능이란?
개미 군집 최적화를 적용할 수 있는 문제
상태 표현: 경로와 개미는 어떤 모습일까?
개미 군집 최적화 알고리즘 수명 주기
개미 군집 최적화 알고리즘 사용 사례

7장 군집 지능: 입자

입자 군집 최적화란?
최적화 문제: 약간 더 기술적인 관점
입자 군집 최적화를 적용할 수 있는 문제
상태 표현: 입자는 어떤 모습일까?
입자 군집 최적화 수명 주기
입자 군집 최적화 알고리즘 사용 사례

8장 머신러닝

머신러닝이란?
머신러닝이 가능한 문제
머신러닝 작업 순서
의사 결정 트리를 통한 분류
또 다른 인기 있는 머신러닝 알고리즘
머신러닝 알고리즘 사용 사례

9장 인공 신경망

인공 신경망이란?
퍼셉트론: 뉴런의 개념적 표현
인공 신경망 정의
순전파: 훈련된 인공 신경망 사용
역전파: 인공 신경망 훈련
활성화 함수 선택
인공 신경망 설계
인공 신경망 및 사용 사례

10장 Q-러닝을 통한 강화학습

강화학습이란?
강화학습이 가능한 문제
강화학습 수명 주기
딥러닝 기반 강화학습
강화학습 사용 사례

찾아보기

회원리뷰 (0)

현재 회원리뷰가 없습니다.

첫 번째 리뷰를 남겨주세요!