AI 인공지능 개발방법론

구성 및 주요 내용

이 책은 인공지능을 개발하기 위해 알아야 할 기본 개념과 방법을 담은 1부(1-6장)와 개발 실전 사례를 담은 2부(7-8장)로 구성되어 있다. 2부에는 실제로 정형 데이터와 비정형 데이터를 활용하여 인공지능 모형을 개발한 과정을 담아 독자들이 체계적으로 학습할 수 있도록 하였다.

1장에는 인공지능 개발 절차, 데이터의 수집과 분류, 미래신호 탐색에 대한 내용을 기술하였다. 2장에는 인공지능 개발 프로그램인 R의 설치 및 활용 방법을 기술하였다. 3장에는 인공지능의 개념과 학습방법에 대해 기술하였다. 4장에는 머신러닝의 지도학습 알고리즘인 나이브 베이즈 분류모형, 로지스틱 회귀모형, 랜덤포레스트 모형, 의사결정나무 모형, 신경망 모형, 서포트벡터머신 모형으로 인공지능을 모델링하는 전 과정을 기술하였다. 5장에는 인공지능 모형 평가를 위한 오분류표와 ROC 곡선에 대해 기술하였다. 6장에는 1-5장까지의 학습을 바탕으로 코로나19 정보확산 위험예측 인공지능을 개발하는 전 과정을 기술하였다. 7장에는 정형 데이터를 활용한 청소년 범죄지속 위험예측 인공지능 개발 과정을 기술하였다. 8장에는 비정형 데이터를 활용하여 마약 위험예측 인공지능 개발 과정을 기술하였다.

part 1 인공지능 개발방법론

ch 1 인공지능 개발 방법
1 인공지능 개발 필요성
2 인공지능 개발 절차
3 인공지능 개발을 위한 데이터 수집 및 분류
3-1 데이터 수집
3-2 데이터 분류
3-3 연구윤리
4 인공지능 학습데이터 생성
5 미래신호 탐색
5-1 미래신호 탐색 방법
5-2 코로나19 주요 요인의 단어빈도와 문서빈도 분석
5-3 코로나19 주요 요인의 미래신호 탐색
5-4 결론 및 고찰

ch 2 R의 설치와 활용
1 R의 설치와 활용
1-1 R 설치
1-2 R 활용

ch 3 인공지능 개념과 학습방법
1 인공지능 개념
2 인공지능 학습방법
3 인공지능 개발 시 고려사항
4 인공지능 학습데이터

ch 4 인공지능 모델링
1 나이브 베이즈 분류모형
2 로지스틱 회귀모형
3 랜덤포레스트 모형
4 의사결정나무 모형
5 신경망 모형
5-1 'nnet' 패키지 사용
5-2 'neuralnet' 패키지 사용
6 서포트벡터머신 모형
7 연관분석
7-1 입력변수 간 연관분석
7-2 입력변수와 출력변수 간 연관분석

ch 5 인공지능 모형 평가
1 오분류표를 활용한 모형 평가
1-1 오분류표 평가 시 고려사항
1-2 오분류표를 활용한 양질의 학습데이터 생성
2 ROC 곡선을 활용한 모형 평가
3 오분류표를 활용한 코로나19 정보확산 위험예측 인공지능 모형 평가
3-1 나이브 베이즈 분류모형 평가
3-2 신경망 모형 평가
3-3 로지스틱 회귀모형 평가
3-4 서포트벡터머신 모형 평가
3-5 랜덤포레스트 모형 평가
3-6 의사결정나무 모형 평가
4 ROC 곡선을 활용한 코로나19 정보확산 위험예측 인공지능 모형 평가
4-1 나이브 베이즈 분류모형 ROC
4-2 신경망 모형 ROC
4-3 로지스틱 회귀모형 ROC
4-4 서포트벡터머신 모형 ROC
4-5 랜덤포레스트 모형 ROC
4-6 의사결정나무 모형 ROC

ch 6 코로나19 정보확산 위험예측 인공지능 개발
1 인공지능 모형 평가
2 최적 모형을 이용한 출력변수 예측
2-1 신경망 모형을 활용한 출력변수 예측
2-2 랜덤포레스트 모형을 활용한 출력변수 예측
3 원데이터와 예측데이터의 출력변수를 활용한 양질의 학습데이터 생성
3-1 신경망 모형을 활용한 양질의 학습데이터 생성
3-2 랜덤포레스트 모형을 활용한 양질의 학습데이터 생성
4 머신러닝을 활용한 코로나19 정보확산 위험예측 인공지능 개발
4-1 신경망 모형을 적용한 코로나19 정보확산 위험예측 인공지능 개발
4-2 랜덤포레스트 모형을 적용한 코로나19 정보확산 위험예측 인공지능 개발
5 입력변수가 출력변수에 미치는 영향력 산출

part 2 인공지능 개발 실전

ch 7 정형 데이터를 활용한 인공지능 개발: 청소년 범죄지속 위험예측 인공지능 개발
1 청소년 범죄지속 위험예측 인공지능 개발의 필요성
2 청소년 범죄지속 위험예측 인공지능 학습데이터 생성
3 청소년 범죄지속 위험예측 인공지능 개발
3-1 인공지능 모형 평가
3-2 최적 모형을 이용한 출력변수 예측
3-3 원데이터와 예측데이터의 출력변수를 활용한 양질의 학습데이터 생성
3-4 머신러닝을 활용한 청소년 범죄지속 위험예측 인공지능 개발
3-5 입력변수가 출력변수에 미치는 영향력 산출

ch 8 비정형 데이터를 활용한 인공지능 개발: 마약 위험예측 인공지능 개발
1 마약 위험예측 인공지능 개발의 필요성
2 마약 소셜 빅데이터 분석 방법
2-1 마약 소셜 빅데이터 분석 절차
2-2 마약 소셜 빅데이터 수집 및 분류
3 마약 미래신호 탐색
4 마약 위험예측 인공지능 개발
4-1 인공지능 모형 평가
4-2 최적 모형을 이용한 출력변수 예측
4-3 원데이터와 예측데이터의 출력변수를 활용한 양질의 학습데이터 생성
4-4 머신러닝을 활용한 마약 위험예측 인공지능 개발
4-5 입력변수가 출력변수에 미치는 영향력 산출

송주영 현재 펜실베이니아 주립대학교 범죄학/형사사법학과 부교수로 재직 중이다. 한양대학교 법학과를 졸업하고 동 대학원에서 형사법전공 석사 학위를 받았다. 미시간 주립대학교 형사사법학대학에서 형사정책/형사사법 박사 학위를 받고 웨스트 조지아 주립대학교 범죄학과 조교수와 한국형사정책연구원 부연구위원으로 재직하였다.
해외 저서로는 Cambridge Scholars Publishing에서 출판한 《Big Data Analysis Using Machine Learning for Social Scientists and Criminologists》가 있으며, 주요 국내 저서로는 《빅데이터를 활용한 인공지능 개발》, 《빅데이터를 활용한 범죄예측》, 《머신러닝을 활용한 소셜빅데이터 분석과 미래신호 예측》, 《R을 활용한 소셜 빅데이터 연구방법론》, 《빅데이터 연구 한 권으로 끝내기》, 《빅데이터 분석방법론》이 있다. 주요 연구 분야는 청소년 범죄 특히 재범 연구, 학교폭력과 사이버폭력, 청소년 성매매 등이고, Journal of Adolescent Health, Cyberpsychology Behavior and Social Networking, Journal of Criminal Justice, International Journal of Offender Therapy and Comparative Criminology, Computers in Human Behavior 등 다수의 해외 저널에 관련 논문을 게재하였다.