인공지능 데이터 리터러시, 데이터 과학 속으로
Regular price
$28.09
Sale price
Regular price
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
복잡한 인공지능 데이터 세계를 탐색하는 기술과 통찰을 제공하는 책
훈련받은 대로 작동하는 AI를 제대로 알고 활용하는 데 필요한 개념과 실제 망라
인류 역사상 AI만큼 많은 오해를 받는 단어도 흔치 않을 것이다. 많은 사람들은 AI에서 프랑켄슈타인이나 터미네이터를 연상하기도 한다. 인간을 지배하는 '무서운 AI'를 떠올리는 사람도 생각보다 많다. 왜 이런 오해가 생겼을까? 역자는 크게 두 가지 때문이라고 지적한다. 하나는 '인공지능'이란 번역어, 그리고 또 하나는 AI를 잘못 묘사한 수많은 SF 영화들. 인간적인 냄새가 짙게 배어 있는 번역어와, 기술에 자율적인 인간의 모습을 입혀 버린 상상력이 결합하면서 많은 사람들은 AI를 '감정과 판단 능력을 가진 전지전능한 존재'라고 오해하게 됐다. 하지만 이 책 저자의 말처럼 "AI는 훈련받은 대로 작동한다." 인간이 정의한 대로 학습하고, 성장하는 존재다. 당연한 얘기지만, AI는 인간이 공급한 데이터로 훈련한다. 데이터가 많으면 많을수록 AI의 능력은 더 빠른 속도로 향상된다. 따라서 AI를 제대로 이해하고 활용하기 위해선 '데이터'를 이해하고 활용할 줄 알아야 한다. 이 책에서 AI와 함께 '데이터 리터러시'를 전면에 내세운 것은 이런 점 때문이다. 저자는 AI를 제대로 이해하기 위해서는 '데이터 과학 시민'이 되어야 한다고 주장한다. 데이터 과학 시민이란, 데이터 리터러시를 기반으로 '정보에 근거한 결정'을 할 줄 아는 사람이다.
『인공지능 데이터 리터러시, 데이터 과학 속으로』는 '21세기의 석유'로 통하는 데이터를 중심으로 AI가 몰고 온, 그리고 앞으로 몰고 올 변화를 생생하게 보여 준다. AI 윤리와 개인정보 보호 같은 쟁점은 물론, 예측과 통계 같은 중요한 이론도 압축적으로 다룬다. 델(Dell)의 고객 데이터 혁신 최고책임자로 재직 중인 저자는 현장 경험을 토대로 AI가 우리의 삶과 사회를 어떻게 변화시키는지 실감나게 묘사했다.
AI를 효과적으로 설계, 개발, 관리하려면 포괄적으로 접근하는 것이 가장 중요하다. 이를 위해선 모든 사람들이 적극 참여해야 한다. 저자의 목표는 "AI에 대한 논의를 단순화해서 모든 사람들이 AI가 우리의 이익을 위해 작동한다는 확신을 갖도록 하는 것"이다. 즉 모든 사람이 데이터 과학 시민으로서 권한을 가지고, AI와 데이터 리터러시의 기초를 다짐으로써, AI의 혜택을 받을 수 있도록 하는 일에 적극 참여해야 한다는 것이다.
이 책은 AI와 데이터 리터러시의 중요성, AI의 작동 방식, 정보를 토대로 의사를 결정하는 방법, 데이터가 아니라 분석으로 수익을 올리는 노하우, 챗GPT를 가능하게 하는 중요한 기술, 인공지능의 윤리 문제로 의도하지 않은 결과의 이해를 다룬다. 데이터의 본질과 가치, 인공지능 기술의 원리와 다양한 적용과 쟁점을 알 수 있다. 인공지능과 데이터의 지형을 한 눈에 볼 수 있는 수작이다. 특히 데이터를 통해 중요한 결정을 하거나 새로운 가치를 발굴해야 하는 독자에게 이 책은 책임감있는 결단력과 흔들림없이 실행력의 근거와 방법을 제시한다.
이 책의 독자
● 인공지능 데이터가 미치는 영향, 특히 일상에 미치는 바를 깊이 이해하려는 사람
● 인공지능 데이터가 개인 생활과 전문성을 어떻게 향상할 수 있는지 적극 이해하려는 사람
● 윤리적이고 책임감 있는 인공지능을 감독하는 데 의미 있게 참여하려는 사람
이 책이 다루는 내용
● 인공지능 데이터 리터러시가 모든 사람에게 필요한 이유
● 빅데이터가 일반 데이터보다 가치 있거나 위험한 근거
● 다양한 데이터 분석 방법을 이용해 시장이나 사회, 환경에 대한 통찰을 얻는 방법
● 데이터에 근거한 의사 결정에서 위험한 선택에 빠지는 함정과 그 해결책
● 통계를 활용해 효과적이고 안전한 의사 결정을 하는 방법
● 크고 작은 조직이 AI와 데이터로 새로운 가치를 만드는 방법
● AI가 인간을 위해 일하게 하는 첨단 아이디어
● 개인이 인공지능 데이터 활용에 자기 목소리를 내는 방법과 그에 따른 권한
● 생성형 AI의 작동 방식과 관련 기술
● 책임 있는 AI 활용을 위한 여섯 가지 리터러시 구성 요
훈련받은 대로 작동하는 AI를 제대로 알고 활용하는 데 필요한 개념과 실제 망라
인류 역사상 AI만큼 많은 오해를 받는 단어도 흔치 않을 것이다. 많은 사람들은 AI에서 프랑켄슈타인이나 터미네이터를 연상하기도 한다. 인간을 지배하는 '무서운 AI'를 떠올리는 사람도 생각보다 많다. 왜 이런 오해가 생겼을까? 역자는 크게 두 가지 때문이라고 지적한다. 하나는 '인공지능'이란 번역어, 그리고 또 하나는 AI를 잘못 묘사한 수많은 SF 영화들. 인간적인 냄새가 짙게 배어 있는 번역어와, 기술에 자율적인 인간의 모습을 입혀 버린 상상력이 결합하면서 많은 사람들은 AI를 '감정과 판단 능력을 가진 전지전능한 존재'라고 오해하게 됐다. 하지만 이 책 저자의 말처럼 "AI는 훈련받은 대로 작동한다." 인간이 정의한 대로 학습하고, 성장하는 존재다. 당연한 얘기지만, AI는 인간이 공급한 데이터로 훈련한다. 데이터가 많으면 많을수록 AI의 능력은 더 빠른 속도로 향상된다. 따라서 AI를 제대로 이해하고 활용하기 위해선 '데이터'를 이해하고 활용할 줄 알아야 한다. 이 책에서 AI와 함께 '데이터 리터러시'를 전면에 내세운 것은 이런 점 때문이다. 저자는 AI를 제대로 이해하기 위해서는 '데이터 과학 시민'이 되어야 한다고 주장한다. 데이터 과학 시민이란, 데이터 리터러시를 기반으로 '정보에 근거한 결정'을 할 줄 아는 사람이다.
『인공지능 데이터 리터러시, 데이터 과학 속으로』는 '21세기의 석유'로 통하는 데이터를 중심으로 AI가 몰고 온, 그리고 앞으로 몰고 올 변화를 생생하게 보여 준다. AI 윤리와 개인정보 보호 같은 쟁점은 물론, 예측과 통계 같은 중요한 이론도 압축적으로 다룬다. 델(Dell)의 고객 데이터 혁신 최고책임자로 재직 중인 저자는 현장 경험을 토대로 AI가 우리의 삶과 사회를 어떻게 변화시키는지 실감나게 묘사했다.
AI를 효과적으로 설계, 개발, 관리하려면 포괄적으로 접근하는 것이 가장 중요하다. 이를 위해선 모든 사람들이 적극 참여해야 한다. 저자의 목표는 "AI에 대한 논의를 단순화해서 모든 사람들이 AI가 우리의 이익을 위해 작동한다는 확신을 갖도록 하는 것"이다. 즉 모든 사람이 데이터 과학 시민으로서 권한을 가지고, AI와 데이터 리터러시의 기초를 다짐으로써, AI의 혜택을 받을 수 있도록 하는 일에 적극 참여해야 한다는 것이다.
이 책은 AI와 데이터 리터러시의 중요성, AI의 작동 방식, 정보를 토대로 의사를 결정하는 방법, 데이터가 아니라 분석으로 수익을 올리는 노하우, 챗GPT를 가능하게 하는 중요한 기술, 인공지능의 윤리 문제로 의도하지 않은 결과의 이해를 다룬다. 데이터의 본질과 가치, 인공지능 기술의 원리와 다양한 적용과 쟁점을 알 수 있다. 인공지능과 데이터의 지형을 한 눈에 볼 수 있는 수작이다. 특히 데이터를 통해 중요한 결정을 하거나 새로운 가치를 발굴해야 하는 독자에게 이 책은 책임감있는 결단력과 흔들림없이 실행력의 근거와 방법을 제시한다.
이 책의 독자
● 인공지능 데이터가 미치는 영향, 특히 일상에 미치는 바를 깊이 이해하려는 사람
● 인공지능 데이터가 개인 생활과 전문성을 어떻게 향상할 수 있는지 적극 이해하려는 사람
● 윤리적이고 책임감 있는 인공지능을 감독하는 데 의미 있게 참여하려는 사람
이 책이 다루는 내용
● 인공지능 데이터 리터러시가 모든 사람에게 필요한 이유
● 빅데이터가 일반 데이터보다 가치 있거나 위험한 근거
● 다양한 데이터 분석 방법을 이용해 시장이나 사회, 환경에 대한 통찰을 얻는 방법
● 데이터에 근거한 의사 결정에서 위험한 선택에 빠지는 함정과 그 해결책
● 통계를 활용해 효과적이고 안전한 의사 결정을 하는 방법
● 크고 작은 조직이 AI와 데이터로 새로운 가치를 만드는 방법
● AI가 인간을 위해 일하게 하는 첨단 아이디어
● 개인이 인공지능 데이터 활용에 자기 목소리를 내는 방법과 그에 따른 권한
● 생성형 AI의 작동 방식과 관련 기술
● 책임 있는 AI 활용을 위한 여섯 가지 리터러시 구성 요
목차
목차
옮긴이 서문
추천사
지은이 서문
1장 왜 인공지능과 데이터 리터러시인가?
리터러시의 역사
AI 이해하기
AI의 위험성과 우려
AI 권리장전
데이터 + AI: 대량 살상 수학 무기
AI와 데이터 리터러시의 중요성
윤리란 무엇인가?
AI와 데이터 리터러시 문제 해결하기
AI와 데이터 리터러시 프레임워크
AI와 데이터 리터러시 평가하기
요약
참고문헌
2장 데이터와 개인정보 보호 인식
데이터 이해하기
빅데이터란 무엇인가?
합성 데이터란 무엇인가?
데이터는 어떻게 수집/포착하나?
센서, 감시, 그리고 IoT
제3의 데이터 수집자들
개인정보 보호 노력과 그 효과
데이터 보호 및 개인정보보호법
데이터 프라이버시 처리 방침
조직들은 어떻게 데이터로 돈을 버는가?
요약
참고문헌
3장 분석 리터러시
BI vs. 데이터 과학
BI는 무엇인가?
데이터 과학은 무엇인가?
BI와 데이터 과학의 차이
데이터 과학 개발 과정 이해하기
디자인 사고의 중요한 역할
분석 성숙도 지수 탐색하기
1단계: 운영 보고
2단계: 통찰과 예측
통계 분석
탐색적 분석
진단 분석
머신러닝
3단계: 증강 인간 지능
신경망
회귀분석
추천 엔진
연합 학습
4단계: 분석 자동화
강화 학습
생성형 AI
범용인공지능
요약
4장 AI 작동 방식 이해하기
AI는 어떻게 작동하는가?
어떤 것들이 건전한 AI 효용함수를 구성하는가?
'가치' 정의하기
선행 지표와 후행 지표 이해하기
AI 기반 학습 시스템을 최적화하는 방법
이용자의 의도 이해
다양성 구축
요약
5장 정보를 토대로 의사 결정하기
인간의 의사 결정에 영향을 미치는 요인
인간의 의사 결정 함정
함정 #1: 과잉 자신감 편향
함정 #2: 기준점 편향
함정 #3: 위험 회피
함정 #4: 매몰 비용
함정 #5: 프레이밍
함정 #6: 밴드왜건 효과
함정 #7: 확증 편향
함정 #8: 평균 기반 결정
의사 결정 함정 피하기
의사 결정 전략 탐구하기
정보에 입각한 의사 결정 프레임워크
의사 결정 매트릭스
퓨 의사 결정 매트릭스
우다 루프
의사 결정에서 비판적 사고
요약
참고문헌
6장 예측과 통계
예측이란 무엇인가?
확률과 통계 이해하기
확률은 사실이 아니다. 여전히 확률일 뿐이다
혼동 행렬 소개
긍정 오류, 부정 오류와 AI 모델의 확증 편향
현실 세계 이용 사례: 구직 세계의 AI
요약
참고문헌
7장 가치공학 역량
경제학이란 무엇인가? 가치는 무엇인가?
나노경제학이란 무엇인가?
데이터와 AI 분석 비즈니스 모델 성숙도 지수
단계
변곡점
가치공학 프레임워크
1단계: 가치 창출 정의
2단계: 이용 사례를 통해 가치 창출 실현하기
3단계: 가치 창출 규모 확장
학습의 경제는 무엇인가?
데이터가 아니라 분석 '통찰'로 수익 올리기
요약
8장 AI 도입 윤리
윤리 이해하기
윤리는 주도적으로 대처하는 것이지, 수동적인 것이 아니다
AI 시대의 윤리 새롭게 규정하기
윤리학, 경제학, 사회 복지의 교차점
도덕적 행위가 좋은 경제학을 만든다
재무 지표와 경제 지표의 차이
도덕에서 법과 규제의 역할
책임 있고 윤리적인 AI 구현
윤리적인 AI 피라미드
투명한 AI 보증하기
의도하지 않은 결과 이해하기
의도하지 않은 결과 알아내기
의도하지 않은 결과 완화하기
요약
참고문헌
9장 권한 부여 문화
팀 권한 부여에 대한 역사적 교훈
권한 부여 문화를 배양하는 팁
#1. 당신의 임무를 내재화하라
#2. 다른 이해관계자의 입장에서 생각해 보라
#3. 조직의 즉흥성 육성하기
#4. '그리고' 정신을 포용하라
#5. 모든 사람이 목소리를 낼 수 있도록 보장하라
#6. 호기심-창의성-혁신 피라미드를 풀어주라
문화적 권한 부여를 통해 AI와 데이터 리터러시 촉진
AI와 데이터 리터러시 재평가하기
요약
10장 챗GPT가 모든 것을 바꾼다
챗GPT와 생성형 AI는 무엇인가?
챗GPT는 어떻게 작동하는가?
초보자 레벨 101
중급 레벨 201
숙련자 레벨 301
챗GPT를 가능하게 하는 몇 가지 중요한 기술
LLM
트랜스포머
역할 기반 페르소나
인간 피드백을 통한 강화 학습
챗GPT의 우려 요인과 위험
생성형 AI로 성장하기
AI, 데이터 리터러시, 그리고 생성형 AI
요약
참고문헌
인공지능에서 꼭 알아야 할 용어
데이터 경제학
디자인 사고
데이터 과학과 분석학
추천사
지은이 서문
1장 왜 인공지능과 데이터 리터러시인가?
리터러시의 역사
AI 이해하기
AI의 위험성과 우려
AI 권리장전
데이터 + AI: 대량 살상 수학 무기
AI와 데이터 리터러시의 중요성
윤리란 무엇인가?
AI와 데이터 리터러시 문제 해결하기
AI와 데이터 리터러시 프레임워크
AI와 데이터 리터러시 평가하기
요약
참고문헌
2장 데이터와 개인정보 보호 인식
데이터 이해하기
빅데이터란 무엇인가?
합성 데이터란 무엇인가?
데이터는 어떻게 수집/포착하나?
센서, 감시, 그리고 IoT
제3의 데이터 수집자들
개인정보 보호 노력과 그 효과
데이터 보호 및 개인정보보호법
데이터 프라이버시 처리 방침
조직들은 어떻게 데이터로 돈을 버는가?
요약
참고문헌
3장 분석 리터러시
BI vs. 데이터 과학
BI는 무엇인가?
데이터 과학은 무엇인가?
BI와 데이터 과학의 차이
데이터 과학 개발 과정 이해하기
디자인 사고의 중요한 역할
분석 성숙도 지수 탐색하기
1단계: 운영 보고
2단계: 통찰과 예측
통계 분석
탐색적 분석
진단 분석
머신러닝
3단계: 증강 인간 지능
신경망
회귀분석
추천 엔진
연합 학습
4단계: 분석 자동화
강화 학습
생성형 AI
범용인공지능
요약
4장 AI 작동 방식 이해하기
AI는 어떻게 작동하는가?
어떤 것들이 건전한 AI 효용함수를 구성하는가?
'가치' 정의하기
선행 지표와 후행 지표 이해하기
AI 기반 학습 시스템을 최적화하는 방법
이용자의 의도 이해
다양성 구축
요약
5장 정보를 토대로 의사 결정하기
인간의 의사 결정에 영향을 미치는 요인
인간의 의사 결정 함정
함정 #1: 과잉 자신감 편향
함정 #2: 기준점 편향
함정 #3: 위험 회피
함정 #4: 매몰 비용
함정 #5: 프레이밍
함정 #6: 밴드왜건 효과
함정 #7: 확증 편향
함정 #8: 평균 기반 결정
의사 결정 함정 피하기
의사 결정 전략 탐구하기
정보에 입각한 의사 결정 프레임워크
의사 결정 매트릭스
퓨 의사 결정 매트릭스
우다 루프
의사 결정에서 비판적 사고
요약
참고문헌
6장 예측과 통계
예측이란 무엇인가?
확률과 통계 이해하기
확률은 사실이 아니다. 여전히 확률일 뿐이다
혼동 행렬 소개
긍정 오류, 부정 오류와 AI 모델의 확증 편향
현실 세계 이용 사례: 구직 세계의 AI
요약
참고문헌
7장 가치공학 역량
경제학이란 무엇인가? 가치는 무엇인가?
나노경제학이란 무엇인가?
데이터와 AI 분석 비즈니스 모델 성숙도 지수
단계
변곡점
가치공학 프레임워크
1단계: 가치 창출 정의
2단계: 이용 사례를 통해 가치 창출 실현하기
3단계: 가치 창출 규모 확장
학습의 경제는 무엇인가?
데이터가 아니라 분석 '통찰'로 수익 올리기
요약
8장 AI 도입 윤리
윤리 이해하기
윤리는 주도적으로 대처하는 것이지, 수동적인 것이 아니다
AI 시대의 윤리 새롭게 규정하기
윤리학, 경제학, 사회 복지의 교차점
도덕적 행위가 좋은 경제학을 만든다
재무 지표와 경제 지표의 차이
도덕에서 법과 규제의 역할
책임 있고 윤리적인 AI 구현
윤리적인 AI 피라미드
투명한 AI 보증하기
의도하지 않은 결과 이해하기
의도하지 않은 결과 알아내기
의도하지 않은 결과 완화하기
요약
참고문헌
9장 권한 부여 문화
팀 권한 부여에 대한 역사적 교훈
권한 부여 문화를 배양하는 팁
#1. 당신의 임무를 내재화하라
#2. 다른 이해관계자의 입장에서 생각해 보라
#3. 조직의 즉흥성 육성하기
#4. '그리고' 정신을 포용하라
#5. 모든 사람이 목소리를 낼 수 있도록 보장하라
#6. 호기심-창의성-혁신 피라미드를 풀어주라
문화적 권한 부여를 통해 AI와 데이터 리터러시 촉진
AI와 데이터 리터러시 재평가하기
요약
10장 챗GPT가 모든 것을 바꾼다
챗GPT와 생성형 AI는 무엇인가?
챗GPT는 어떻게 작동하는가?
초보자 레벨 101
중급 레벨 201
숙련자 레벨 301
챗GPT를 가능하게 하는 몇 가지 중요한 기술
LLM
트랜스포머
역할 기반 페르소나
인간 피드백을 통한 강화 학습
챗GPT의 우려 요인과 위험
생성형 AI로 성장하기
AI, 데이터 리터러시, 그리고 생성형 AI
요약
참고문헌
인공지능에서 꼭 알아야 할 용어
데이터 경제학
디자인 사고
데이터 과학과 분석학
저자
저자
빌 슈마르조
(Bill Schmarzo)
'빅데이터 학장(Dean of Big Data)'으로 통하는 빌 슈마르조는 현재 델 테크놀로지스의 고객 데이터 혁신 책임자다. 여가 시간에는 아이오와 주립대학교와 코(Coe) 대학(아이오와주 시더래피즈)에 출강한다. 또 샌프란시스코 대학교 경영대학원 석좌 연구원, 아일랜드 골웨이 대학(National University of Ireland Galway) 경영경제학부 명예교수로 활동하고 있다. 골웨이 대학에서는 빅데이터 MBA와 '데이터 과학자처럼 생각하기' 같은 과목을 가르치면서 학생들에게 멘토링도 하고 있다.『빅데이터(Big Data: Understanding How Data Powers Big Business)』,『빅데이터 MBA(Big Data MBA: Driving Business Strategies with Data Science)』,『데이터 과학자처럼 사고하는 기술(The Art of Thinking Like a Data Scientist)』, 『데이터, 분석, 디지털 변형의 경제학(The Economics ofData, Analytics, and Digital Transformation)』 등 4권의 책을 썼다. '데이터 사이언스 센트럴(Data Science Central)'에 300개 이상의 블로그 글을 썼으며, 팟캐스트에도 셀 수 없을 만큼 많이 출연했다. 수많은 기조 연설과 대학 강의를 했으며, 데이터 과학, 인공지능, 데이터 경제학, 디자인 사고, 팀 권한 부여를 주제로 활발한 소셜 미디어 활동을 하고 있다.
'빅데이터 학장(Dean of Big Data)'으로 통하는 빌 슈마르조는 현재 델 테크놀로지스의 고객 데이터 혁신 책임자다. 여가 시간에는 아이오와 주립대학교와 코(Coe) 대학(아이오와주 시더래피즈)에 출강한다. 또 샌프란시스코 대학교 경영대학원 석좌 연구원, 아일랜드 골웨이 대학(National University of Ireland Galway) 경영경제학부 명예교수로 활동하고 있다. 골웨이 대학에서는 빅데이터 MBA와 '데이터 과학자처럼 생각하기' 같은 과목을 가르치면서 학생들에게 멘토링도 하고 있다.『빅데이터(Big Data: Understanding How Data Powers Big Business)』,『빅데이터 MBA(Big Data MBA: Driving Business Strategies with Data Science)』,『데이터 과학자처럼 사고하는 기술(The Art of Thinking Like a Data Scientist)』, 『데이터, 분석, 디지털 변형의 경제학(The Economics ofData, Analytics, and Digital Transformation)』 등 4권의 책을 썼다. '데이터 사이언스 센트럴(Data Science Central)'에 300개 이상의 블로그 글을 썼으며, 팟캐스트에도 셀 수 없을 만큼 많이 출연했다. 수많은 기조 연설과 대학 강의를 했으며, 데이터 과학, 인공지능, 데이터 경제학, 디자인 사고, 팀 권한 부여를 주제로 활발한 소셜 미디어 활동을 하고 있다.
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.

