머신러닝&딥러닝 with 파이썬(한 권으로 다지는)

인공지능 초보 여행자에게 나무가 아닌 숲을 보여주는 완벽한 안내서!

알파고, 넷플릭스, 애플 시리는 인공지능이 사용된 대표적인 사례입니다. 인공지능 기술을 아는 사람이든 모르는 사람이든 누구나 일상에서 심심찮게 접할 수 있죠. 한편으로는 우리도 모르는 사이에 인공지능이 한몫을 톡톡히 하고 있는 사례도 있습니다. 구글 검색과 쿠팡 배송 시스템이 그 예입니다. 우리는 이를 통해 인공지능이 이미 일상에 깊숙이 자리 잡았음을 알 수 있습니다.

이것이 바로 이 책의 출발점입니다. 이 책은 독자가 일상 속 친숙한 사례로부터 인공지능 학습의 첫발을 내딛도록 안내합니다. 대표적인 사용 사례들을 먼저 소개한 뒤에 각 기술을 구현하려면 어떤 알고리즘을 어떻게 적용해야 하는지 차근차근 알려줍니다. 머신러닝과 딥러닝의 핵심 개념들을 너무 얕지도, 너무 어렵지도 않게 설명해 기본기를 탄탄히 다지도록 해줍니다. 영화 추천 시스템, 게임 봇, 텍스트 감정 분석기 등을 구축하는 흥미로운 예제도 함께합니다.
장별 주요 내용
[1장 인공지능 소개]
인공지능 애플리케이션을 구축하는 데 필요한 핵심 개념을 학습합니다. 파이썬 3 설치 방법도 알아봅니다.

[2장 인공지능 사용 사례]
인공지능 알고리즘을 살펴보기에 앞서 오늘날 가장 많이 사용되는 분야와 사용 사례를 분석합니다.

[3장 머신러닝 파이프라인]
머신러닝 파이프라인이 무엇인지 학습하고 구현에 어떤 도구가 사용되는지 알아봅니다. 파이프라인 내 주요 단계를 예제와 함께 살펴봅니다.

[4장 특성 선택과 특성 공학]
특성 선택과 특성 공학이 무엇이며 왜 중요한지 학습합니다. 기존 특성과 외부 소스에서 새 특성을 만드는 방법과, 중복되거나 가치가 낮은 특성을 제거하는 방법을 알아봅니다.

[5장 지도 학습을 이용한 분류와 회귀]
지도 학습이 무엇이며 비지도 학습과 어떤 차이가 있는지 알아봅니다. 분류가 무엇인지 학습하고 다양한 알고리즘을 살펴봅니다.

[6장 앙상블 학습을 이용한 예측 분석]
다양한 앙상블 방법과 각 방법을 언제 사용하는지 학습합니다. 배운 내용을 예제에 적용해 교통량을 예측해봅니다.

[7장 비지도 학습을 이용한 패턴 감지]
비지도 학습과 데이터 클러스터링 개념을 학습합니다. 다양한 클러스터링 알고리즘을 적용하는 방법을 알아보고 예제를 통해 작동 방식을 이해합니다.

[8장 추천 시스템 구축]
추천 시스템 구축에 필요한 개념을 학습하고 이를 활용해 영화 추천 시스템을 구축해봅니다.

[9장 논리 프로그래밍]
논리 프로그래밍으로 프로그램을 작성하는 방법을 배웁니다. 가계도 구문 분석, 지도 분석, 퍼즐 솔버 구축 등 문제 해결 예제를 살펴봅니다.

[10장 휴리스틱 검색 기술]
휴리스틱 검색의 정의와 검색 기술을 학습합니다. 예제를 통해 영역 색상 문제를 해결하고 8-퍼즐 솔버와 미로 찾기를 구축해봅니다.

[11장 유전 알고리즘과 유전 프로그래밍]
유전 프로그래밍이 AI 분야에서 중요한 이유를 알아봅니다. 유전 알고리즘을 사용해 간단한 문제를 해결하는 방법을 학습한 뒤 실제 문제에 적용해봅니다.

[12장 클라우드를 이용한 인공지능]
AI 프로젝트를 활성화하고 가속화하는 다양한 클라우드 제공 업체 및 제품을 알아봅니다.

[13장 인공지능을 이용한 게임 개발]
다양한 검색 알고리즘을 학습하고 마지막 동전 남기기, 틱택토, 커넥트포, 헥사폰 게임을 플레이하는 지능형 봇을 구축해봅니다.

[14장 음성 인식 구축]
음성 데이터를 처리하고 특성을 추출하는 방법을 배웁니다. 추출한 기능을 사용해 음성 인식 시스템을 구축해봅니다.

[15장 자연어 처리]
자연어 처리에 사용하는 다양한 기술을 학습합니다. 배운 내용을 활용해 카테고리 예측기, 성별 식별자, 감정 분석기를 구축해봅니다.

[16장 챗봇]
챗봇 구축에 필요한 기본 개념과 도구를 살펴본 뒤 이를 기반으로 챗봇을 구축해봅니다.

[17장 시퀀스 데이터와 시계열 분석]
시퀀스 데이터의 다양한 특성을 살펴보고 은닉 마르코프 모델을 사용해 시퀀스 데이터를 분석하는 방법을 학습합니다. 배운 내용을 활용해 주식시장 데이터를 분석해봅니다.

[18장 이미지 인식]
이미지 인식의 중요성을 알아보고 라이브 영상에서 물체를 감지 및 추적하는 방법을 학습합니다. 얼굴과 눈을 감지하고 추적하는 예제를 살펴봅니다.

[19장 신경망]
신경망을 구축하고 훈련하는 방법을 학습합니다. 퍼셉트론이 무엇이며 신경망 구축에 어떻게 사용되는지 알아봅니다. 마지막에는 광학 문자 인식 엔진을 구축해봅니다.

[20장 합성곱 신경망을 이용한 딥러닝]
딥러닝의 기본을 학습합니다. 합성곱 신경망에 관련된 다양한 개념을 살펴보고 이를 이미지 인식에 사용하는 방법을 알아봅니다. 학습한 내용을 기반으로 실제 애플리케이션을 구축해봅니다.

[21장 순환 신경망과 기타 딥러닝 모델]
자연어 처리 및 이해에 자주 사용되는 순환 신경망을 학습합니다. 순환 신경망 아키텍처를 살펴보고 어떤 이점과 제한 사항이 있는지 알아본 뒤 간단한 예제를 살펴봅니다.

[22장 강화 학습 - 지능형 에이전트 생성]
강화 학습의 정의와 모델 내 구성 요소를 살펴봅니다. 강화 학습 시스템을 구축하는 데 사용하는 기술과 학습 에이전트를 구축하는 방법을 알아봅니다.

[23장 인공지능과 빅데이터]
빅데이터 기술을 적용해 머신러닝 파이프라인을 가속화하는 방법을 알아보고 데이터 세트 수집, 변환, 유효성 검사를 간소화하는 기술을 분석합니다. 아파치 스파크를 사용하는 예제를 살펴봅니다.

[1장 인공지능 소개]
1.1 AI란 무엇인가
1.2 AI를 왜 공부해야 하는가
1.3 AI 종류
1.4 머신러닝의 다섯 가지 그룹
1.5 튜링 테스트를 사용한 지능 정의
1.6 기계가 인간처럼 생각하도록 만들기
1.7 합리적 에이전트 구축
1.8 일반 문제 해결사
1.9 지능형 에이전트 구축
1.10 파이썬 3 설치
1.11 패키지 설치
1.12 데이터 로딩
1.13 정리

[2장 인공지능 사용 사례]
2.1 대표적인 AI 사용 사례
2.2 디지털 개인 비서와 챗봇
2.3 자율 주행 자동차
2.4 배송과 창고 관리
2.5 인간의 건강
2.6 지식 검색
2.7 추천 시스템
2.8 스마트 홈
2.9 게임
2.10 영화 제작
2.11 인수 및 거래 분석
2.12 데이터 정리와 변환
2.13 정리

[3장 머신러닝 파이프라인]
3.1 머신러닝 파이프라인이란 무엇인가
3.2 문제 정의
3.3 데이터 수집
3.4 데이터 준비
3.5 데이터 분리
3.6 모델 훈련
3.7 정리

[4장 특성 선택과 특성 공학]
4.1 특성 선택
4.2 특성 공학
4.3 정리

[5장 지도 학습을 이용한 분류와 회귀]
5.1 지도 학습 vs. 비지도 학습
5.2 분류란 무엇인가
5.3 데이터 전처리
5.4 레이블 인코딩
5.5 로지스틱 회귀 분류기
5.6 나이브 베이즈 분류기
5.7 컨퓨전 행렬
5.8 서포트 벡터 머신
5.9 서포트 벡터 머신을 사용한 소득 데이터 분류
5.10 회귀란 무엇인가
5.11 단일 변수 회귀 구축
5.12 다변수 회귀 분석기 구축
5.13 서포트 벡터 회귀를 사용해 주택 가격 추정하기
5.14 정리

[6장 앙상블 학습을 이용한 예측 분석]
6.1 의사 결정 트리
6.2 앙상블 학습
6.3 랜덤 포레스트와 익스트림 랜덤 포레스트
6.4 클래스 불균형 다루기
6.5 그리드 검색을 사용해 최적의 훈련 매개변수 찾기
6.6 상대적인 특성 중요도 계산하기
6.7 익스트림 랜덤 포레스트 회귀자를 사용해 트래픽 예측하기
6.8 정리

[7장 비지도 학습을 이용한 패턴 감지]
7.1 비지도 학습이란
7.2 K-평균 알고리즘을 사용해 데이터 클러스터링하기
7.3 가우시안 혼합 모델이란
7.4 유사도 전파 모델을 사용해 주식시장에서 하위 그룹 찾기
7.5 쇼핑 패턴에 따라 시장 분할하기
7.6 정리

[8장 추천 시스템 구축]
8.1 최근접 이웃 추출
8.2 K-최근접 이웃 분류기 생성
8.3 유사성 점수 계산
8.4 협업 필터링을 사용해 유사한 사용자 찾기
8.5 영화 추천 시스템 구축
8.6 정리

[9장 논리 프로그래밍]
9.1 논리 프로그래밍이란 무엇인가
9.2 논리 프로그래밍 구성 요소 이해
9.3 논리 프로그래밍을 사용한 문제 해결
9.4 파이썬 패키지 설치
9.5 수학적 표현 일치
9.6 소수 검증
9.7 가계도 구문 분석
9.8 지도 분석
9.9 퍼즐 솔버 구축
9.10 정리

[10장 휴리스틱 검색 기술]
10.1 휴리스틱 검색은 인공지능인가
10.2 휴리스틱 검색이란 무엇인가
10.3 제약 충족 문제
10.4 로컬 검색 기술
10.5 탐욕 검색을 사용한 문자열 구성
10.6 제약 충족 문제 해결하기
10.7 영역 색상 문제 해결하기
10.8 8-퍼즐 솔버 구축하기
10.9 미로 찾기 구축하기
10.10 정리

[11장 유전 알고리즘과 유전 프로그래밍]
11.1 진화주의자 그룹
11.2 진화와 유전 알고리즘
11.3 유전 알고리즘의 기본 개념
11.4 사전 정의된 매개변수로 비트 패턴 생성하기
11.5 진화 시각화하기
11.6 심볼 회귀 문제 해결하기
11.7 지능형 로봇 컨트롤러 구축하기
11.8 유전 프로그래밍 사용 사례
11.9 정리

[12장 클라우드를 이용한 인공지능]
12.1 기업이 클라우드로 마이그레이션하는 이유
12.2 최상위 클라우드 제공 업체
12.3 아마존 웹 서비스
12.4 마이크로소프트 애저
12.5 구글 클라우드 플랫폼
12.6 정리

[13장 인공지능을 이용한 게임 개발]
13.1 게임에서 검색 알고리즘 사용하기
13.2 조합 검색
13.3 easyAI 라이브러리 설치
13.4 마지막 동전 남기기 게임을 하는 봇 만들기
13.5 틱택토 게임을 하는 봇 만들기
13.6 커넥트포 게임을 하는 두 봇 만들기
13.7 헥사폰 게임을 하는 두 봇 만들기
13.8 정리

[14장 음성 인식 구축]
14.1 음성 신호 작업
14.2 오디오 신호 시각화하기
14.3 오디오 신호를 주파수 영역으로 변환하기
14.4 오디오 신호 생성하기
14.5 음악을 생성하기 위한 톤 합성하기
14.6 음성 특성 추출하기
14.7 음성 인식하기
14.8 정리

[15장 자연어 처리]
15.1 패키지 소개 및 설치
15.2 텍스트 데이터 토큰화
15.3 형태소 분석을 사용해 단어를 기본 형식으로 변환하기
15.4 기본형화를 사용해 단어를 기본 형식으로 변환하기
15.5 텍스트 데이터를 청크로 나누기
15.6 단어 가방 모델을 사용해 용어의 빈도 추출하기
15.7 카테고리 예측기 구축
15.8 성별 식별자 구축
15.9 감정 분석기 구축
15.10 잠재 디리클레 할당을 사용한 주제 모델링
15.11 정리

[16장 챗봇]
16.1 챗봇의 미래
16.2 오늘날의 챗봇
16.3 챗봇 기본 개념
16.4 잘 설계된 챗봇
16.5 챗봇 플랫폼
16.6 다이얼로그플로우를 사용한 챗봇 개발
16.7 정리

[17장 시퀀스 데이터와 시계열 분석]
17.1 시퀀스 데이터 이해
17.2 판다스로 시계열 데이터 처리하기
17.3 시계열 데이터 슬라이싱하기
17.4 시계열 데이터에 작업 수행하기
17.5 시계열 데이터에서 통계 추출하기
17.6 은닉 마르코프 모델을 사용해 데이터 생성하기
17.7 조건부 랜덤 필드로 알파벳 시퀀스 식별하기
17.8 주식시장 분석하기
17.9 정리

[18장 이미지 인식]
18.1 이미지 인식의 중요성
18.2 OpenCV
18.3 프레임 차이
18.4 색 공간을 사용한 객체 추적
18.5 배경 삭제를 사용한 객체 추적
18.6 캠시프트 알고리즘을 사용한 대화형 객체 추적기 구축
18.7 광학 흐름 기반 추적
18.8 얼굴 감지 및 추적
18.9 눈 감지 및 추적
18.10 정리

[19장 신경망]
19.1 신경망 소개
19.2 퍼셉트론 기반 분류기 구축
19.3 단일 계층 신경망 구축
19.4 다층 신경망 구축
19.5 벡터 양자화기 구축
19.6 순환 신경망을 사용한 시퀀스 데이터 분석
19.7 광학 문자 인식 데이터베이스에서 문자 시각화하기
19.8 광학 문자 인식 엔진 구축
19.9 정리

[20장 합성곱 신경망을 이용한 딥러닝]
20.1 합성곱 신경망 기초
20.2 합성곱 신경망 아키텍처
20.3 합성곱 신경망 계층 유형
20.4 퍼셉트론 기반 선형 회귀 구축
20.5 단일 계층 신경망을 사용한 이미지 분류기 구축
20.6 합성곱 신경망을 사용한 이미지 분류 구축
20.7 정리

[21장 순환 신경망과 기타 딥러닝 모델]
21.1 순환 신경망 기초
21.2 순환 신경망 아키텍처
21.3 언어 모델링 사용 사례
21.4 순환 신경망 훈련
21.5 정리

[22장 강화 학습 - 지능형 에이전트 생성]
22.1 학습의 의미 이해
22.2 강화 학습 vs. 지도 학습
22.3 강화 학습 사례
22.4 강화 학습 구성 요소
22.5 환경 구축
22.6 학습 에이전트 구축
22.7 정리

[23장 인공지능과 빅데이터]
23.1 빅데이터 기초
23.2 빅데이터의 세 가지 V
23.3 빅데이터와 머신러닝
23.4 NoSQL 데이터베이스
23.5 정리

알베르토 아르타산체스 데이터 과학자로서 25년이 넘게 여러 포춘 500대 기업과 스타트업에서 컨설팅을 했다. 인공지능과 알고리즘에 관한 폭넓은 경험이 있다. AWS Big Data Specialty와 Machine Learning Specialty를 포함해 여덟 가지 AWS 자격증을 보유하고 있다. AWS 엠버서더이며 다양한 데이터 과학 블로그에 자주 글을 쓴다. 데이터 과학, 빅데이터와 분석, 언더라이팅 최적화, 이상 거래 탐지와 같은 주제로 강연을 한다. 인공지능을 사용한 데이터 레이크 구축에 특히 관심이 있다.