뼛속까지 문과생도 단번에 이해하는 쉬운 말로 풀어 쓴 머신러닝 이야기(2판)

수식 없이 이야기처럼 쉬운 말로 풀어서 머신러닝과 인공지능을 개괄적으로 이해할 수 있는 책입니다. 일상에 친숙한 다양한 사례를 활용하고, 남녀노소 누구나 갖고 있는 경험인 '학교'라는 공간에서 일어나는 사례를 다수 활용하여 더욱 친근하게 다가오는 내용으로 구성되어 있습니다. 기술적인 논문이나 서적을 읽고 본인의 논문에 활용하거나 업무적으로 활용해야 하는 상황에 놓인 분들께 적합한 책이며 이 책이 브릿지 역할이 되어 다음 단계로서 기술적으로 전문적인 글을 읽는 데 큰 도움이 될 것이라고 생각합니다.

1. 인공지능, 머신러닝, 딥러닝의 개념과 관계
2. 머신러닝의 절차: 기계의 배움에도 순서가 있다
3. 머신러닝의 방법론

4. 딥러닝의 이해
4.1. 알고리즘의 개념
4.2. 딥러닝의 개념
4.3. 딥러닝의 예시: 과자 공장
4.4. 딥러닝의 강점: 규칙이 없는 데이터 다루기

5. 자연어 처리
5.1. 자연어의 개념
5.2. 자연어 처리의 개념
5.3. 자연어 처리의 활용 분야

6. 지도학습 알고리즘의 이해: 분류 분석
6.1. 분류 분석의 특성
6.2. 나이브 베이지안: 스팸 메일에 쓰이는 흔한 제목
6.3. 의사 결정 나무: 어느 교실의 스무고개
6.4. 랜덤 포레스트: 다수결로 하는 스무고개
6.5. K-최근접 이웃: 좋아하는 계절 알아내기
6.6 서포트 벡터 머신: 체육시간의 축구파와 농구파

7. 비지도학습 알고리즘의 이해: 군집 분석
7.1. 군집 분석의 특성
7.2. 군집 분석의 두 가지 방법: 어느 교실의 조 짜기
7.3. 계층적 군집 분석
7.4. 계층적이지 않은 군집 분석

8. 반지도학습의 이해
8.1 반지도학습의 개념
8.2. 반지도학습의 특징
8.3. 반지도학습의 방법: 미술부와 성악부 나누기
8.4. SGAN 알고리즘: 베낀 숙제 잡아내기
8.5. 반지도학습의 사례

9. 강화 학습의 이해
9.1. 강화 학습의 개념
9.2. 강화 학습의 예시
9.3. 마르코프 결정 과정

10. 탐색과 최적화 알고리즘: 최단 경로 찾기
10.1. 탐색과 최적화
10.2. 탐욕 알고리즘
10.3. 다익스트라 알고리즘

11. 머신러닝 이전의 인공지능
11.1. 규칙 기반 인공지능
11.2. 규칙 기반 학습의 특징

이승도 - 서울 오산고등학교 졸업
- 서울대학교 경제학부 우등졸업(Cum laude)
- 국내 대기업 및 대표 공기업/공공기관 다수 면접경험
- 금융공기업, 증권사, 은행 면접경험
- 삼성전자 개발팀 Software Engineer 근무(2015~2017)
- 성균관대학교 근무(2018~현재)