뼛속까지 문과생도 단번에 이해하는 쉬운 말로 풀어 쓴 AI 기초 수학 이야기
Regular price
$13.37
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
목차
목차
1 인공지능의 정체
1.1. ChatGPT는 글을 이해할까?
1.1.1. 인공지능이란 무엇일까?
1.1.2. 가장 단순한 인공지능은 계산기이다
1.1.3. 무언가를 넣으면 다른 무언가가 나온다
1.1.4. 연산의 대상이 단순한 숫자가 아니다
1.1.5. 복잡한 데이터를 계산하려면 그만큼 복잡한 수식이 필요하다
1.2. AI는 왜 가끔 틀릴까?
1.2.1. AI는 정답을 아는 것이 아니다
1.2.2. AI는 항상 가능성을 계산한다
1.2.3. 확률은 AI 시대의 핵심 개념이다
1.3. AI는 우리를 어떻게 도울까?
1.3.1. AI는 하나의 기술이 아니다
1.3.2. AI를 사용하는 목적
1.3.3. 인간이 직접 규칙을 정하는 AI
1.3.4. 데이터로부터 스스로 규칙을 찾아내는 머신러닝
1.3.5. 현실을 더 잘 설명하는 딥러닝
2. 숫자를 다루는 감각 만들기
2.1. 숫자는 같은데 왜 느낌은 다를까?
2.1.1. 숫자는 정말 객관적일까?
2.1.2. 체감의 법칙: 느낌은 상황에 따라 달라진다
2.1.3. AI는 세상을 어떻게 바라볼까?
2.2. 기준이 바뀌면 결과가 달라진다
2.2.1. 숫자가 크다고 더 중요한 걸까
2.2.2. 잘못된 덧셈의 치명적 위험
2.2.3. 서로 다른 숫자를 공평하게 맞추는 법
2.3. 보이지 않는 변화를 읽는 법
2.3.1. 변화를 바라보는 두 가지 관점: 이동 거리와 출발선
2.3.2. AI가 우리가 변화를 읽는 방식
2.4. 함께 움직인다는 것의 의미
2.4.1. 잘못된 믿음의 위험성
2.4.2. 올바른 믿음의 방향
2.4.3. 결국 결정과 책임은 나의 몫
3. 단순하게 설명하려는 시도
3.1. 복잡한 것을 하나로 설명해보기
3.1.1. 불필요한 정보를 과감하게 걷어내기
3.1.2. 설명이 단순할수록 의사결정은 쉬워진다
3.2. 무엇을 남기고 무엇을 버릴까
3.2.1. 무조건 많다고 좋은 건 아니다
3.2.2. 응용 문제도 잘 풀어야 한다
3.2.3. 무엇이 중요한지는 누가 어떻게 정할까
4. 단순함은 왜 틀릴까
4.1. 예상과 현실이 어긋나는 순간
4.1.1. 기대와 현실의 차이
4.1.2. 오차를 바라보는 두 가지 관점
4.1.3. 부호를 고려해야 하는 이유
4.1.4. 오차를 현명하게 계산하는 방법
4.1.5. 과정에서의 오차는 더 나은 결과를 만드는 원동력이다
4.2. 내가 모르는 것들이 끼어드는 순간
4.2.1. 좁은 시야는 섣부른 판단을 부른다
4.2.2. 인공지능의 학습도 균형이 필요하다
4.2.3. 모를 수 있다는 가능성을 인정하려는 노력
4.3. 어떤 변화는 점점 빨라진다
4.3.1. 우리는 왜 종이를 계속 접을 수 없을까
4.3.2. 시작은 미약해도 끝은 창대하다
4.4. 커질수록 느리게 느껴지는 이유
4.4.1. 숫자는 같지만 마음은 다르다
4.4.2. 우리의 직관대로 숫자를 표현하기
4.4.3. 데이터의 체급 기준을 같게 만들기
5. 데이터를 보는 새로운 시선
5.1. 흩어진 숫자 속에서 공통점 찾기
5.1.1. 사실은 발견하기 전부터 이미 있었다
5.1.2. 인공지능도 통찰력을 가질 수 있을까?
5.1.3. 균형 잡힌 데이터의 중요성
5.2. 평균은 얼마나 믿을 수 있을까
5.2.1. 평균의 함정
5.2.2. 또다른 공정의 기준
5.2.3. 현실의 눈금으로 되돌리기
5.2.4. 의사결정에 올바르게 활용하기
6. 조금씩 더 나아지는 방법
6.1. 한 번에 맞히지 못하는 이유
6.1.1. 과정의 시행착오는 더 나은 결과의 밑거름
6.1.2. 기계가 배우는 방식도 동일하다
6.2. 계속 수정하면 가까워진다
6.2.1. 정답을 잘 찾아가는 방법
6.2.2. 정답을 안전하게 찾아가는 방법
6.3. 결국 우리가 하고 있던 일
6.3.1. 익숙한 판단의 방식
6.3.2. 우리가 배워나가는 방식
6.3.3. 새로운 경험은 우리를 성장시킨다
7. 다시 보면 달라지는 것들
7.1. 우리가 해온 건 계산이 아니라 선택이었다
7.1.1. 선택을 만드는 방법
7.1.2. 결국 본질은 같다
7.1.3. 알고 보면 늘 해오던 선택의 방식
7.2. 수학이 아니라 사고 방식이었다
7.2.1. 치열한 고민과 현명한 판단
7.2.2. 사실은 우리 안에 이미 있었던 것
1.1. ChatGPT는 글을 이해할까?
1.1.1. 인공지능이란 무엇일까?
1.1.2. 가장 단순한 인공지능은 계산기이다
1.1.3. 무언가를 넣으면 다른 무언가가 나온다
1.1.4. 연산의 대상이 단순한 숫자가 아니다
1.1.5. 복잡한 데이터를 계산하려면 그만큼 복잡한 수식이 필요하다
1.2. AI는 왜 가끔 틀릴까?
1.2.1. AI는 정답을 아는 것이 아니다
1.2.2. AI는 항상 가능성을 계산한다
1.2.3. 확률은 AI 시대의 핵심 개념이다
1.3. AI는 우리를 어떻게 도울까?
1.3.1. AI는 하나의 기술이 아니다
1.3.2. AI를 사용하는 목적
1.3.3. 인간이 직접 규칙을 정하는 AI
1.3.4. 데이터로부터 스스로 규칙을 찾아내는 머신러닝
1.3.5. 현실을 더 잘 설명하는 딥러닝
2. 숫자를 다루는 감각 만들기
2.1. 숫자는 같은데 왜 느낌은 다를까?
2.1.1. 숫자는 정말 객관적일까?
2.1.2. 체감의 법칙: 느낌은 상황에 따라 달라진다
2.1.3. AI는 세상을 어떻게 바라볼까?
2.2. 기준이 바뀌면 결과가 달라진다
2.2.1. 숫자가 크다고 더 중요한 걸까
2.2.2. 잘못된 덧셈의 치명적 위험
2.2.3. 서로 다른 숫자를 공평하게 맞추는 법
2.3. 보이지 않는 변화를 읽는 법
2.3.1. 변화를 바라보는 두 가지 관점: 이동 거리와 출발선
2.3.2. AI가 우리가 변화를 읽는 방식
2.4. 함께 움직인다는 것의 의미
2.4.1. 잘못된 믿음의 위험성
2.4.2. 올바른 믿음의 방향
2.4.3. 결국 결정과 책임은 나의 몫
3. 단순하게 설명하려는 시도
3.1. 복잡한 것을 하나로 설명해보기
3.1.1. 불필요한 정보를 과감하게 걷어내기
3.1.2. 설명이 단순할수록 의사결정은 쉬워진다
3.2. 무엇을 남기고 무엇을 버릴까
3.2.1. 무조건 많다고 좋은 건 아니다
3.2.2. 응용 문제도 잘 풀어야 한다
3.2.3. 무엇이 중요한지는 누가 어떻게 정할까
4. 단순함은 왜 틀릴까
4.1. 예상과 현실이 어긋나는 순간
4.1.1. 기대와 현실의 차이
4.1.2. 오차를 바라보는 두 가지 관점
4.1.3. 부호를 고려해야 하는 이유
4.1.4. 오차를 현명하게 계산하는 방법
4.1.5. 과정에서의 오차는 더 나은 결과를 만드는 원동력이다
4.2. 내가 모르는 것들이 끼어드는 순간
4.2.1. 좁은 시야는 섣부른 판단을 부른다
4.2.2. 인공지능의 학습도 균형이 필요하다
4.2.3. 모를 수 있다는 가능성을 인정하려는 노력
4.3. 어떤 변화는 점점 빨라진다
4.3.1. 우리는 왜 종이를 계속 접을 수 없을까
4.3.2. 시작은 미약해도 끝은 창대하다
4.4. 커질수록 느리게 느껴지는 이유
4.4.1. 숫자는 같지만 마음은 다르다
4.4.2. 우리의 직관대로 숫자를 표현하기
4.4.3. 데이터의 체급 기준을 같게 만들기
5. 데이터를 보는 새로운 시선
5.1. 흩어진 숫자 속에서 공통점 찾기
5.1.1. 사실은 발견하기 전부터 이미 있었다
5.1.2. 인공지능도 통찰력을 가질 수 있을까?
5.1.3. 균형 잡힌 데이터의 중요성
5.2. 평균은 얼마나 믿을 수 있을까
5.2.1. 평균의 함정
5.2.2. 또다른 공정의 기준
5.2.3. 현실의 눈금으로 되돌리기
5.2.4. 의사결정에 올바르게 활용하기
6. 조금씩 더 나아지는 방법
6.1. 한 번에 맞히지 못하는 이유
6.1.1. 과정의 시행착오는 더 나은 결과의 밑거름
6.1.2. 기계가 배우는 방식도 동일하다
6.2. 계속 수정하면 가까워진다
6.2.1. 정답을 잘 찾아가는 방법
6.2.2. 정답을 안전하게 찾아가는 방법
6.3. 결국 우리가 하고 있던 일
6.3.1. 익숙한 판단의 방식
6.3.2. 우리가 배워나가는 방식
6.3.3. 새로운 경험은 우리를 성장시킨다
7. 다시 보면 달라지는 것들
7.1. 우리가 해온 건 계산이 아니라 선택이었다
7.1.1. 선택을 만드는 방법
7.1.2. 결국 본질은 같다
7.1.3. 알고 보면 늘 해오던 선택의 방식
7.2. 수학이 아니라 사고 방식이었다
7.2.1. 치열한 고민과 현명한 판단
7.2.2. 사실은 우리 안에 이미 있었던 것
저자
저자
이승도 학 력
서울대학교 경제학부 학사 (우등졸업, Cum Laude) / 국사학과 (제2전공)
경 력
| 현직
출판사 '책도사' 대표
합격의 마지막 한 줄, 올인원 첨삭 플랫폼 '첨삭도사' 대표
미래를 짓는 지혜, 인사이트 디자인 & 빌드 연구소 '개발도사' 대표
동양미래대학교 컴퓨터공학부 강사
배화여자대학교 소프트웨어공학과 강사
동남보건대학교 강사
온라인 플랫폼 강의 진행(클래스101 & 인프런)
유명 대기업 · 공공기관 다수 출강 IT 강사
| 전직
삼성전자 개발팀 근무
성균관대학교 정보통신처 근무
코리아에듀, 팀스파르타 IT기업교육 강사
광교M&M수학학원, 논스탑수학과학학원 중등/고등수학 강사
대치 아폴론교육 컨설턴트
저 서
뼛속까지 문과생도 단번에 이해하는 쉬운 말로 풀어 쓴 AI 기초 수학 이야기
비전공자를 위한 생성형 AI·바이브코딩·DX/AX 기초 마스터 커리큘럼
비전공자를 위한 데이터 기반 취업 전략 설계: 경제·통계·AI로 취업/이직 해킹하기
뼛속까지 문과생도 단번에 이해하는 쉬운 말로 풀어 쓴 머신러닝 이야기
알면 도움되는 20가지 경제학
대기업, 금융권, 공공기관, 교직원 20곳 이상 실제 면접후기
프리미엄 평가문제집 문단속: 문제로 단단하고 실속있게 - 고등학교 정보
서울대학교 경제학부 학사 (우등졸업, Cum Laude) / 국사학과 (제2전공)
경 력
| 현직
출판사 '책도사' 대표
합격의 마지막 한 줄, 올인원 첨삭 플랫폼 '첨삭도사' 대표
미래를 짓는 지혜, 인사이트 디자인 & 빌드 연구소 '개발도사' 대표
동양미래대학교 컴퓨터공학부 강사
배화여자대학교 소프트웨어공학과 강사
동남보건대학교 강사
온라인 플랫폼 강의 진행(클래스101 & 인프런)
유명 대기업 · 공공기관 다수 출강 IT 강사
| 전직
삼성전자 개발팀 근무
성균관대학교 정보통신처 근무
코리아에듀, 팀스파르타 IT기업교육 강사
광교M&M수학학원, 논스탑수학과학학원 중등/고등수학 강사
대치 아폴론교육 컨설턴트
저 서
뼛속까지 문과생도 단번에 이해하는 쉬운 말로 풀어 쓴 AI 기초 수학 이야기
비전공자를 위한 생성형 AI·바이브코딩·DX/AX 기초 마스터 커리큘럼
비전공자를 위한 데이터 기반 취업 전략 설계: 경제·통계·AI로 취업/이직 해킹하기
뼛속까지 문과생도 단번에 이해하는 쉬운 말로 풀어 쓴 머신러닝 이야기
알면 도움되는 20가지 경제학
대기업, 금융권, 공공기관, 교직원 20곳 이상 실제 면접후기
프리미엄 평가문제집 문단속: 문제로 단단하고 실속있게 - 고등학교 정보
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.

