크레마클럽

제1장 인공지능이란 1.1 인공지능의 개요 1.1.1 인공지능의 위치 1.1.2 인공지능과 인접한 학문 분야 1.2 인공지능 분야의 다양한 영역1.2.1 머신러닝1.2.2 진화연산1.2.3 떼지능1.2.4 자연어처리 1.2.5 이미지 인식1.2.6 에이전트1.3 생활 속 인공지능 기술1.4 산업에 응용되는 인공지능1.5 인공지능의 정의 1.5.1 인공지능에 대한 두 가지 입장1.5.2 왜 인공지능 기술이 주목받는 것일까제2장 인공지능 연구의 역사 2.1 [1940년~] 컴퓨터 과학의 시작 2.1.1 존 포 노이만과 셀룰러 오토마톤2.1.2 튜링 테스트2.2 [1956년] 다트머스 회의에서 인공지능 분야의 확립2.3 [1960년~] 자연어처리 시스템2.3.1 1965년: 요제프 바이첸바움의 ELIZA2.3.2 1971년: 테리 위노그래드의 블록 세계(SHRDLU)2.4 [1970년~] 전문가 시스템2.5 [1960년~] 퍼셉트론과 오차역전파법2.5.1 인공 신경망의 탄생2.5.2 퍼셉트론 2.5.3 오차역전파법2.6 [1950년~] 체스, 체커, 바둑 대전 프로그램2.6.1 1950년~ : 체커 게임 프로그램2.6.2 1990년~ : 체스 게임 프로그램2.6.3 2010년~ : 바둑 프로그램2.7 [2010년~] 딥러닝의 발견, 빅데이터 시대의 도래2.7.1 딥러닝으로 이미지 인식 분야의 돌파구 마련2.7.2 딥러닝과 빅데이터2.8 과거의 인공지능 시스템 - 컴파일러, 한자 변환2.8.1 컴파일러2.8.2 한자 변환 2.9 인공지능에 적합한 프로그래밍 언어의 변천2.9.1 LISP2.9.2 프롤로그(Prolog)2.9.3 파이썬(Python)제3장 머신러닝 3.1 머신러닝의 원리 3.1.1 머신러닝이란3.1.2 오컴의 면도날 법칙과 노 프리 런치 정리3.1.3 다양한 머신러닝3.2 머신러닝 학습 방법3.2.1 지도학습, 비지도학습 및 강화학습3.2.2 학습 데이터세트와 검증 데이터세트3.2.3 일반화와 과적합3.2.4 앙상블 학습3.3 K-인집기법3.4 결정트리와 랜덤 포레스트3.4.1 결정트리 3.4.2 랜덤 포레스트 3.5 서포트 벡터 머신(SVM)제4장 지식표현과 추론 4.1 지식표현4.1.1 지식표현이란4.1.2 의미 네트워크 4.1.3 프레임4.1.4 생성 규칙과 생성 시스템4.1.5 술어를 이용한 지식표현4.1.6 개방 세계 가정과 폐쇄 세계 가정 4.2 전문가 시스템4.2.1 전문가 시스템의 구성4.2.2 전문가 시스템의 구현제5장 신경망 5.1 계층형 신경망 5.1.1 인공 신경망이란5.1.2 인공 뉴런5.1.3 퍼셉트론5.1.4 계층형 신경망과 오차역전파법5.1.5 순환 신경망 5.2 다양한 신경망 5.2.1 홉필드 네트워크와 볼츠만 머신5.2.2 자기조직화지도제6장 딥러닝6.1 딥러닝이란 6.2 합성곱 신경망 6.3 자기부호화기 6.4 LSTM6.5 생성적 대립 신경망(GAN)제7장 진화연산과 떼지능 7.1 진화연산7.1.1 생물진화와 진화연산7.1.2 유전자 알고리즘과 유전 프로그래밍7.2 떼지능7.2.1 입자군집 최적화7.2.2 개미집단 최적화7.2.3 물고기 떼의 행동형태 알고리즘제8장 자연어처리 8.1 종래형 자연어처리 8.1.1 자연어처리의 계층8.1.2 형태소 분석 8.1.3 구문 분석 8.1.4 의미 분석 8.1.5 통계적 자연어처리8.1.6 기계번역8.2 머신러닝을 이용한 자연어처리8.2.1 머신러닝과 자연어처리8.2.2 Word2vec8.3 음성인식8.3.1 음성의 인식 8.3.2 음성응답 시스템제9장 이미지 인식 9.1 이미지 인식9.1.1 이미지 인식의 기초9.1.2 이미지 특징 추출 9.1.3 템플릿 매칭 9.2 이미지 인식기술의 응용9.2.1 문자인식9.2.2 얼굴인식9.2.3 유사 이미지 검색제10장 에이전트와 강화학습10.1 소프트웨어 에이전트10.1.1 소프트웨어와 셀룰러 오토마톤10.1.2 소프트웨어 에이전트10.2 실체가 있는 에이전트 10.2.1 로봇공학10.2.2 로봇의 신체성(인지과학)10.3 에이전트와 강화학습10.3.1 에이전트와 머신러닝10.3.2 Q학습 제11장 인공지능과 게임 11.1 체스와 체커11.1.1 초기 게임 연구의 성과 - 탐색과 휴리스틱에 기초를 둔 방법11.1.2 딥블루(Deep Blue)11.2 바둑과 장기11.2.1 알파고 이전의 AI 바둑 플레이어11.2.2 알파고, 알파고 제로, 알파 제로11.2.3 장기와 딥러닝11.3 장기와 딥러닝 11.3.1 왓슨(Watson) 프로젝트11.3.2 컴퓨터 게임에 응용되는 인공지능제12장 인공지능은 어디로 향하는가 12.1 중국어 방 - 강한 AI와 약한 AI12.2 프레임 문제12.3 심벌 그라운딩 문제12.4 싱귤래리티

펼쳐보기접어보기

상세 이미지

저자 소개 (2명)

저 : 오다카 토모히로 (小高知宏))

관심작가 알림신청

2004년 현재 후쿠이대학 대학원 교수로 재직. 1983년 와세다대학 이공학부를 졸업하고 1990년 와세다대학 대학원 이공학 연구과 후기과정 수료(공학박사) 후 규슈대학 의학부 부속병원 조수, 1993년 후쿠이대학 공학부 정보공학과 조교수, 1999년 후쿠이대학 공학부 지능 시스템공학과 조교수를 역임했다. 주요 저서로는 <이 정도면 나도 할 수 있다! C 프로그래밍 입문>, <TCP/IP로 배우는 컴퓨터네트워크의 기초(제2판)>, <TCP/IP로 배우는 네트워크시스템>, <컴퓨터시스템)(모리기타출판), <인공지능시스템의 구성>(근대과학사, 공저), <TCP/IP 소켓 프로그래밍 ... 2004년 현재 후쿠이대학 대학원 교수로 재직. 1983년 와세다대학 이공학부를 졸업하고 1990년 와세다대학 대학원 이공학 연구과 후기과정 수료(공학박사) 후 규슈대학 의학부 부속병원 조수, 1993년 후쿠이대학 공학부 정보공학과 조교수, 1999년 후쿠이대학 공학부 지능 시스템공학과 조교수를 역임했다. 주요 저서로는 <이 정도면 나도 할 수 있다! C 프로그래밍 입문>, , , <컴퓨터시스템)(모리기타출판), <인공지능시스템의 구성>(근대과학사, 공저), (번역과 감수), <기초부터 배우는 TCP/IP 애널라이저 작성과 패킷 분석(제2판)>, , <머신러닝과 딥러닝 C언어로 시뮬레이션>, <강화학습과 딥러닝 C언어로 시뮬레이션>, , <머신러닝과 딥러닝 Python으로 시뮬레이션>(옴사)이 있다.

펼쳐보기접어보기

역 : 양지영

관심작가 알림신청

일본 쓰쿠바대학 대학원 인문사회과학연구과에서 박사학위를 받았다. 숙명여자대학교, 가천대학교 등 다수의 대학에서 강의를 했고, 현재는 가천대학교 아시아문화연구소의 연구원이다. 번역에 대한 애정이 각별한 만큼 다양한 분야의 좋은 책을 번역해서 꾸준히 소개하고 싶다. 주요 역서로는 『행운을 부르는 포춘 사이클』, 『잠 못 들 정도로 재미있는 이야기-생물』, 『영양학의 기본』, 『결국은 문장력이다』, 『초밥용어사전』 등 다수가 있다. 일본 쓰쿠바대학 대학원 인문사회과학연구과에서 박사학위를 받았다. 숙명여자대학교, 가천대학교 등 다수의 대학에서 강의를 했고, 현재는 가천대학교 아시아문화연구소의 연구원이다. 번역에 대한 애정이 각별한 만큼 다양한 분야의 좋은 책을 번역해서 꾸준히 소개하고 싶다.

주요 역서로는 『행운을 부르는 포춘 사이클』, 『잠 못 들 정도로 재미있는 이야기-생물』, 『영양학의 기본』, 『결국은 문장력이다』, 『초밥용어사전』 등 다수가 있다.

크레마클럽에서 볼 수 있는 작가의 다른 책